[发明专利]一种指针水表识别方法与系统

权利要求书

1.一种指针式水表识别方法，其特征在于：所述方法包括：

S1、所述水表抄表设备的摄像头对指针式水表表盘进行拍摄，得到水表表盘图像，并将所述水表表盘图像发送至处理器；

S2、所述处理器调用人工智能算法对所述水表表盘进行识别，以得出水表流量计数值的识别结果。

2.根据权利要求1所述的方法，其特征在于：在所述处理器调用人工智能算法对所述水表表盘进行识别之前，还包括如下步骤：

将所述水表表盘图像二值化，通过形态学膨胀算法对所述二值化后的图像进行连通域分析，将识别出的连通域的规则边界所划定区域作为表盘的有效区域。

3.根据权利要求2所述的方法，其特征在于：通过如下步骤进行二值化处理：

S11、对所述水表表盘图像进行灰度化处理；

S12、计算灰度化处理后的整个图像区域中的所有像素点中灰度值最大值pray_max；

S13、将所有像素点的灰度值pray_ij与抉择阀值T_ij进行比较，并基于如下公式输出该像素点的二值化结果P：

其中，i、j为像素点在图像中的横纵数值，用于定位单一像素点；

S14、重复上述步骤S13，直至所有像素点均完成二值化，进而得到二值化图像。

4.根据权利要求1所述的方法，其特征在于：所述步骤S2具体包括如下步骤：

S20、对所述表盘的有效区域的二值化图像进行复制操作以得到两份二值化图像；

S21、对其中一份所述二值化图像通过Hough变换或差影法提取指针及各刻度线；

S22、对其中另一份所述二值化图像采用连通域法识别得出数字区域，并采用数字识别算法识别所述数字区域内的数字；

S23、判断指针是否与刻度线重合，若是，则执行步骤S24，否则执行步骤S25；

S24、将刻度线的示值作为仪表的读数值；

S25、计算指针与左侧刻度线示值之间的距离M，计算指针与右侧刻度线示值之间的距离M；

S26、基于所述数字区域两端的数字确定出表盘刻度值是顺时针布局还是逆时针布局；

S27、若是顺时针布局，则执行步骤S28，否则执行步骤S29；

S28、仪表的读数值为V＝M+(N-M)d/L；

S29、仪表的读数值为V＝N+(M-N)d/L；

其中，d为指针上所有点到左侧刻度线的平均距离，L为指针上所有点到右侧刻度线的平均距离。

5.根据权利要求4所述的方法，其特征在于：所述步骤S22中采用数字识别算法识别所述数字区域内的数字，包括：

S221、对所述数字区域进行切割操作，以得到多个数字字符图像；

S222、对所述多个数字字符图像分别进行识别处理，提取出统计特征和结构特征；其中，所述统计特征包括粗网格特征、投影特征，结构特征包括凹凸性、轮廓边界；

S223、将统计特征和结构特征进行最优组合，输入神经网络分类器；

S224、所述神经网络分类器基于输入的统计特征和结构特征组合进行数字字符分类，并输出分类结果；其中，神经网络分类器包括第一级分类器和第二级分类器，所述第一级分类器对0、1、7进行分类，所述第二级分类器对其它数字进行分类。

6.根据权利要求1所述的方法，其特征在于：所述第二级分类器采用四层结构的神经网络模型，所述神经网络模型的激励函数为：

其中，λ为权重，u_j为第j个神经元的状态值，x_i为前级输入第i个神经元的状态值，w_ij为前级输入第i个神经元至第j个神经元的权重，θ_j为神经元的阈值。

7.根据权利要求6所述的方法，其特征在于：在步骤S2之前，还包括：采集设定数量的单一数字图像用于神经网络分类器的预训练，通过预训练确定出各数字字符的最优分类用特征组合。