[发明专利]基于残差网络的电表数值识别方法

摘要

一种基于残差网络的电表数值识别方法，包括图像采集装置、图像预处理模块、卷积神经网络；采用以下步骤，S1：图像采集装置采集电表图像，将该电表图像传送到图像预处理模块；S2：图像预处理模块对采集到的电表图像进行灰度化处理；S3：图像预处理模块对灰度化处理后的电表图像进行平滑滤波，消除电表图像中的噪声；S4：图像预处理模块对平滑滤波后的电表图像进行图像锐化处理。不仅解决了人工读数效率低、容易出错和已有的自动识表方法精度不足等诸多问题，而且顺应了智能化发展的新趋势，可应用于对电网仪表设备的监控，在电力系统的工程应用中，具有很好的应用前景。

主权项

1.一种基于残差网络的电表数值识别方法，其特征在于：包括图像采集装置、图像预处理模块、卷积神经网络；采用以下步骤，S1：图像采集装置采集电表图像，将该电表图像传送到图像预处理模块；S2：图像预处理模块对采集到的电表图像进行灰度化处理；S3：图像预处理模块对灰度化处理后的电表图像进行平滑滤波，消除电表图像中的噪声；S4：图像预处理模块对平滑滤波后的电表图像进行图像锐化处理；S5：图像预处理模块将锐化处理后的图像转变为二值图像；S6：设置有训练数据集和标签集，采集N张通过人工抄表保存的电表图像，将每张电表图像中的表盘图像对应的刻度值作为标签数据，加入到标签集中；将N张电表图像按照步骤2至步骤5依次进行预处理，将预处理后的电表图像加入到数据集中，所述标签集中的标签数据与所述数据集中的数据对应；S7：建立卷积神经网络，对神经网络进行训练，该神经网络的训练方式为：将数据集中的数据作为神经网络的输入，设置f_all和Θ_all分别设为整个神经网络的识别函数和所有参数，整个神经网络的表达式为：y＝f_all(IMG,Θ_all)其中神经网络的输入为IMG，该IMG为输入的电表表盘的原始图像，该原始图像为历史通过人工抄表保存的表盘图像，标签数据为电表表盘的原始图像对应的刻度值，y为整个神经网络的输出；得到整个网络的均方误差表达式为通过最小化上式对神经网络进行训练，其中label为标签向量，该标签向量对应为表盘的刻度；S8：将待处理数据集中经过预处理的图片作为输入参数输入到卷积神经网络中，该卷积神经网络的输出为电表读数。