[发明专利]一种数字水表的数据识别方法

摘要

本发明提供了一种数字水表的数据识别方法，包括以下步骤：对摄像机拍摄的原始灰度图进行预处理得到中间灰度图作为第一训练样本，收集n张中间灰度图组成第一训练集；构建分割神经网络，将第一训练样本输入分割神经网络进行训练，根据Loss反向传播，更新分割神经网络的权值，得到训练好的分割神经网络；这种数字水表的数据识别方法先将多位数区域从原始灰度图中检测并且切割出来，然后对多位数区域的数字一个个去识别再重组得到多位数，替代人工上门抄表方便快捷，而且识别准确。

主权项

1.一种数字水表的数据识别方法，其特征在于，包括以下步骤：S1、对摄像机拍摄的原始灰度图进行预处理得到中间灰度图作为第一训练样本，收集n张中间灰度图组成第一训练集；S2、标记所述中间灰度图中的实际多位数区域的四个顶点坐标分别为(xi1，yi1)、(xi2，yi2)、(xi3，yi3)和(xi4，yi4)，其中i＝1，2，3...n；S3、构建分割神经网络，所述分割神经网络的激活函数为Leaky ReLU，损失函数为：Loss＝Loss1+Loss2，Loss1＝(fi1‑fi2)2，Loss2＝∑aPa/(∑bPb+∑cPc)，fi2＝(xi1，yi1，xi2，yi2，xi3，yi3，xi4，yi4)，所述fi1为分割神经网络的预测向量，所述fi2为真实向量；和为预测多位数区域的四个顶点的坐标；Pb为实际多位数区域内并且在预测多位数区域外的点对应的值；Pc为实际多位数区域外并且在预测多位数区域内的点对应的值；Pa为实际多位数区域内并且在预测多位数区域内的点对应的值；S4、将第一训练样本输入分割神经网络进行训练，根据Loss反向传播，更新分割神经网络的权值，得到训练好的分割神经网络；S5、将中间灰度图中的实际多位数区域切割出来并且通过透视变换成实际矩形图，将实际矩形图中每个数字切割出来的数字灰度图作为第二训练样本，收集m个第二训练样本组成第二训练集；S6、构建识别神经网络，所述识别神经网络为卷积神经网络，激活函数为ReLU，损失函数为交叉熵Loss′；S7、将所述第二训练样本输入识别神经网络进行训练，根据Loss′反向传播，更新识别神经网络的权值，得到训练好的识别神经网络。