结合模板匹配和深度神经网络的电能表信息识别

吴彬彬; 朱雅魁; 葛云龙; 吕云彤

吴彬彬,朱雅魁,葛云龙,吕云彤.结合模板匹配和深度神经网络的电能表信息识别[J].电测与仪表,2023,60(9):195-200.
wubinbin,zhu Yakui,Ge Yunlong,Lv Yuntong.Information Recognition Method for Electricity Meter Using Template Match and Deep Neural Network[J].Electrical Measurement & Instrumentation,2023,60(9):195-200.

结合模板匹配和深度神经网络的电能表信息识别

Information Recognition Method for Electricity Meter Using Template Match and Deep Neural Network

DOI：10.19753/j.issn1001-1390.2023.09.029

中文关键词: 电能表信息识别模板匹配深度神经网络图像

英文关键词:

基金项目:

作者中文名	作者英文名	单位
吴彬彬	wubinbin	国网河北省电力有限公司电力科学研究院
朱雅魁	zhu Yakui	国网河北省电力有限公司电力科学研究院
葛云龙	Ge Yunlong	国网河北省电力有限公司
吕云彤	Lv Yuntong	国网河北省电力有限公司电力科学研究院

摘要点击次数: 1431

中文摘要:

针对真实拍摄电能表图像受光照、污渍及拍摄角度等影响给识别带来的挑战，提出一种结合模板匹配和深度神经网络的电能表示数及其标签的自动识别方法。首先利用SIFT特征与模板库中图像进行匹配来获得待测电能表的类型（即高压或低压电能表），然后利用边缘信息和Hough变换提取出准确的电表屏幕区域，进一步借助所匹配的标准模板标定信息获得待测图像的屏幕示数及示数标签区域；在此基础上，利用等间隔分割和对标签区域是否存在标签的二分类判定网络来实现示数数字的分割和标签识别，最后利用数字识别网络识别出示数。所提方法充分利用了模板标定信息，将复杂条件下的示数检测变为简单有效的等距分割，将标签识别由复杂的文本检测和识别任务变为简单高效的二值检测任务，因而具有更好的鲁棒性。实验结果证明了该方法的有效性。

英文摘要:

查看全文查看/发表评论下载PDF阅读器

关闭