[发明专利]一种基于神经网络的电能表外观快速识别方法

权利要求书

1.一种基于神经网络的电能表外观快速识别方法，其特征在于，包括边缘检测、畸变校正、图片切割、文字识别与图片分类步骤，将原始图片通过灰度化、二值化边缘检测与校正后进行图像切割，结合切割后的图像，变为细分的多个检定分类问题处理，同时使用手段识别、收集电能表外观信息。

2.根据权利要求1所述的一种基于神经网络的电能表外观快速识别方法，其特征在于，以灰度转换的方式对电能表外观成像进行预处理，降低图像复杂环境的噪声影响，同时提高图像处理的效率。

3.根据权利要求1所述的一种基于神经网络的电能表外观快速识别方法，其特征在于，将被切割的图片按照需求对图像进行分类、识别，从而将电能表细分状态，并将细分状态情况总结为整体的外观判定结论。

4.根据权利要求3所述的一种基于神经网络的电能表外观快速识别方法，其特征在于，采用基于不同算子并二值化的边缘检测方法清洗灰度化电能表图像噪声，将成像中不属于表计本体的噪声清除，将成像作初步切割为只包含电能表本体的图像。

5.根据权利要求1或3所述的一种基于神经网络的电能表外观快速识别方法，其特征在于，使用偏移角度映射的畸变校正与插值平滑的方法，统一初步切割后不规则的电能表成像数据，统一数据规模尺寸，使得不同角度成像的电能表进行像素级的对比。

6.根据权利要求5所述的一种基于神经网络的电能表外观快速识别方法，其特征在于，针对21个外观检定项将畸变校正后的统一尺寸成像数据进行切割，分别对21个切割图像做出检定结论，并将所有分项结论汇总。

7.根据权利要求5所述的一种基于神经网络的电能表外观快速识别方法，其特征在于，对于切割铭牌图像的编号收集采用Multi-DigitalNumberClassification方法针对定长数字序列进行识别，并以输出为检定结果的备注信息。

8.根据权利要求3所述的一种基于神经网络的电能表外观快速识别方法，其特征在于，对于切割铭牌图像的型号信息使用固定模板的相似度计算进行匹配，对表计型号进行区分，并输出为检定结果的备注信息。

9.根据权利要求3所述的一种基于神经网络的电能表外观快速识别方法，其特征在于，对于切割铭牌图像的厂家信息进行单行的OCR识别，通过自动识别铭牌信息，完善收集数据，最终将编号、型号、设备信息整合为检定结果附加信息。

10.根据权利要求6所述的一种基于神经网络的电能表外观快速识别方法，其特征在于，将21个外观检定分项结论与附加信息整合生成完整的一次外观检定结果,并批量分析检定样本数据，为数据挖掘及分析任务提供高质量的数据。