[发明专利]电能表仪表常数检测方法、设备及存储介质

权利要求书

1.一种电能表仪表常数检测方法，其特征在于，包括：

对采集到的电能表视频进行分割处理，获得光脉冲图像和计度器末位字符图像；

获取所述电能表视频中的关键帧，并以所述关键帧作为首帧连续采集多帧所述光脉冲图像；

依次将连续两帧所述光脉冲图像分别输入至光脉冲识别模型，获取所述光脉冲识别模型输出的识别结果；若根据所述识别结果确定识别到光脉冲的概率大于未识别到脉冲的概率，则将脉冲计数值加1；其中，所述光脉冲识别模型包括两层并行卷积神经网络，每个并行层都包括两个卷积层和两个池化层；所述两层并行卷积神经网络共用一个全连接层和输出层；

将时序连续的两帧所述光脉冲图像输入至所述光脉冲识别模型后，每一帧所述光脉冲图像都依次经过第一卷积层、第一池化层、第二卷积层、第二池化层和全连接层；所述全连接层的输出经过分类的softmax层进行概率空间映射，输出光脉冲的置信度，并根据所述置信度获得光脉冲或非光脉冲的分类结果；

根据所述关键帧或在所述电能表视频中每隔设定周期采样的图像帧对应的计度器末位字符图像，获取计度器末位字符；

根据所述脉冲计数值和所述计度器末位字符确定所述电能表仪表常数的检测结果。

2.根据权利要求1所述的方法，其特征在于，对采集到的电能表视频进行分割处理，获得光脉冲图像和计度器末位字符图像，包括：

对采集到的电能表视频中的图像信号进行预处理，所述预处理包括旋转或增强；

将所述图像从RGB空间转到HSV空间，并在H，V两个分量中根据背景与目标的颜色和亮度差异分别进行二值化处理，以及对H，V两个分量进行 腐蚀和膨胀后的二值图像融合处理；

标记融合处理的目标区域，并根据液晶屏和脉冲成像的形状、大小和相对位置特征对标记过的连通区域进行筛选，分割出液晶屏和光脉冲图像；

利用水平和垂直投影切分法，去除边界部分，分割出液晶屏的计度器末位字符图像。

3.根据权利要求1所述的方法，其特征在于，获取所述电能表视频中的关键帧，包括：

选取光脉冲强度最大的帧脉冲图像作为参考帧；

将采集到的每一帧脉冲图像与所述参考帧作比较，若差值小于设定的阈值，则将这一帧脉冲图像作为所述关键帧。

4.根据权利要求1所述的方法，其特征在于，将多帧所述光脉冲图像输入至预先训练好的光脉冲识别模型中，还包括对所述光脉冲识别模型进行模型训练，其包括：

从样本电能表视频中提取样本图像，并对所述样本图像进行所述分割处理，获得样本光脉冲图像；

对所述样本光脉冲图像进行数据增广，并统一图像大小；

若两帧所述样本图像均为含有光脉冲的图像，则添加光脉冲标签；若两帧所述样本图像均为背景图像或者背景和光脉冲组成的图像，则添加非光脉冲标签，以提取训练样本集；

基于所述训练样本集，将时序连续的两帧所述样本图像作为单个样本并行输入卷积神经网络模型以进行模型训练，训练时采用反向传播法计算网络连接权重的梯度，当训练的损失不再下降，结束网络训练，获得训练好的光脉冲识别模型。

5.根据权利要求1所述的方法，其特征在于，根据所述关键帧或在所述电能表视频中每隔设定周期采样的图像帧对应的计度器末位字符图像，包括：

若采样周期为Δt，则每隔n个Δt的图像帧或者检测到所述关键帧时，使用Lenet-5对所述图像帧或所述关键帧分割出的计度器末位字符图像进行识别。

6.根据权利要求1所述的方法，其特征在于，根据所述脉冲计数值和所述计度器末位字符确定所述电能表仪表常数的检测结果，包括：

从相邻计度器末位字符变化时刻作为始终，识别并计数期间内的光脉冲的次数，以计算电能表仪表常数；

将所述电能表仪表常数与电能表名牌上的仪表常数比较，若小于设定阈值，则判定电能表计量准确。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述电能表仪表常数检测方法的步骤。

8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述电能表仪表常数检测方法的步骤。