[发明专利]智能电表版本分类方法

说明书

本发明公开了一种智能电表版本分类方法，首先识别出包含智能电表版本信息的ROI，然后对ROI进行纹理特征提取，进一步基于提取的纹理特征，通过支持向量机模型实现对智能电表版本分类；本发明基于纹理特征提取与机器学习方法相结合，不仅能够有效提升识别效率，而且能够对智能电表版本实现准确分类(准确率可达到99％以上)，从而有效提高电表版本信息录入效率，满足自动化检测要求。

技术领域

本发明属于电表外观图像处理技术领域，涉及基于图像纹理特征提取与SVM机器学习模型的智能电表版本分类方法，能够用于拆回电表版本的智能图像分类。

背景技术

每年因为设备故障、功能性更换或升级、政策性拆除等原因，需要拆除并回收大量智能电表，为建立和完善拆回智能电表的质量管理体系与回收体系，从而提高智能电表使用年限、避免用户争议、改善服务质量，需统计每个智能电表型号、版本等相关参数信息。

目前智能电表数据的信息录入方法仍采用人工录入数据库的方式，面临效率低下、准确率难以保证的问题。为了解决该问题，可通过建立自动化检测产线，拍摄智能电表图像，利用图像处理技术获取相关信息，从而大大提升录入效率，降低成本。然而，由于电表图像与普通图像不同，其受拍摄光照、回收条件等因素影响，拍摄得到图像呈现高杂糅的特点，包含曝光程度不同、老化程度不同、保护罩形态不同、标签贴纸干扰等复杂情况，从而导致电表版本的图像分类准确率较差。

因此，为了提高智能电表分类准确率，需要一种图像分类方法，能够具有高度鲁棒性，即使在上述多种干扰因素影响下仍对智能电表图像分类具有较高准确率。

发明内容

针对智能电表版本分类中存在的效率低、准确率难以保证的问题，本发明目的旨在提供一种智能电表版本分类方法，基于纹理特征提取与机器学习方法相结合的方法，实现对高度杂揉化样本环境下智能电表版本图像的准确分类，且提升识别速度。

本发明提供的智能电表版本分类方法，包括以下步骤：

S1获取包含版本信息的智能电表灰度图像；

S2在获取的智能电表图像上进行几何特征识别，获取若干感兴趣区域ROI；

S3从若干ROI中提取一种以上的纹理特征向量，并将一种以上的纹理特征向量进行融合组成总纹理特征向量；

S4将总纹理特征向量输入到训练好的支持向量机模型中，得到智能电表版本分类结果。

步骤S1中，为便于处理，本发明中直接通过灰度摄像头采集智能电表灰度图像，也可通过RGB摄像头先采集智能电表彩色图像，再通过常规色域映射转换得道智能电表灰度图像。针对拍摄的智能电表中不同区域，例如信息栏区域、显示屏区域、接线区域、插卡区域等。经分析发现，对于不同版本的智能电表，其接线区域的形貌存在较大差异，而其他区域在灰度图像上差别不大，且信息栏区域不包含有关版本类型的描述，因此可以认为接线区域包含智能电表版本信息。为获取包含版本信息的待识别区域，需要从拍摄得到的图片截取接线区域。另一方面，为了实现包含版本信息区域的快速获取，通过拍摄设备固定拍摄位置，大幅减小智能电表在图片中位置的浮动差异，由于接线区域一般位于智能电表下部，且整体呈矩形，因此通过固定矩形裁剪方案即可快速获取智能电表下部包含版本信息的待识别矩形区域，并将这部分智能电表图像作为包含版本信息的智能电表图像。

由于智能电表接线区域在拆回过程均存在有无保护罩的情况，且运输过程中有不同程度的破坏、划痕、贴纸等视觉干扰因素，为减小干扰因素的影响，提高特征向量的分类效果，需要获取最易于利用图像中的信息区分版本的区域。所述步骤S2中，感兴趣区域ROI获取具体方式包括如下分步骤：

S21对智能电表图像给定中间区域进行圆形几何特征识别；

S22对识别出存在圆形几何特征的智能电表图像，分别在给定的固定位置提取若干ROI；