[发明专利]一种基于YOLOV5算法的电能表识别方法、设备及存储介质在审

专利信息
申请号: 202211194397.3 申请日: 2022-09-28
公开(公告)号: CN115546797A 公开(公告)日: 2022-12-30
发明(设计)人: 庄金康 申请(专利权)人: 国网福建省电力有限公司;国网福建省电力有限公司福州供电公司;国网福建省电力有限公司福清市供电公司
主分类号: G06V30/148 分类号: G06V30/148;G06V30/146;G06V10/22;G06V10/26
代理公司: 福州科扬专利事务所(普通合伙) 35001 代理人: 李晓芬
地址: 350003 福*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 yolov5 算法 电能表 识别 方法 设备 存储 介质
【说明书】:

本发明涉及一种基于YOLOV5算法的电能表识别方法,利用第一目标检测模型获取标签位置信息和表盘位置信息,利用OCR算法识读第一图片内字符得到标签信息、利用第二目标检测模型识读第二图片内字符得到表盘信息,完成撤回电能表及无网络信号场景下的电能表信息自动识别。

技术领域

本发明涉及一种基于YOLOV5算法的电能表识别方法、设备及存储介质,属于电能表识别领域。

背景技术

推行智能电表以来,实现了自动抄表,但在更换电能表、拆除电能表以及一些无网络信号的场景,仍然需要人工抄表。现行人工抄表采取的方式通常为现场拍摄电能表示数照片后,通过人眼识别电能表表号、电能表总峰谷电量等信息,并录入到存档系统中。当遇到大量拆退旧表时,人工抄表效率低下。并且由于现场拍摄环境如光线,电能表屏幕老化等影响,拍摄照片的识别效果不佳。

因此,需要一种面向撤回电能表及无网络信号场景的自动识别方法。

专利CN110688900A《一种基于图像识别的撤回表计管理方法》包括:步骤一、采集撤回电能表的图像;步骤二、采用图像识别技术依次对所述图像进行表型识别、条形码识别和表盘示数识别;其中,所述表型识别是通过搭建电能表类型分类网络,输入采集的撤回电能表图像,识别并返回撤回电能表的型号信息;所述条形码识别是在所述图像中依据条码特征检测条码所在区域,再依据编码规则和归一化理论进行条码识别;所述表盘示数识别是通过对数字区域进行定位后对数字进行切分,然后制作出数据集进行识别;步骤三、生成并录入电表数据。

专利CN113569835A《一种基于目标检测和分割识别的水表数值读取方法》通过数值区域目标检测模块进行实时检测,获得水表图像中数值区域的位置信息;目标区域分割模块根据数值位置信息对水表图像进行截取并得到数值区域图像,再对其区域进行等分后利用DeepLab模型进行图像分割处理,得到只有数字的图像;最后利用SVM模型读出水表的正确读数。

专利CN114241469A《一种面向电表轮换过程的信息识别方法和装置》在电表图像中定位出特定信息区域;对特定信息区域进行图像预处理,获得特定信息区域预处理图像,基于特定信息区域预处理图像,对特定信息区域的文本信息进行定位,获得文本信息区域;对文本信息区域进行处理,获得水平单行文本;对水平单行文本进行识别,获得特定信息。

发明内容

为了克服现有技术中存在的问题,本发明设计了一种基于YOLOV5算法的电能表识别方法、设备及存储介质,利用第一目标检测模型获取标签位置信息和表盘位置信息,利用OCR算法识读第一图片内字符得到标签信息、利用第二目标检测模型识读第二图片内字符得到表盘信息,完成撤回电能表及无网络信号场景下的自动识别。

为了实现上述目的,本发明采用如下技术方案:

技术方案一:

一种基于YOLOV5算法的电能表识别方法,包括以下步骤:

构建并训练第一目标检测模型;

将待检测电能表图片输入至第一目标检测模型,得到标签位置信息和表盘位置信息;

根据所述标签位置信息,裁剪待检测电能表图片得到第一图片;

识读第一图片,得到标签信息;

根据所述表盘位置信息,裁剪待检测电能表图片得到第二图片;

构建并训练第二目标检测模型;将第二图片输入至第二目标检测模型,得到表盘信息;

输出识别结果,所述识别结果包括标签信息和表盘信息。

进一步地,所述识读第一图片,具体为:

通过OCR算法识读第一图片中的字符,得到标签信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网福建省电力有限公司;国网福建省电力有限公司福州供电公司;国网福建省电力有限公司福清市供电公司,未经国网福建省电力有限公司;国网福建省电力有限公司福州供电公司;国网福建省电力有限公司福清市供电公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211194397.3/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top