[发明专利]一种基于卷积神经网络的电厂电表字符定位和识别方法

摘要

本发明实施例公开了一种基于卷积神经网络的电厂电表字符定位和识别方法，包括：整理电厂电表图像，建立由所述图像组成的含有字符的电表图像库；训练用于定位字符区域的卷积神经网络，确定网络中的学习参数；利用训练好的用于定位字符区域的卷积神经网络定位所述图像库中电表图像的字符区域，输出字符区域进行裁剪并导出；整理导出的含有数字序列图片并建立对应的图像库，利用其训练用于识别数字序列的卷积神经网络；利用训练好的卷积神经网络识别裁剪得到的数字序列图像，输出字符识别结果。本发明充分利用卷积神经网络的特征提取和学习能力，规避了传统图像处理中的噪声等问题，提高了系统的鲁棒性，高效准确地定位并识别电厂电表中的字符。

主权项

1.一种基于卷积神经网络的电厂电表字符定位和识别方法，其特征在于，包括以下步骤：步骤S1：巡检机器人实地电厂环境拍摄数字序列电表图片，对图片进行数据扩充，建立由电厂电表字符图片组成的图像库；步骤S2：利用训练样本训练用于定位字符区域的卷积神经网络，并确定网络中的学习参数；步骤S3：利用训练好的用于定位字符区域的卷积神经网络定位所述图像库中电表图像的字符区域，输出字符区域进行裁剪并导出；步骤S4：整理S3导出的含有数字序列区域图片并建立图像库，利用其训练用于识别数字序列的卷积神经网络；步骤S5：利用训练好的用于识别数字序列的卷积神经网络识别裁剪得到的数字序列图像，输出电表字符识别结果。