【摘要】：水資源是關(guān)系到國計(jì)民生的基礎(chǔ)資源,我國存在嚴(yán)重的水資源短缺、水污染加劇和水土流失等問題。隨著水資源的日益消耗,對個(gè)人用戶及企業(yè)用戶的水表讀數(shù)進(jìn)行準(zhǔn)確記錄具有重要意義;另一方面,隨著人口的增長和社會經(jīng)濟(jì)的發(fā)展,目前的水表用戶數(shù)量龐大、分布范圍廣泛,人工抄表的難度越來越大,已經(jīng)不再適應(yīng)于當(dāng)前時(shí)代發(fā)展的需求,智能抄表系統(tǒng)已成為水務(wù)企業(yè)目前及未來的發(fā)展重點(diǎn)。隨著現(xiàn)代社會計(jì)算機(jī)技術(shù)、通信技術(shù)的進(jìn)步,自動化的智能抄表已經(jīng)逐漸成為現(xiàn)實(shí)。本文針對字輪式的水表,提出采用計(jì)算機(jī)視覺以及圖像處理等技術(shù)對水表圖像進(jìn)行數(shù)字區(qū)域的檢測以及讀數(shù)的識別。采用圖像識別的方式記錄水表讀數(shù)主要是依托于近幾年計(jì)算機(jī)視覺特別是深度學(xué)習(xí)技術(shù)的高速發(fā)展使得復(fù)雜環(huán)境下的圖像檢測以及識別已經(jīng)成為可能,并且將水表讀數(shù)以圖像的方式進(jìn)行記錄可以有效避免作假事件的發(fā)生。本文的主要工作包括:1)提出了一個(gè)適用于水表讀數(shù)識別的全卷積序列識別網(wǎng)絡(luò),構(gòu)建并發(fā)布了一個(gè)用于訓(xùn)練水表讀數(shù)識別算法的數(shù)據(jù)集。該數(shù)據(jù)集包括5000張困難樣本和1000張簡單樣本,困難樣本中存在較大的光照、模糊、水滴及灰塵干擾。這兩部分的樣本都進(jìn)行了讀數(shù)標(biāo)注,如“0,1,5,6,0”。2)針對單個(gè)水表數(shù)字存在“中間狀態(tài)”的問題,根據(jù)實(shí)際應(yīng)用中對水表讀數(shù)后處理的分析,提出了一種“增強(qiáng)損失函數(shù)”。該損失函數(shù)指導(dǎo)模型將處于“中間狀態(tài)”的數(shù)字識別為相對應(yīng)的“較低狀態(tài)”的數(shù)字,從而減少讀數(shù)識別的錯(cuò)誤,能有效提升識別的準(zhǔn)確率。3)基于圖像檢測、文本識別算法以及云計(jì)算技術(shù)構(gòu)建了一個(gè)智能水表云服務(wù)系統(tǒng)。將水表的圖像及讀數(shù)識別結(jié)果保存在云端服務(wù)器,同時(shí)提供查詢和糾錯(cuò)等功能,以達(dá)到提高效率和降低人工成本的目的。4)設(shè)計(jì)并實(shí)現(xiàn)了水表讀數(shù)識別在智能移動終端上的應(yīng)用演示系統(tǒng)。在服務(wù)器上訓(xùn)練了8比特輕量級的水表數(shù)字區(qū)域檢測模型以及水表讀數(shù)識別模型,并將這兩個(gè)模型部署到智能移動終端上,開發(fā)了一個(gè)安卓手機(jī)上的演示應(yīng)用。
【圖文】：

華南理工大學(xué)碩士學(xué)位論文學(xué)習(xí)的文本圖像序列識別神經(jīng)網(wǎng)絡(luò)經(jīng)網(wǎng)絡(luò)(ConvolutionalRecurrentNeuralNetwork，CRNN經(jīng)網(wǎng)絡(luò)進(jìn)行文本圖像序列識別，具體結(jié)構(gòu)如圖 2-1 所示的特征提取模型，利用卷積神經(jīng)網(wǎng)絡(luò)對包含文本序列的者池化的方法將特征圖高度壓縮至 1，即可得到序列特神經(jīng)網(wǎng)絡(luò)進(jìn)行序列建模，得到融合了тн文信息的特征轉(zhuǎn)錄層進(jìn)行解碼以識別圖片中包含的文本信息。此類方題，同時(shí)具備了端到端訓(xùn)練的優(yōu)點(diǎn)。

表讀數(shù)識別率的增強(qiáng)損失函數(shù)；在 3.5 節(jié)討論實(shí)驗(yàn)結(jié)果并在 3.6 節(jié)總結(jié)本章。3.2 水表圖像數(shù)據(jù)集我們構(gòu)建并公開了 個(gè)水表圖像數(shù)據(jù)集（命名為 SCUT-WMNDataset[78]）用于非商業(yè)研究。數(shù)據(jù)集中的水表圖像是通過相機(jī)拍照收集的，，采集過程中將水表數(shù)字區(qū)域用矩形框進(jìn)行坐標(biāo)標(biāo)注，并將水表讀數(shù)記錄н來。我們將采集到的水表圖像數(shù)據(jù)中的數(shù)字區(qū)域部分切割н來作為水表讀數(shù)識別研究的訓(xùn)練及測試圖像，將水表讀數(shù)作為標(biāo)簽。整個(gè)水表圖像數(shù)據(jù)集分為兩個(gè)部分。第 部分包含了 5000 張困難樣本（如圖 3-1 所示）。這些困難樣本中存在較大的光照、模糊、水滴及灰塵干擾，可以增強(qiáng)訓(xùn)練得到的模型的抗干擾能力，較大地提升識別的準(zhǔn)確率。第二部分包含 1000 張簡單樣本（如圖 3-2所示）。這兩部分的樣本都進(jìn)行了讀數(shù)標(biāo)注，標(biāo)注格式為：對每個(gè)數(shù)字進(jìn)行字符標(biāo)注并用逗號分隔開，如圖 3-1 中第 個(gè)圖像的讀數(shù)標(biāo)注為“0,1,5,6,0”。所有樣本中每個(gè)字符的總數(shù)如表 3-1 所示。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TU991.62;TP391.41;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李浩;張聯(lián)洲;田野;王松岳;;居民區(qū)水表抄表現(xiàn)狀、問題與應(yīng)用前景[J];工業(yè)設(shè)計(jì);2015年09期

2 王平殿;巨志勇;許偉明;;基于幾何約束的車牌傾斜檢測方法[J];信息技術(shù);2013年08期

3 王濤;徐婭萍;亢海龍;;結(jié)合Canny算子的圖像二值化方法[J];微型電腦應(yīng)用;2010年02期

4 吳一全;付曉莉;;采用角點(diǎn)信息和慣性主軸的車牌傾斜檢測與校正方法[J];工程圖學(xué)學(xué)報(bào);2009年06期

5 黃穎怡;汪仁煌;岳利軍;;機(jī)器視覺儀表識別方法的研究進(jìn)展[J];自動化儀表;2009年08期

6 姚靈;;水表自動抄表系統(tǒng)技術(shù)現(xiàn)狀與發(fā)展趨勢[J];上海計(jì)量測試;2008年03期

7 鄧婷;李樹濤;;一種快速有效的車牌傾斜檢測方法[J];儀器儀表用戶;2007年03期

8 滕書華;孫即祥;邵曉芳;;一種魯棒性的印刷體數(shù)字識別算法[J];光學(xué)與光電技術(shù);2005年06期

9 唐軼峻,申小陽,朱雯蘭,隋成華;基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)顯儀表數(shù)字字符識別系統(tǒng)[J];電測與儀表;2005年09期

10 申小陽,唐軼峻,姜柏軍,朱文蘭,隋成華;儀表的數(shù)字字符識別系統(tǒng)[J];儀表技術(shù)與傳感器;2005年06期

相關(guān)碩士學(xué)位論文 前5條

1 陳娜;基于機(jī)器視覺的自動抄表系統(tǒng)設(shè)計(jì)[D];哈爾濱理工大學(xué);2011年

2 高元元;圖像處理技術(shù)在自動水表校驗(yàn)裝置中的應(yīng)用研究[D];南京航空航天大學(xué);2010年

3 代青;基于圖像的水表讀數(shù)智能識別應(yīng)用研究[D];武漢理工大學(xué);2009年

4 田自君;數(shù)顯儀表數(shù)字字符快速識別系統(tǒng)的研究[D];電子科技大學(xué);2007年

5 申小陽;數(shù)字儀表動態(tài)顯示字符的計(jì)算機(jī)自動識別[D];浙江工業(yè)大學(xué);2005年

本文編號：2693251