[发明专利]一种水表数字的AI智能识别方法

说明书

一种水表数字的AI智能识别方法，所述识别方法采用的是Darknet‑19作为基础网络，基于YOLOv2实现：数据来源‑数据标注及格式转换‑新建.names文件‑新建.data文件‑修改.cfg配置文件‑训练模型‑测试模型‑模型中每个方框内的数字最终以连续阿拉伯数字组合的形式呈现于使用界面上。这种图像识别检测方法，其中的水表数字识别基于YOLOv2实现的，采用的是Darknet‑19作为基础网络，它并不是通过加深或加宽网络达到效果提升，反而简化了网络，不管是在召回率还是定位上都有明显优势；精准度高，最终能够连续阿拉伯数字组合的形式呈现于使用界面上，实现完全人工智能化，无需使用者分析猜测，直观、方便。

技术领域

本发明涉及模式识别与人工智能技术领域，特别涉及一种直观的水表数字的AI智能识别方法。

背景技术

深度学习在目标检测的应用发展迅速，在YOLO(You Only Look Once)之后又出现了升级版本YOLOv2，采用的是Darknet-19作为基础网络，它并不是通过加深或加宽网络达到效果提升，反而简化了网络，不管是在召回率还是定位上都有明显优势，我们的水表数字识别就是基于YOLOv2实现的。

目前，有很多涉及模式识别与人工智能相结合的技术出现，特别是被应用于图像数据检测。现有技术中的基于YOLO的图像数据检测，其主要的检测分析过程是基于图片的识别和分析，最终得到的分析结果是带有准确率表示的图片，需要使用者再去根据准确率进行判定，或者呈现给使用者的就是系统分析出来的准确率最高的图片，需要使用者对图片进行分析，不仅不能完全实现智能化识别，而且识别检测的过程繁琐复杂，会逐渐被新的网络所取代，不能适应网络升级的需求。

发明内容

本发明是针对背景技术中提及的有关现有图像识别检测方法的缺陷，提供一种简化网络、精准度高、人工智能化高的水表数据识别方法。

为实现上述目的，本发明所采用的技术方案是：一种水表数字的AI智能识别方法，所述识别方法采用的是Darknet-19作为基础网络，基于YOLOv2实现，具体包括以下步骤：

S1、数据来源：用安装在水表上的摄像头对不同类型的水表进行拍照，并对获取的大量水表图片像素进行批量处理;

S2、数据标注及格式转换：使用标注软件对水表图片进行标注，将标注并转换好的内容存于txt文件中，并将水表图片和对应的txt文件放在同一个文件夹下，最后将水表图片的路径分为训练集和测试集存放到txt文件中；

S3、新建.names文件：里面写入0-9这十个水表数字，每个数字占一行；

S4、新建.data文件：从上到下依次为水表数字的类别数量，训练集路径，测试集路径，.names文件路径和训练好的模型存放路径；

S5、修改.cfg配置文件；

S6、训练模型：将训练数据和标注并转换好的txt文件输入到YOLOv2网络中进行训练；

S7、测试模型：使用训练集以外的数据输入到训练好的网络中进行测试，训练模型对水表上的每一个数字进行识别，将测试的数据上识别出的每一个数字用红色的方框框出来，并在每个红色方框内显示识别结果；

S8、模型中每个方框内的数字最终以连续阿拉伯数字组合的形式呈现于使用界面上。

作为优选的技术方案：步骤S2中对数据进行标注时：使用标注软件对摄像机获取的水表图片进行标注，水表上的每一个数字都要进行单独标注，标注后的边框坐标、边框宽高以及对应的水表数字都将存于txt文件中，并分别用逗号隔开。

作为优选的技术方案：步骤S1中，对水表图片的像素进行批量处理，统一将宽的像素修改为750。