[发明专利]一种自动抄表方法、装置及计算机可读存储介质在审

专利信息
申请号: 201910533046.2 申请日: 2019-06-19
公开(公告)号: CN110263785A 公开(公告)日: 2019-09-20
发明(设计)人: 南一冰;王文琦;廉士国 申请(专利权)人: 深圳前海达闼云端智能科技有限公司
主分类号: G06K9/32 分类号: G06K9/32;G06K9/68
代理公司: 北京智晨知识产权代理有限公司 11584 代理人: 张婧
地址: 518000 广东省深圳市前海深港合作区前*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 特征区域 自动抄表 计算机可读存储介质 计量表读数 表盘图像 置信度 特征区域提取 数值获取 特征提取 智能仪表 计量表 物联网 抄表
【权利要求书】:

1.一种自动抄表方法,其特征在于,包括:

获取计量表的表盘图像;

对所述表盘图像进行特征提取,得到所述表盘图像中包含数字的N个特征区域,其中,每个所述特征区域均用于提取一个数字,计量表读数由N个所述特征区域提取的N个数字组成,N为大于1的整数;

获取每个所述特征区域中数字的置信度,根据所述置信度确定每个所述特征区域中提取数字的数值;

根据所述N个数字的数值获取所述计量表读数。

2.根据权利要求1所述的自动抄表方法,其特征在于,在所述获取计量表的表盘图像之后,还包括:

对所述表盘图像进行数字行检测,得到所述表盘图像中用于表征计量表读数的数字行区域;

判断所述数字行区域中的数字方向是否与预设方向相同,在判定所述数字行区域中的数字方向与预设方向不同时,校正所述表盘图像的放置方向;

所述对所述表盘图像进行特征提取,具体包括:

对校正放置方向后的所述表盘图像进行特征提取。

3.根据权利要求2所述的自动抄表方法,其特征在于,所述对所述表盘图像进行数字行检测,得到所述表盘图像中用于表征计量表读数的数字行区域,具体包括:

将所述表盘图像输入用于生成所述数字行区域的第一预设卷积神经网络模型中,得到所述数字行区域,其中,所述第一预设卷积神经网络模型通过历史表盘图像训练得到。

4.根据权利要求2所述的自动抄表方法,其特征在于,在所述校正所述表盘图像的放置方向之后,还包括:

判定所述计量表安装失败,发送警告信息。

5.根据权利要求2所述的自动抄表方法,其特征在于,在所述校正所述表盘图像的放置方向之后,还包括:

对校正放置方向后的所述表盘图像进行背景分离,得到特征图像,其中,所述特征图像中数字行区域以外的区域像素点置零;

所述对校正放置方向后的所述表盘图像进行特征提取,具体包括:

对所述特征图像进行特征提取。

6.根据权利要求5所述的自动抄表方法,其特征在于,在所述得到特征图像之后,还包括:

对所述特征图像进行区域识别,得到所述特征图像中用于提取小数的小数位区域,根据所述小数位区域确定小数点位置;

所述根据所述N个数字的数值获取所述计量表读数,具体包括:

根据所述N个数字的数值及所述小数点位置获取所述计量表读数。

7.根据权利要求6所述的自动抄表方法,其特征在于,所述对所述特征图像进行区域识别,得到所述特征图像中用于提取小数的小数位区域,根据所述小数位区确定小数点位置,具体包括:

将所述特征图像输入用于生成所述小数点位置的第二预设卷积神经网络模型中,得到所述小数点位置,其中,所述第二预设卷积神经网络模型通过历史表盘图像训练得到。

8.根据权利要求1至5任一项所述的自动抄表方法,其特征在于,所述对所述表盘图像进行特征提取,得到所述表盘图像中包含数字的N个特征区域,具体包括:

将所述表盘图像输入用于生成所述特征区域的第三预设卷积神经网络模型中,得到N个所述特征区域,其中,所述第三预设卷积神经网络模型通过历史表盘图像训练得到。

9.一种网络设备,其特征在于,包括:至少一个处理器;以及,

与所述至少一个处理器通信连接的存储器;其中,

所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至8中任一项所述的自动抄表方法。

10.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的自动抄表方法。

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深圳前海达闼云端智能科技有限公司,未经深圳前海达闼云端智能科技有限公司许可,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/201910533046.2/1.html,转载请声明来源钻瓜专利网。

×

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