[发明专利]一种基于图像识别的撤回表计管理方法在审

专利信息
申请号: 201910793065.9 申请日: 2019-08-27
公开(公告)号: CN110688900A 公开(公告)日: 2020-01-14
发明(设计)人: 武光华;厉建宾;吕云彤;陈晔 申请(专利权)人: 国网河北省电力有限公司电力科学研究院
主分类号: G06K9/00 分类号: G06K9/00;G06N3/04;G06Q10/10;G06Q50/06
代理公司: 11369 北京远大卓悦知识产权代理事务所(普通合伙) 代理人: 周婷
地址: 050000 河北省*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 电能表 图像 表盘 条形码识别 图像识别 表计 表型 示数 录入 图像识别技术 电能表类型 电能表信息 准确度 编码规则 电表数据 分类网络 输入采集 数字区域 所在区域 条码识别 条码特征 归一化 数据集 条码 电量 采集 返回 管理 检测
【说明书】:

发明公开了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。本发明提供了基于图像识别的撤回表计管理方法,确保了撤回电能表信息的准确度,减少人工录入表数错误和结余电量不正确的情况。

技术领域

本发明涉及电力电能表的检测领域,尤其涉及一种基于图像识别的撤回表计管理方法。

背景技术

电力营销是供电企业核心业务,电力营销工作的质量关系到公司自身的生存和发展,决定着公司的市场竞争力。随着电力企业改革的进一步加速,如何利用高新科技手段来适应市场经济,如何提高效率,降低成本,实现高效优质服务,已经成为实现用电营销现代化的重要任务。

随着智能电表不断普及,计量撤回表计的类型也越来越多,撤回表计表底示数的录入工作也越来越多。传统的手工录入,已无法满足现有业务需求。

传统的撤回表计表底示数的录入工作存在较多不足:

一是手工录入,容易出错。在客户计量装置更换业务的处理过程中,撤回电能表表数的填写,都是由操作员手工进行录入的,容易出现录入时的差错或者失误;

二是录入信息不准确,造成公司损失。录入的表数与撤回的电能表上的示数不一致,无法保证撤回表信息的准确性,造成结余电量不准确,给供电公司带来不必要的损失。

发明内容

本发明为解决目前的技术不足之处,提供了基于图像识别的撤回表计管理方法,确保了撤回电能表信息的准确度,减少人工录入表数错误和结余电量不正确的情况。

本发明的另一目的是对最后录入的数据进行校正,提高撤回表的信息准确性。

本发明提供的技术方案为: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。

优选的是,所述步骤一的采集方法具体为:

将撤回电能表放置在拍照区域,通过计算机控制数码相机,对撤回电能表进行拍照,形成所述图像。

优选的是,所述步骤二中,所述表型识别具体包括:

搭建电表类型分类的神经网络;

标注电表类型数据集,并对所述电表类型分类的神经网络进行训练;

对所述图像进行预处理得预处理图像,所述预处理包括图像尺寸归一化处理;

将所述预处理图像输入训练后的电表类型分类的神经网络,经卷积层与激活函数层提取图像特征,并不断经池化层对所述图像特征进行精简处理,然后将精简处理的图像特征输入全连接层进行分类,最后判断并输出具体的表型。

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河北省电力有限公司电力科学研究院,未经国网河北省电力有限公司电力科学研究院许可,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/201910793065.9/2.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