[发明专利]一种水表识别系统及识别方法

权利要求书

1.一种水表识别系统，其特征在于，包含若干图像采集模块、服务器以及客户端；

在各水表处设置图像采集模块，通过图像采集模块采集包含水量数值的水表图片，采集的水表图片信息发送给服务器，服务器识别水表图片中的水量数值信息并存储，工作人员通过客户端查询存储在服务器中的各水表用水量信息。

2.如权利要求1所述水表识别系统，其特征在于，所述图像采集模块通过网络传输模块将采集的水表图片信息传送给服务器。

3.如权利要求1所述水表识别系统，其特征在于，所述服务器进一步包含定位模块、预处理模块、识别模块以及预测模块；

所述定位模块通过定位模型检测数值、定位水表图片中水量数值的位置，并将定位水量数值位置的水表图片信息发送给预处理模块；

所述预处理模块根据定位的水量数值位置，对水量数值部分图片进行定位切割，并对切割得到的水量数值图片进行校正和/或信息增强及降噪处理，处理后的水量数值图片信息发送给识别模块；

所述识别模块通过识别模型识别水量数值图片中的数值，并将识别出的水量数值信息传送给预测模块；

所述预测模块通过预测模型计算并保存各水表的用水量，并根据保存的用水量信息预测每个水表下一周期的水量数值。

4.如权利要求3所述水表识别系统，其特征在于，所述定位模型为文本定位网络，所述文本定位网络经过标记水量数值位置的水表图片数据集进行训练、检验。

5.如权利要求3所述水表识别系统，其特征在于，所述预处理模块对于倾斜图片进行霍夫映射校正处理，对模糊图片进行信息增强及降噪处理。

6.如权利要求3所述水表识别系统，其特征在于，采用标记数值的水量数值图片数据集对卷积循环神经网络进行训练、检验，得到所述识别模型。

7.如权利要求3所述水表识别系统，其特征在于，所述预测模块以时间循环神经网络为预测模型。

8.如权利要求7所述水表识别系统，其特征在于，所述服务器还包含强化学习模块；

识别模块将无法识别的水量数值图片发送给强化学习模块，所述强化学习模块通过蒙特卡洛算法单元检测、读取接收的水量数值图片信息，并用读取数值的水量数值图片数据对识别模块进行训练更新。

9.一种基于权利要求1-8中任意一项水表识别系统的识别方法，其特征在于，所述识别方法，包含以下过程：

步骤1采用图像采集模块在各水表处采集水表图片，并通过网络传输模块把图片数据传输到服务器；

步骤2在服务器中，定位模块通过定位模型检测定位水表图片中水量数值的位置，并将定位水量数值位置的水表图片信息发送给预处理模块；

步骤3预处理模块根据定位的水量数值位置，在水表图片中定位切割水量数值部分图片，并对水量数值图片进行校正和/或信息增强及降噪处理，处理后的图片发送给识别模块；

步骤4识别模块通过识别模型识别水量数值图片中的水量数值，并发送给预测模块；

步骤5当识别模型无法识别水量数值图片中的水量数值时，识别模块将水量数值图片数据发送给强化学习模块，强化学习模块通过蒙特卡洛算法单元检测、读取接收的水量数值图片信息，并用识别的水量数值图片数据对识别模块进行训练更新；

步骤6预测模块通过预测模型计算并保存各水表的用水量，并根据保存的用水量信息预测各每个水表下一周期的水量数值。