[发明专利]一种水表类型识别方法与系统

权利要求书

1.一种水表类型识别方法，其特征在于，所述方法包括：

水表抄表设备的摄像装置对水表表盘进行拍摄，得到水表表盘图像，并将所述水表表盘图像发送至处理器；

所述处理器调用人工智能算法对所述水表表盘进行识别，并输出水表类型识别结果。

2.根据权利要求1所述的方法，其特征在于：所述处理器设置于水表抄表设备或服务器，相应地，所述水表抄表设备还具备通信模块，用于分别将所述水表类型识别结果或所述水表表盘图像发送至服务器。

3.根据权利要求1所述的方法，其特征在于：在所述处理器调用人工智能算法对所述水表表盘进行识别之前，包括：

采用直方图均衡化算法将所述水表表盘图像二值化，通过形态学膨胀算法对所述二值化后的图像进行连通域分析，将识别出的连通域的规则边界所划定区域作为表盘的有效区域。

4.根据权利要求1-3任意一项所述的方法，其特征在于：所述人工智能算法为基于神经网络的算法。

5.根据权利要求1所述的方法，其特征在于：所述人工智能算法需要进行预训练，包括：

服务器接收水表抄表设备按预设频率回传的表盘图像，其中，所述表盘图像由人工附加了与水表类型的关联关系，所述水表类型包括指针式、数字式；服务器还获取预设数量的非水表的图像；

在各类图像数量均达到预设值时，所述服务器将上述三种类型的样本图像输入神经网络模型进行训练，从而得到训练好的神经网络模型。

6.根据权利要求5所述的方法，其特征在于：所述训练好的神经网络模型包括特征数据库，所述特征数据库中包括指针式水表特征集、数字式水表特征集、非水表特征集。

7.根据权利要求6所述的方法，其特征在于：所述指针式水表特征集中的特征用于表征存在一个或多个直线型的窄连通域，所述数字式水表特征集用于表征存在一个或多个数字字符，所述非水表特征集是虚集，其用于表征不具备所述指针式水表特征集和所述数字式水表特征集中的特征。

8.根据权利要求1所述的方法，其特征在于：所述调用人工智能算法对所述水表表盘进行识别，包括：

设定标签集L_i＝(L₁，L₂，L₃)，其中标签L₁-L₃分别对应所述指针式水表特征集、数字式水表特征集、非水表特征集，表示水表类型；所述训练好的神经网络模型对所述二值化后的表盘图像的有效区域进行前景识别，并分析获得所述前景图像的特征，将所述特征与各所述特征集进行相似度计算，以确定所属的标签L_i。

9.根据权利要求1所述的方法，其特征在于：所述神经网络模型的损失函数定义为：

其中，i是anchor的索引序号，p_i是第i个anchor作为对象的预测概率；如果anchor为正，则真标签为1，如果anchor为负，则为0；t_i是代表预测边界框的参数化坐标的向量，而是与正anchor关联的真值框的参数化坐标；L_cls表示对象与非对象的分类损失的对数损失函数，L_reg表示anchor的回归损失函数；表示仅对正的anchor激活回归损失函数，否则对回归损失禁用；N_cls、N_reg分别为L_cls、的归一化参数，λ为权重。

10.一种水表类型识别系统，其特征在于：所述系统包括水表抄表设备、服务器，其中，所述水表抄表设备包括摄像装置、通信模块，所述水表抄表设备或服务器包括处理器；

所述摄像装置，用于对水表表盘进行拍摄，得到水表表盘图像，并将所述水表表盘图像发送至处理器；

所述处理器，用于接收所述水表表盘图像，并调用人工智能算法对所述水表表盘进行识别，并输出水表类型识别结果。