[发明专利]基于字符识别的输电设备数字仪表异常检测方法及系统

说明书

本发明提供了一种基于字符识别的输电设备数字仪表异常检测方法及系统，包括：通过巡检设备获取待识别数字仪表图像；对图像数据进行预处理，得到预处理后的数字仪表图像；利用Hough直线检测和校畸函数对预处理后的数字仪表图像进行校畸，将数字仪表图像中的表盘校正为正矩形；通过连通域分析法分割数字表盘字符，得到单个字符，并提取字符的HOG特征；基于BP神经网络构建字符识别模型并进行训练，得到训练后的字符识别模型；利用训练后的字符识别模型对待识别数字仪表图像进行字符识别；根据识别结果对数字仪表进行异常判断，并输出检测结果。本发明能够排除数字仪表图像采集过程中受到的外界因素影响，对灰底黑字的仪表图像实现高效、准确的异常检测。

技术领域

本发明涉及智能检测技术领域，更具体地，涉及一种基于字符识别的输电设备数字仪表异常检测方法及系统。

背景技术

基于现代社会对供电的高要求，近年来电力行业加大了对输电设备数字仪表工作状态的定时检查，并及时对异常状态的数字仪表进行维修、更换等，然而使用人工检查费时费力且工作效率低下，为了避免人工巡检的危险、提高检查效率，采用无人机实时拍摄数字仪表图像进行异常检测已经成为一大趋势。

无人机巡检要求快速识别拍摄到图像的仪表字符并对其进行异常检测，但其存在因拍摄角度过小导致表盘畸形的问题，且检测结果的准确性易受图像拍摄过程中光照、噪声等环境因素的影响，加大了字符识别的难度，故采用智能化的方式实现对数字仪表的异常检测显得尤为重要。

现有技术文件1(CN109360396A)公开了一种基于图像识别技术和NB-IoT技术的远程抄表方法及系统，该方法包括：摄像头按预设周期采集水表表盘图像数据；将采集到的表盘图像数据至数据存储器中；对所述表盘图像数据依次进行图像预处理、倾斜矫正、字轮区域精确定位、字轮区域字符分割；采用基于BP神经网络的数字识别算法识别分割后的字轮区域字符，得到表盘读数；利用NB-IoT技术将所述表盘读数发送到透传云服务器上。现有技术文件1的不足之处在于，需在表盘安装盘面数字图像识别装置，且按照宽度等比例切分的方案对字轮区域的字符分割，存在一定程度的误差，另外现有技术文件1采用轮盘数字区域图像对BP神经网络进行训练，该方法训练得到的网络对字符识别不够准确。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种基于字符识别的输电设备数字仪表异常检测方法，该方法能够高效准确地对灰底黑字类的数字仪表图像进行自动异常检测，具有较强的实用价值。

本发明采用如下的技术方案。

一种基于字符识别的输电设备数字仪表异常检测方法，包括以下步骤：

步骤1，通过巡检设备获取待识别数字仪表图像；

步骤2，对图像数据进行预处理，得到预处理后的数字仪表图像；

步骤3，利用Hough直线检测和校畸函数对预处理后的数字仪表图像进行校畸，将数字仪表图像中的表盘校正为正矩形；

步骤4，通过连通域分析法分割数字表盘字符，得到单个字符，并提取字符的HOG特征；

步骤5，基于BP神经网络构建字符识别模型并进行训练，得到训练后的字符识别模型；

步骤6，利用训练后的字符识别模型对待识别数字仪表图像进行字符识别；

步骤7，根据识别结果对数字仪表进行异常判断，并输出检测结果。

优选地，所述步骤2还包括：

步骤2-1，对无人机采集到的图像进行灰度化，得到灰度图像；

步骤2-2，对灰度图像进行滤波去噪处理；

步骤2-3，对去噪后的图像进行二值化处理，得到二值化图像。

优选地，所述步骤3还包括：