[发明专利]基于卷积神经网络与循环神经网络的电表数值识别方法在审
| 申请号： | 201811379040.6 | 申请日： | 2018-11-19 |
| 公开（公告）号： | CN109711253A | 公开（公告）日： | 2019-05-03 |
| 发明（设计）人： | 谢禄江;甘玉芳;王映康;詹然智;田博今;卢思宇;王文娟 | 申请（专利权）人： | 国家电网有限公司;国网重庆市电力公司信息通信分公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/38;G06K9/40;G06K9/62;G06N3/04 |
| 代理公司： | 北京海虹嘉诚知识产权代理有限公司 11129 | 代理人： | 吕小琴 |
| 地址： | 100031 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络与循环神经网络的电表数值识别方法，包括以下步骤，S1：采集电表数字码盘的图像信息，并对所述图像信息进行预处理；S2：建立卷积神经网络模型，通过卷积神经网络模型提取经预处理后的图像信息的特征值，并对提取出的所述特征值进行降维处理的到低纬度特征值；S3：建立循环神经网络模型，通过循环神经网络模型根据所述低纬度特征值预测表盘数据；S4：将步骤S3中所预测出的表盘数据转化为表盘刻度值。本申请通过对采集到智能电表的图像信息进行预处理，然后通过多层神经网络对预测处理后的图像进行识别和预测，完成自动识表功能。 | ||
| 搜索关键词： | 卷积神经网络 循环神经网络 图像信息 预处理 表盘数据 数值识别 低纬度 电表 预测 多层神经网络 采集 表盘刻度 电表数字 降维处理 模型提取 预测处理 智能电表 码盘 图像 申请 转化 | ||
【主权项】：
1.一种基于卷积神经网络与循环神经网络的电表数值识别方法，其特征在于，包括：S1：采集电表数字码盘的图像信息，并对所述图像信息进行预处理；S2：建立卷积神经网络模型，通过卷积神经网络模型提取经预处理后的图像信息的特征值，并对提取出的所述特征值进行降维处理的到低纬度特征值；S3：建立循环神经网络模型，通过循环神经网络模型根据所述低纬度特征值预测表盘数据。S4：将步骤S3中所预测出的表盘数据转化为表盘刻度值。
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家电网有限公司;国网重庆市电力公司信息通信分公司，未经国家电网有限公司;国网重庆市电力公司信息通信分公司许可，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/patent/201811379040.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种多人种的人脸识别方法
- 下一篇：基于对抗生成网络的图像处理方法和装置
