一种数字式水表识别方法与系统

技术领域

本申请涉及水表远程抄表领域，具体而言，涉及一种数字式水表识别方法与系统。

背景技术

目前许多居民水表电表的数据采集工作还是由人工抄表来完成，而传统的利用人工抄表的方式需要消耗大量的人力，还存在因抄表人员的失误导致采集的数值不准确的问题，而且无法达到实时采集的效果，而且人工抄表还需要房主在家配合的苛刻条件。随着物联网技术的发展，针对传统非智能水表的远程抄表业务成为物联网的一个新兴业务领域。同时，现在部分居民小区已经换装了数字式水表。所以，如何能实现对数字式水表的智能远程实时抄表是一个需要解决的技术问题。

发明内容

为了解决上述数字水表的远程抄表的技术问题，本申请提供了一种数字式水表识别方法与系统。

本申请的第一方面提供了一种数字式水表识别方法，该方法应用于外挂式水表抄表设备，所述方法包括：

S1、所述水表抄表设备的摄像头对数字式水表表盘进行拍摄，得到水表表盘图像，并将所述水表表盘图像发送至处理器；

S2、所述处理器调用人工智能算法对所述水表表盘进行识别，以得出水表流量计数值的识别结果。

优选地，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，还包括如下步骤：

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；

从所述表盘的有效区域中确定出所述水表表盘的数值显示区域；

对所述数值显示区域图像进行图像切割，以得到多个字符图像；

按照从左至右分别给所述多个字符图像编排序号。

优选地，通过如下步骤进行二值化处理：

S11、对所述水表表盘图像进行灰度化处理；

S12、计算灰度化处理后的整个图像区域中的所有像素点中灰度值最大值pray_max；

S13、将所有像素点的灰度值pray

其中，i、j为像素点在图像中的横纵数值，用于定位单一像素点；

S14、重复上述步骤S13，直至所有像素点均完成二值化。

优选地，所述抉择阀值T

其中，T

优选地，所述从所述表盘的有效区域中确定出所述水表表盘的数值显示区域，包括：对识别出的所述表盘的有效区域再次进行连通域分析，将识别出的连通域的规则边界所划定区域作为所述水表表盘的数值显示区域。

优选地，所述人工智能算法为基于神经网络的算法。

优选地，所述处理器调用人工智能算法对所述水表表盘进行识别，以得出水表流量计数值的识别结果，包括：

S21、接收所述多个字符图像；

S22、对所述字符图像进行识别处理，提取出统计特征和结构特征；其中，所述统计特征包括粗网格特征、投影特征，结构特征包括凹凸性、轮廓边界；

S23、将统计特征和结构特征进行最优组合，输入神经网络分类器；

S24、所述神经网络分类器基于输入的统计特征和结构特征组合进行数字字符分类，并输出分类结果；其中，神经网络分类器包括第一级分类器和第二级分类器，所述第一级分类器对0、1、7进行分类，所述第二级分类器对其它数字进行分类；

S25、基于所述字符图像编排序号将所述字符识别结果进行排序，从而得到水表流量计数值。

优选地，所述第二级分类器采用四层结构的神经网络模型，所述神经网络模型的激励函数为：

其中，λ为权重，u

优选地，在步骤S2之前，还包括：采集设定数量的数字式水表表盘图像用于神经网络分类器的预训练，通过预训练确定出各数字字符的统计特征和结构特征的最优组合。

本申请的第二方面提供了一种数字式水表识别系统，该系统包括外挂式水表抄表设备及服务器，所述水表抄表设备包括摄像头、处理器及通信模块；

所述摄像头，用于对数字式水表表盘进行拍摄，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，用于调用人工智能算法对所述水表表盘进行识别，以得出水表流量计数值的识别结果；

所述通信模块，用于将所述水表流量计数值的识别结果发送至服务器。

本发明的有益效果在于：

本申请的技术方案提供了一种外挂式数字式水表识别系统，该系统采用人工智能算法来识别表盘上显示的水表流量计数值，然后，将该计数值回传给服务器，从而使得水表抄表业务不再依赖人工作业，极大的提高了效率。同时，本申请还设置了数字式水表流量计数值的神经网络分类器，其中，分类器包括第一级分类器和第二级分类器，两个分类器分别负责对不同的数字进行分类识别，从而有效提高了分类识别的效率。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是本申请实施例公开的一种数字式水表识别方法的流程示意图；

图2是本申请实施例公开的一种数字式水表识别系统的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本申请的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。

实施例一

请参阅图1，图1是本申请实施例公开的一种数字式水表识别方法的流程示意图。如图1所示，本申请实施例一种数字式水表识别方法，该方法应用于外挂式水表抄表设备，所述方法包括：

S1、所述水表抄表设备的摄像头对数字式水表表盘进行拍摄，得到水表表盘图像，并将所述水表表盘图像发送至处理器；

S2、所述处理器调用人工智能算法对所述水表表盘进行识别，以得出水表流量计数值的识别结果。

在本申请实施例中，本申请设置了外置式的水表抄表设备，仅需简单的设备即可实现针对数字式水表的远程抄表工作，无需大规模改造水表，可以极大的降低远程抄表的实现成本。近年来，人工智能(AI，Artificial Intelligence)获得了迅速的发展及广泛应用，并取得了丰硕的成果。鉴于人工智能技术在计算机视觉识别处理上具有准确、快速、可学习进化等技术特点，而神经网络算法是十大人工智能算法之一，其具有自学习功能，例如实现图像识别时，只需要预先把许多不同的图像样板和对应的应识别的结果输入神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。基于神经网络的该特点，本申请的技术方案利用人工智能算法对数字式水表表盘进行识别，从而准确快速的得出水表流量计数值。

在本可选的实施方式中，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，还包括如下步骤：

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；

从所述表盘的有效区域中确定出所述水表表盘的数值显示区域；

对所述数值显示区域图像进行图像切割，以得到多个字符图像；

按照从左至右分别给所述多个字符图像编排序号。

在本申请实施例中，由于水表抄表设备的安装不规范、被移动以及水表表盘不规整等多种因素均可能导致摄像头拍摄的图像不能完整包含表盘的计数部分，所以有必要在对表盘图像进行识别之前先进行预处理。即，先将表盘图像进行二值化处理，再将具有规则边界(表盘通常是规则形状，例如圆形、方形、椭圆形等)的连通域识别为表盘的有效区域。同时，还需要在有效区域中再次确定出真正的识别对象区域即数值显示区域，对数值显示区域的识别方式同样可以采用连通域边界形状来实现。

在本可选的实施方式中，通过如下步骤进行二值化处理：

S11、对所述水表表盘图像进行灰度化处理；

S12、计算灰度化处理后的整个图像区域中的所有像素点中灰度值最大值pray_max；

S13、将所有像素点的灰度值pray

其中，i、j为像素点在图像中的横纵数值，用于定位单一像素点；

S14、重复上述步骤S13，直至所有像素点均完成二值化。

在本可选的实施方式中，所述抉择阀值T

其中，T

在本可选的实施方式中，所述从所述表盘的有效区域中确定出所述水表表盘的数值显示区域，包括：对识别出的所述表盘的有效区域再次进行连通域分析，将识别出的连通域的规则边界所划定区域作为所述水表表盘的数值显示区域。

在本可选的实施方式中，所述人工智能算法为基于神经网络的算法。

在本可选的实施方式中，所述处理器调用人工智能算法对所述水表表盘进行识别，以得出水表流量计数值的识别结果，包括：

S21、接收所述多个字符图像；

S22、对所述字符图像进行识别处理，提取出统计特征和结构特征；其中，所述统计特征包括粗网格特征、投影特征，结构特征包括凹凸性、轮廓边界；

S23、将统计特征和结构特征进行最优组合，输入神经网络分类器；

S24、所述神经网络分类器基于输入的统计特征和结构特征组合进行数字字符分类，并输出分类结果；其中，神经网络分类器包括第一级分类器和第二级分类器，所述第一级分类器对0、1、7进行分类，所述第二级分类器对其它数字进行分类；

S25、基于所述字符图像编排序号将所述字符识别结果进行排序，从而得到水表流量计数值。

在本可选的实施方式中，所述第二级分类器采用四层结构的神经网络模型，所述神经网络模型的激励函数为：

其中，λ为权重，u

在本可选的实施方式中，在步骤S2之前，还包括：采集设定数量的数字式水表表盘图像用于神经网络分类器的预训练，通过预训练确定出各数字字符的统计特征和结构特征的最优组合。

实施例二

请参阅图2，图2是本申请实施例公开的一种数字式水表识别系统的结构示意图。如图2所示，本申请实施例的一种数字式水表识别系统，该系统包括外挂式水表抄表设备及服务器，所述水表抄表设备包括摄像头、处理器及通信模块；

所述摄像头，用于对数字式水表表盘进行拍摄，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，用于调用人工智能算法对所述水表表盘进行识别，以得出水表流量计数值的识别结果；

所述通信模块，用于将所述水表流量计数值的识别结果发送至服务器。

在本申请实施例中，本申请设置了外置式的水表抄表设备，仅需简单的设备即可实现针对数字式水表的远程抄表工作，无需大规模改造水表，可以极大的降低远程抄表的实现成本。近年来，人工智能(AI，Artificial Intelligence)获得了迅速的发展及广泛应用，并取得了丰硕的成果。鉴于人工智能技术在计算机视觉识别处理上具有准确、快速、可学习进化等技术特点，本申请的技术方案利用人工智能算法对数字式水表表盘进行识别，从而准确快速的得出水表流量计数值。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。