阅读说明：本技术 一种实现电表数据智能读取的方法 (Method for realizing intelligent reading of electric meter data ) 是由 孙乐平 秦丽娟 杨艺云 韩帅 陈卫东 吴宛潞 郭小璇 肖静 林溪桥 吴宁 于 2019-10-17 设计创作，主要内容包括：本发明公开了一种实现电表数据智能读取的方法,涉及计算机视觉和图像识别技术领域,根据电表图像的HSV模型相应的色调、饱和度、亮度和边缘检测处理电表图像,再进行形态学处理和联通量处理,并根据处理后的电表图像的数据显示部分区域的固定长宽比,筛除不符合的区域,完成电表图像中的数据区域的定位得到数据图像；然后运用Radon变换对二值化后的所述数据图像进行倾斜矫正等处理获取数据字符图像；最后数据字符图像的提取特征输入到BP神经网络进行识别,从而得到相应的电表数据。本发明方法易于实现,能够对电表数据快速读取；本发明得到的数据结果更为快速、准确,便于电表读数人员理解和使用。(The invention discloses a method for realizing intelligent reading of ammeter data, which relates to the technical field of computer vision and image recognition, and comprises the steps of processing an ammeter image according to hue, saturation, brightness and edge detection corresponding to an HSV (hue, saturation, brightness) model of the ammeter image, performing morphological processing and communication quantity processing, screening out non-conforming areas according to a fixed length-width ratio of a data display part area of the processed ammeter image, and positioning a data area in the ammeter image to obtain the data image; then, carrying out inclination correction and other processing on the binarized data image by using Radon transformation to obtain a data character image; and finally, inputting the extracted features of the data character image into a BP neural network for identification, thereby obtaining corresponding electric meter data. The method is easy to realize, and can quickly read the data of the electric meter; the data result obtained by the invention is faster and more accurate, and is convenient for the reading personnel of the electric meter to understand and use.)

一种实现电表数据智能读取的方法

技术领域

本发明属于计算机视觉和图像识别技术领域，尤其涉及一种实现电表数据智能读取的方法。

背景技术

《基于神经网络车牌图像识别系统》中，人工神经网络是通过对生物的神经网络的反应机制进行模拟，从而解决复杂问题的一种模型。因为人工神经网络具有同时处理多个复杂事件的能力，学习能力强，误差小，可以进行信息的处理与储存，具有自适应能力。

《基于卷积神经网络的车牌识别技术研究》中，卷积神经网络是一种新的人工神经网络，结合了深度学习技术，有局部感受域、全局训练等特点，能够得出原始图像的有效表征。

然而，已有的电表数据识别方法都较为复杂，识别过程也较久且识别结果的正确率有待提高。因此，如何设计一个更为快速的、精准的电表数据读取方法是需要解决的问题。

发明内容

本发明的目的在于提供一种实现电表数据智能读取的方法，从而克服了现有电表数据识别方法都较为复杂，识别过程也较久，且识别结果的正确率的缺点。

为实现上述目的，本发明提供了一种实现电表数据智能读取的方法，包括以下步骤：

S1、获取电表图像，根据电表图像的HSV模型相应的色调、饱和度、亮度和边缘检测处理所述电表图像，再进行形态学处理和联通量处理，然后根据处理后的电表图像的数据显示部分区域的固定长宽比，筛除不符合的区域，完成电表图像中的数据区域的定位，得到数据图像；

S2、运用Radon变换对二值化后的所述数据图像进行倾斜矫正；

S3、根据所述S2矫正后的图像获取垂直投影，得到直方图，所述直方图有“波峰”和“波谷”，其中，所述“波峰”对应着字符，所述“波谷”为低矮部分，对应字符之间的间距空白；将所述直方图从左到右一次获取每一个“波峰”所对应的区域，从而得到电表图像中的数据字符图像；

S4、构建用于识别数字的BP神经网络，将所述数据字符图像进行特征提取，并将提取的特征通过所述用于识别数字的BP神经网络进行数据识别，得到所述电表图像的电表数据；包括以下步骤：

S41、所述BP神经网络设置为3层网络：输入层、隐含层和输出层，输入层的神经元数目定为20；输出层输出结果有‘0’～‘9’共10个数字，对所述数字编码采用BCD编码，输出神经元数目设定为4；所述隐含层神经元数目设为32；

S42、将标准的字符库中的数字图像经过特征提取，存入P矩阵作为输入矩阵，然后对应的数字的BCD编码结果设定输出矩阵T，最终建立BP神经网络，并对所述BP神经网络进行训练；

S43、将所述数据字符图像进行特征提取，将提取的特征向量输入到所述S42训练好的BP神经网络中，从而得出相应的向量结果，再将所述向量结果进行二值化，并进行译码，得到相应的电表数据。

进一步的，所述S2中的倾斜矫正的步骤为：对所述数据图像进行二值变换，得到二值图像；用函数f(x,y)表示所述二值图像的像素值，则所述二值图像的任意方向上的投影为在投影方向上对函数f(x,y)进行线性积分结果，对所述二值图像进行多方向投影，选择最大投影值，所述最大投影值对应的角度为所述电表图像的倾斜角度α，根据所述倾斜角度对所述数据图像做相反方向的旋转来矫正。

进一步的，所述S1中，进行固定长宽比筛除之前将得到的图像处理为RGB图像。

进一步的，采用MATLAB语言编程来实现。

进一步的，所述S41中，还设定BP神经网络的输入层激活函数为tansig函数，隐含层激活函数为logsig函数。

与现有的技术相比，本发明具有如下有益效果：本发明所提供的电表数据智能读取的方法，通过对电表图像进行预处理，即根据电表图像的HSV模型相应的色调、饱和度、亮度和边缘检测处理电表图像，再进行形态学处理和联通量处理，并根据处理后的电表图像的数据显示部分区域的固定长宽比，筛除不符合的区域，完成电表图像中的数据区域的定位得到数据图像；然后运用Radon变换对二值化后的所述数据图像进行倾斜矫正等处理获取数据字符图像；最后数据字符图像的提取特征输入到BP神经网络进行识别，从而得到相应的电表数据。本发明方法易于实现，能够对电表数据快速读取；本发明得到的数据结果更为快速、准确，便于电表读数人员理解和使用。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一个实施例，对于本领域普通技术人员来说，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的附图。

图1是本发明一种实现电表数据智能读取的方法的流程图。

具体实施方式

下面结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明所提供的一种实现电表数据智能读取的方法采用MATLAB语言编程来实现，包括以下步骤：

S1、获取电表图像，根据电表图像的HSV模型相应的色调(H)、饱和度(S)、亮度(V)和边缘检测处理所述电表图像，再进行形态学处理和联通量处理，并转换为HSV图像，然后根据处理后的电表图像的数据显示部分区域的固定长宽比，筛除不符合的区域，完成电表图像中的数据区域的定位，得到数据图像。

S2、运用Radon变换对二值化后的所述数据图像进行倾斜矫正；具体包括：对所述数据图像进行二值变换，得到二值图像；用函数f(x,y)表示所述二值图像的像素值，则所述二值图像的任意方向上的投影为在投影方向上对函数f(x,y)进行线性积分结果，对所述二值图像进行多方向投影，选择最大投影值，所述最大投影值对应的角度为所述电表图像的倾斜角度α，根据所述倾斜角度对所述数据图像做相反方向的旋转来矫正。

S3、根据所述S2矫正后的图像获取垂直投影，得到直方图，以获取每一个“波峰”的方法进行字符切割，所述直方图有类似波形图的“波峰”和“波谷”，其中，“波峰”对应着字符，“波谷”为低矮部分，对应字符之间的间距空白；将直方图从左到右一次获取每一个“波峰”所对应的区域，从而得到电表图像中的数据字符图像。

S4、构建用于识别数字的BP神经网络，将数据字符图像进行特征提取，并将提取的特征通过用于识别数字的BP神经网络进行数据识别，得到电表图像的电表数据；包括以下步骤：

S41、BP神经网络设置为3层网络：输入层、隐含层和输出层，输入层的神经元数目定为20；输出层输出结果有‘0’～‘9’共10个数字，对所述数字编码采用BCD编码，输出神经元数目设定为4；隐含层神经元数目设为32；设定BP神经网络的输入层激活函数为tansig函数，隐含层激活函数为logsig函数；

S42、将标准的字符库中的数字图像经过特征提取，存入P矩阵作为输入矩阵，然后对应的数字的BCD编码结果设定输出矩阵T，最终建立BP神经网络，并对BP神经网络进行训练；

S43、将数据字符图像进行特征提取，将提取的特征向量输入到S42训练好的BP神经网络中，从而得出相应的向量结果，再将向量结果进行二值化，并进行译码，得到相应的电表数据。

以上所揭露的仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或变型，都应涵盖在本发明的保护范围之内。