基于改进YOLOv4网络的水表读数识别方法

作者：翟娅娅; 朱磊^*; 张博

来源：科学技术与工程, 2022, 22(21): 9207-9214.

• 水表读数识别
• YOLOv4
• 深度可分离卷积
• SE注意力机制
• 加权平均非极大值抑制

在远程水表读数自动识别系统中，为减少网络模型参数量，改善受雾化、抖动等干扰的水表复杂场景图像读数识别精度及半字识别问题，提出了一种基于改进YOLOv4网络的水表读数识别方法。首先，利用深度可分离卷积与引入压缩与激发(squeeze-and-excitation, SE)注意力机制的MobileNetv2瓶颈结构，分别替代YOLOv4网络原有的标准卷积和主干网络；其次，利用加权平均非极大值抑制算法改进预测输出头，形成了一种网络模型参数量明显降低但检测精度不下降的改进YOLOv4网络，同时有效改善了对水表读数“半字”识别的漏检和错检问题；最后，基于字符边框定位的水表读数提取方法，实现“半字”准确提取问题。实验结果表明，所提方法与多种网络学习方法相比，模型参数量压缩14.4%以上，读数识别的准确率和召回率对普通场景水表图像分别提升了0.04%和0.05%以上，对受雾化、抖动等干扰的复杂场景水表图像分别提升了0.11%和0.37%以上。

• 单位
  西安工程大学