基于语义分割和卷积神经网络的数显表识别算法研究

作者：陈霄; 王黎明; 张法业; 张艺蓝; 姜明顺; 张雷

来源：电子设计工程, 2022, 30(21): 140-145.

DOI：10.14022/j.issn1674-6236.2022.21.030

• 语义分割
• 数字识别
• 卷积神经网络
• 残差网络

针对传统数显表读数识别算法适用性差、抗噪能力弱等问题，提出了一种适用于小数据集的基于语义分割和卷积神经网络（CNN）的数显表读数识别算法。该算法通过融合残差网络的U-net实现数字区域定位，利用卷积神经网络实现数字识别。采用mnist数据集预训练模型，使用真实表盘数字图片进行微调，建立适用于多种类、有背景噪声条件下的数显表识别模型。利用家用水表图片构建的测试数据集对算法进行验证。实验结果表明，数字区域定位分割结果的平均IoU为99.76%,160张水表读数识别准确率为100%，单张图片识别用时350.59 ms，满足工程应用需求。

• 单位
  江苏方天电力技术有限公司; 山东大学