智能电能表数字识别算法研究

作者：陈英; 蒋文峰; 杨丰玉; Zhu Xiaodong

来源：信息通信, 2020, (01): 17-21+26.

DOI：10.3969/j.issn.1673-1131.2020.01.007

• 智能电表
• 深度学习
• 目标检测
• 数字识别

针对人工抄表所带来的繁杂、耗时等弊端,以及智能电表普及所需的大量成本和工作量,提出了两种方案实现电能表数字自动识别算法。同时,为了提高目标检测准确率,通过优化Faster R-CNN网络中的特征提取层提出了Enhanced Faster R-CNN网络(简称EFaster R-CNN)。在方案设计中,方案一首先使用EFaster R-CNN网络识别电能表的液晶屏区域,然后基于传统图像处理方法分割液晶屏区域中的数字,最后使用ResNet50识别分割得到的数字;方案二首先使用EFaster R-CNN网络识别电能表的液晶屏区域,然后同样使用EFaster R-CNN对液晶屏区域进行数字检测得到识别结果。实验结果显示,液晶屏检测的mAP为99.6%,数字分割只能满足于质量较好的图像,数字识别准确率为99.3%,数字检测的mAP为98.8%。

• 单位
  南昌航空大学