CN114998887A - 一种电能计量表智能识别方法 - Google Patents

一种电能计量表智能识别方法 Download PDF

Info

Publication number
CN114998887A
CN114998887A CN202210941114.0A CN202210941114A CN114998887A CN 114998887 A CN114998887 A CN 114998887A CN 202210941114 A CN202210941114 A CN 202210941114A CN 114998887 A CN114998887 A CN 114998887A
Authority
CN
China
Prior art keywords
gray
display area
liquid crystal
crystal display
pixel point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210941114.0A
Other languages
English (en)
Other versions
CN114998887B (zh
Inventor
高超
张严鑫
冯荣祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Jinghui Measurement And Testing Co ltd
Original Assignee
Shandong Jinghui Measurement And Testing Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Jinghui Measurement And Testing Co ltd filed Critical Shandong Jinghui Measurement And Testing Co ltd
Priority to CN202210941114.0A priority Critical patent/CN114998887B/zh
Publication of CN114998887A publication Critical patent/CN114998887A/zh
Application granted granted Critical
Publication of CN114998887B publication Critical patent/CN114998887B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/146—Aligning or centring of the image pick-up or image-field
    • G06V30/147—Determination of region of interest
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/02—Recognising information on displays, dials, clocks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/30—Smart metering, e.g. specially adapted for remote reading

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Control Of Indicators Other Than Cathode Ray Tubes (AREA)

Abstract

本发明涉及图像处理技术领域，具体设计一种电能计量表智能识别方法电能计量表智能识别方法，该方法包括：获取多帧连续的液晶显示区域图像及其内素点的初始灰度分布模型，获取电能计量表通电后的第一帧通电图像及液晶显示区域，将液晶显示区域中的像素点分为第一像素点和第二像素点，计算第一像素点的目标灰度均值，并对初始灰度分布模型的灰度均值更新得到第一灰度分布模型，获取不满足第一灰度分布模型的目标像素点，并进行连通域分析，确定液晶显示区域中的单个数字显示区域大小及每个数字显示区域，获取每一帧通电图像的数字显示区域的数值，并获取每一帧通电图像中电能计量表的电量示数，本发明提高了电能计量表的电量示数的检测精度。

Description

一种电能计量表智能识别方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种电能计量表智能识别方法。
背景技术
随着科技的进步，传统的机械式电表正在逐步被智能数字显示电表取代，这种智能电表能够自动识别自身数字并且能传输到控制***。
然而，受区域因素以及技术因素的制约，有些电表无法实现数据的自动采集，只能安排工人手动抄表，人工手动抄表的效率低且容易出现读表错误的情况，故随着人工智能的发展，工作人员只需要获取电能计量表图像，并通过图像处理技术即可实现对电能计量表进行数字进行提取识别，从而降低了数据采集的要求。
因此，现有技术中利用图像处理技术对电能计量表进行处理时，其主要是利用阈值分割的技术来实现对电表示数的识别，如专利号CN110084241A公开的文件，其主要是在获取每个数字的截止位置过程中，利用纵向投影法，通过设定固定的像素点数量阈值，选出每个数字截止位置，从而确定数字区域，然而电能计量表的款式多样，电能计量表显示的数字大小存在差异，尤其是在电表受所处区域的光照的影响时，每个数字区域在图像中所显示的范围大小及光照程度存都在差异，故使用固定的像素点数量阈值会导致数字区域的识别过程存在误差，进而影响电量示数的识别精度。
故，本发明需要提供一种电能计量表智能识别方法，予以解决上述问题。
发明内容
本发明提供一种电能计量表智能识别方法，以解决现有的电量示数的识别精度低的问题。
本发明的一种电能计量表智能识别方法采用如下技术方案：
获取电能计量表的多帧连续的未通电的液晶显示区域图像，根据多帧未通电的液晶显示区域图像中相同位置的像素点的灰度值获取每个像素点的初始灰度分布模型；
获取电能计量表通电后的第一帧通电图像，并获取第一帧通电图像中的液晶显示区域，根据液晶显示区域内每个像素点的灰度值将液晶显示区域内的像素点分为不满足初始灰度分布模型第一像素点和满足初始灰度分布模型的第二像素点；
获取每个第一像素点与所有第二像素点对应的欧氏距离，根据每个第一像素点对应的欧氏距离、灰度值及初始灰度分布模型的灰度均值和灰度方差计算该第一像素点对应的目标灰度均值，根据每个第一像素点对应的目标灰度均值更新该第一像素点对应的初始灰度分布模型的灰度均值得到第一灰度分布模型；
获取每一帧通电图像中的液晶显示区域内灰度值不满足第一灰度分布模型的像素点并作为目标像素点，对第一帧通电图像的下一帧通电图像中的所有目标像素点进行连通域分析得到多个连通域，根据该下一帧通电图像的连通域内目标像素点的坐标确定液晶显示区域中的单个数字显示区域大小，并获取所有的数字显示区域；
根据第一帧通电图像的每个数字显示区域对应的数值及其下一帧通电图像的每个数字显示区域内的连通域获取该下一帧通电图像中每个数字显示区域对应的数值，以此类推，获取每一帧通电图像的数字显示区域的数值；
根据每一帧通电图像的数字显示区域的数值获取对应帧通电图像中电能计量表的电量示数。
优选的，根据多帧未通电的液晶显示区域图像的灰度图像中相同位置的像素点的灰度值获取每个像素点的初始灰度分布模型的步骤包括：
利用EM算法对多帧未通电的液晶显示区域图像的灰度图像中相同位置的像素点的灰度值进行单高斯模型拟合得到各个像素点对应的高斯模型；
将各个像素点对应的高斯模型作为对应像素点的初始灰度分布模型。
优选的，获取第一帧通电图像中的液晶显示区域的步骤包括：
获取每个像素点对应的初始灰度分布模型的灰度均值和方差；
根据初始灰度分布模型的灰度均值和方差获取初始灰度分布模型对应的灰度分布范围；
获取第一帧通电图像中灰度值不属于灰度分布范围的像素点；
获取第一帧通电图像中灰度值不属于灰度分布范围的所有像素点的最大外接矩形；
将所述最大外接矩形作为的液晶显示区域。
优选的，根据液晶显示区域内每个像素点的灰度值将液晶显示区域内像素点分为不满足初始灰度分布模型第一像素点和满足初始灰度分布模型的第二像素点步骤包括：
获取液晶显示区域中每个像素点对应的初始灰度分布模型的灰度分布范围；
将液晶显示区域中灰度值不属于其对应的初始灰度分布模型的灰度分布范围的像素点作为第一像素点；
将液晶显示区域中灰度值属于其对应的初始灰度分布模型的灰度分布范围的像素点作为第二像素点。
优选的，根据每个第一像素点对应的欧氏距离、灰度值及初始灰度分布模型的灰度均值和灰度方差计算该第一像素点对应的目标灰度均值的公式：
Figure 785974DEST_PATH_IMAGE001
式中，
Figure 367128DEST_PATH_IMAGE002
表示液晶显示区域内第
Figure 639977DEST_PATH_IMAGE003
个第一像素点对应的目标灰度均值；
Figure 41003DEST_PATH_IMAGE004
表示液晶显示区域内第
Figure 556035DEST_PATH_IMAGE005
个第二像素点对应的初始灰度分布模型的灰度均值；
Figure 991696DEST_PATH_IMAGE006
表示液晶显示区域内第
Figure 701026DEST_PATH_IMAGE005
个第二像素点对应的初始灰度分布模型的灰度方差；
Figure 854927DEST_PATH_IMAGE007
表示液晶显示区域内第
Figure 908071DEST_PATH_IMAGE003
个第一像素点对应的灰度值；
Figure 463817DEST_PATH_IMAGE008
表示液晶显示区域内第
Figure 344049DEST_PATH_IMAGE005
个第二像素点对应的灰度值；
Figure 719666DEST_PATH_IMAGE009
表示液晶显示区域内第
Figure 576502DEST_PATH_IMAGE003
个第一像素点与第
Figure 986754DEST_PATH_IMAGE005
个第二像素点的欧氏距离；
Figure 241149DEST_PATH_IMAGE010
表示液晶显示区域内第二像素点的数量。
优选的，根据该下一帧通电图像的连通域内目标像素点的坐标确定液晶显示区域中的单个数字显示区域大小的步骤包括：
获取第一帧通电图像的下一帧通电图像内每个连通域的所有目标像素点的位置坐标；
获取所有连通域的目标像素点的位置坐标中最大横坐标、最大纵坐标、最小横坐标及最小纵坐标；
根据最大横坐标、最大纵坐标、最小横坐标及最小纵坐标获取液晶显示区域中的单个数字显示区域大小。
优选的，根据第一帧通电图像的每个数字显示区域对应的数值及其下一帧通电图像的每个数字显示区域内的连通域获取该下一帧通电图像中每个数字显示区域对应的数值的步骤包括；
获取第一帧通电图像的下一帧通电图像中的连通域与第一帧通电图像内的对应区域的差值区域，其中，第一帧通电图像的数字显示区域的数值为0；
根据差值区域确定该下一帧通电图像中每个数字显示区域对应的数值。
本发明的有益效果是：本发明的一种电能计量表智能识别方法，通过获取电能计量表的未通电的液晶显示区域图像及通电图像对应的各个像素点的初始灰度分布模型和第一灰度分布模型，利用液晶显示区域在通电后灰度会发生变化的特点确定出液晶显示区域中的数字显示区域，然后在根据第一灰度分布模型判断每帧通电图像的数字显示区域中的发生灰度变化的像素点，从而根据发生灰度变化的像素点确定出前一帧图像到当前帧通电图像的变化情况，从而进一步的确定每个数字显示区域内的数值，进而确定当前帧通电图像的电量示数，该过程利用第一灰度分布模型避免了光照对电表的影响，同时根据相邻帧通电图像中像素点的变化情况，实现对电能计量表的电量示数准确确定。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种电能计量表智能识别方法的实施例的结构示意图；
图2为本发明的实施例中第一帧通电图像到第二帧通电图像的数字显示区域的数值变化示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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做出创造性劳动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。
本发明的一种电能计量表智能识别方法的实施例，本实施例的适用场景为从电能计量表安装好开始进行实时检测，用于电能计量表的不同尺寸大小的显示区域的检测，如图1所示，该方法包括：
S1、获取电能计量表的多帧连续的未通电的液晶显示区域图像，根据多帧未通电的液晶显示区域图像中相同位置的像素点的灰度值获取每个像素点的初始灰度分布模型。
具体的，本实施例在安装电能计量表的正对位置设置摄像头，通过摄像头采集安装好的电能计量表的图像，根据电能计量表的图像获取未通电的液晶显示区域图像，获取电能计量表的未通电的液晶显示区域图时可采用的阈值分割的技术从电能计量表的图像分割出未通电的液晶显示区域图像，即采集的电能计量表的未通电的液晶显示区域图像为新安装的电能计量表的未通电的液晶显示区域图像，在为了避免位于户外的电能计量表受光照对图像中像素点的灰度值的影响，本实施例利用EM算法对多帧未通电的液晶显示区域图像的灰度图像中相同位置的像素点的灰度值进行单高斯模型拟合得到各个像素点对应的高斯模型，并将各个像素点对应的高斯模型作为对应像素点的初始灰度分布模型，需要说明的是，使用单高斯模型对各个像素点的灰度变化进行拟合，是允许各个位置上的像素点的灰度值在一定范围内波动的，故可以一定程度上避免光照影响。
S2、获取电能计量表通电后的第一帧通电图像，并获取第一帧通电图像中的液晶显示区域，根据液晶显示区域内每个像素点的灰度值将液晶显示区域内像素点分为不满足初始灰度分布模型第一像素点和满足初始灰度分布模型的第二像素点。
具体的，需要说明的是，本实施例是从新的电能计量表就开始检测，即电能计量表通电后的第一帧通电图像的数字显示区域的数值为0，因此，本实施例根据液晶显示区域在通电后灰度会发生大的变化，而电能计量表的条码区以及电能计量表外壳区域在通电前后并不会发生变化的特点，获取液晶显示区域。
其中，获取液晶显示区域的过程包括：获取每个像素点对应的初始灰度分布模型的灰度均值和方差；根据初始灰度分布模型的灰度均值和方差获取初始灰度分布模型对应的灰度分布范围，由于初始灰度分布模型S1步骤中已经说明其为高斯模型，且高斯模型为正态分布模型，故初始灰度分布模型的灰度分布范围为：
Figure 104063DEST_PATH_IMAGE011
，其中，
Figure 764589DEST_PATH_IMAGE012
表示第
Figure 763769DEST_PATH_IMAGE013
个像素点对应的初始灰度分布模型的灰度均值，
Figure 985803DEST_PATH_IMAGE014
表示第
Figure 336013DEST_PATH_IMAGE013
个像素点对应的初始灰度分布模型的灰度方差，故先获取的第一帧通电图像中灰度值不属于灰度分布范围的像素点；获取第一帧通电图像中灰度值不属于灰度分布范围的所有像素点的最大外接矩形；将所述最大外接矩形作为的液晶显示区域，需要说明的是，本实施例中认为电能计量表通电后的第一帧通电图像的灰度值不能满足其对应的初始灰度分布模型的灰度分布范围的像素点作为通电后灰度发生变化的像素点，因此，将该像素点作为液晶显示屏显示信息内容的像素点，从而确定液晶显示区域。
具体的，由于液晶显示区域内并不是每个像素点都会发生灰度变化，因此，需要将液晶显示区域内的像素点分为两类，一类灰度不发生变化的像素点，一类灰度发生变化的像素点，故先获取液晶显示区域中每个像素点对应的初始灰度分布模型的灰度分布范围；将液晶显示区域中灰度值不属于其对应的初始灰度分布模型的灰度分布范围的像素点作为第一像素点，第一像素点不满足该第一像素点的初始灰度分布模型的灰度分布范围，故本实施例认为该第一像素点发生了灰度变化；将液晶显示区域中灰度值属于其对应的初始灰度分布模型的灰度分布范围的像素点作为第二像素点，第二像素点为发生灰度变化，故其灰度值一定满足其对应的初始灰度分布模型的灰度分布范围。
S3、获取每个第一像素点与所有第二像素点对应的欧氏距离，根据每个第一像素点对应的欧氏距离、灰度值及初始灰度分布模型的灰度均值和灰度方差计算该第一像素点对应的目标灰度均值，根据每个第一像素点对应的目标灰度均值更新该第一像素点对应的初始灰度分布模型的灰度均值得到第一灰度分布模型。
具体的，由于通电图像中各个位置的像素点的灰度值本身是不变的，但是当电能计量表位于户外时，采集的通电图像会受自然光照的影响，会使得各个位置像素点的灰度值会在一定范围内产生灰度波动，因此，步骤S1中各个像素点所对应的初始灰度分布模型的方差是由光照的变化产生的，但是各个位置上的光照变化情况是不变的，也就是说当液晶显示区域上的一个像素点变成液晶显示区域所显示的信息时，该像素点的灰度相对于未通电时发生了变化，而在电能计量表的工作过程中该位置上的灰度波动的范围是不会发生变化的，即该像素点所对应的灰度分布模型的方差是不会变化的，且当前显示信息的像素点的灰度值是在光照综合影响下该显示信息的灰度值，并不是其正常的灰度值，直接将当前像素点的灰度值作为目标灰度均值对初始灰度分布模型的灰度均值进行更新，容易造成该像素点的灰度分布发生偏移，进而导致后续检测过程中，对于电能计量表的电量示数没有发生变化时，可能会出现由于灰度值不属于第一灰度分布模型范围内而导致的误检现象。
基于此，本实施例为了保证电量示数识别的准确性，当像素点本身灰度值发生较大灰度变化时，需要根据液晶显示区域中的非显示信息像素点（也就是本发明中的第二像素点）的灰度值以及相对位置对各个显示信息像素点（本发明中的第一像素点）的灰度值对初始灰度分布模型进行更新，具体的，根据每个第一像素点对应的欧氏距离、灰度值及初始灰度分布模型的灰度均值和灰度方差计算该第一像素点对应的目标灰度均值的公式：
Figure 800230DEST_PATH_IMAGE001
式中，
Figure 185075DEST_PATH_IMAGE002
表示液晶显示区域内第
Figure 312431DEST_PATH_IMAGE003
个第一像素点对应的目标灰度均值；
Figure 477833DEST_PATH_IMAGE004
表示液晶显示区域内第
Figure 981627DEST_PATH_IMAGE005
个第二像素点对应的初始灰度分布模型的灰度均值；
Figure 719514DEST_PATH_IMAGE006
表示液晶显示区域内第
Figure 283350DEST_PATH_IMAGE005
个第二像素点对应的初始灰度分布模型的灰度方差；
Figure 811415DEST_PATH_IMAGE007
表示液晶显示区域内第
Figure 118899DEST_PATH_IMAGE003
个第一像素点对应的灰度值；
Figure 711292DEST_PATH_IMAGE008
表示液晶显示区域内第
Figure 773926DEST_PATH_IMAGE005
个第二像素点对应的灰度值；
Figure 320445DEST_PATH_IMAGE009
表示液晶显示区域内第
Figure 697200DEST_PATH_IMAGE003
个第一像素点与第
Figure 645564DEST_PATH_IMAGE005
个第二像素点的欧氏距离；
Figure 253001DEST_PATH_IMAGE010
表示液晶显示区域内第二像素点的数量；
需要说明的是，式中，利用
Figure 286816DEST_PATH_IMAGE015
表示在液晶显示区域内的第
Figure 936103DEST_PATH_IMAGE016
个第二像素点相对于该第
Figure 738974DEST_PATH_IMAGE016
个第二像素点的初始灰度分布模型之间相对大小，即表示
Figure 314050DEST_PATH_IMAGE017
的灰度值范围内的灰度分布占该初始灰度分布模型的灰度分布范围的比例，因此，将其用来表示通电图像在采集时受光照影响而造成的该像素点灰度的偏移程度，而在实际环境中，电能计量表的表面各个位置的光照强度可能并不均匀，但是在局部范围内像素点的光照强度相对一致，由于第二像素点的灰度是不会变化的，故第二像素点的灰度值只会受到光照的影响，因此，本实施例以电能计量表各个第二像素点在通电图像采集时受光照影响造成的灰度值相对于初始灰度分布模型的均值的偏移程度，并结合各个第二像素点与每个第一像素点之间的距离，判断通电图像采集时，第一像素点的灰度值相对实际灰度均值的大小，从而根据上式实现对电能计量表的液晶显示区域内各个位置的初始灰度分布模型的灰度均值进行更新，并得到更新后的各个第一像素点的第一灰度分布模型。
S4、获取每一帧通电图像中的液晶显示区域内灰度值不满足第一灰度分布模型的像素点并作为目标像素点，对第一帧通电图像的下一帧通电图像中的所有目标像素点进行连通域分析得到多个连通域，根据该下一帧通电图像的连通域内目标像素点的坐标确定液晶显示区域中的单个数字显示区域大小，并获取所有的数字显示区域。
具体的，利用S3步骤中得到的第一灰度分布模型对每一帧通电图像中的液晶显示区域内的像素点的分布情况进行分析，当像素点的灰度值不满足第一灰度分布模型时，表示该像素点发生了较大的灰度变化，需要说明的是，电能计量表的实际工作过程中，液晶显示区域的相关文字部分不会发生变化，只有电量对应的示数的变化，故，液晶显示区域发生较大灰度变化的一定的是电量示数，因此，本实施例先挑选出每一帧通电图像中的液晶显示区域内灰度值不满足第一灰度分布模型的像素点并作为目标像素点，目标像素点即灰度发生了变化的像素点，故先对目标像素点进行连通域分析得到多个连通域，根据第一帧通电图像的下一帧通电图像的连通域内目标像素点的坐标确定液晶显示区域中的单个数字显示区域大小，其中，根据第一帧通电图像的下一帧通电图像的连通域内目标像素点的坐标确定液晶显示区域中的单个数字显示区域大小的步骤包括：获取第一帧通电图像的下一帧通电图像内每个连通域的所有目标像素点的位置坐标；获取所有连通域的目标像素点的位置坐标中最大横坐标、最大纵坐标、最小横坐标及最小纵坐标；根据最大横坐标、最大纵坐标、最小横坐标及最小纵坐标获取液晶显示区域中的单个数字显示区域大小，具体的，单个数字显示区域的纵向长度为最大纵坐标与最小纵坐标的差值，单个数字显示区域的横向长度为最大横坐标与最小横坐标的差值，从而确定单个数字显示区域大小。
S5、根据第一帧通电图像的每个数字显示区域对应的数值及其下一帧通电图像的每个数字显示区域内的连通域获取该下一帧通电图像中每个数字显示区域对应的数值，以此类推，获取每一帧通电图像的数字显示区域的数值。
具体的，本实施例是以新的电能计量表进行检测的，故第一帧通电图像内的每个数字显示区域内的数值一定为0，在这里我们认为的电能计量表显示完好，然后获取的第一帧通电图像的下一帧通电图像的目标像素点构成的连通域，根据连通域的形状大小，每一个连通域即为数字的一个笔段，估计算第一帧通电图像的下一帧通电图像中的连通域与第一帧通电图像内的对应数字显示区域内的差值区域，其中，第一帧通电图像的数字显示区域的数值为0；根据差值区域的形状即可确定该下一帧通电图像中每个数字显示区域对应的数值；如图2所示，此过程即为第一帧通电图像的数字显示区域的值为0时到采集的第一帧通电图像的下一帧图像中的对应的数字显示区域的值为1的变化过程。
S6、根据每一帧通电图像的数字显示区域的数值获取对应帧通电图像中电能计量表的电量示数。
具体的，由于电能计量表读数时是从左往右读的，因此电能计量表的电量示数中小数部分像素点的横坐标较大，且现有的电能计量表往往是两位小数形式，用电量增加时，各个数字显示区域的获取顺序是按照各个数字区域发生变化顺序获取的，即第
Figure 631898DEST_PATH_IMAGE018
个数字显示区域的数值为
Figure 22560DEST_PATH_IMAGE019
，
Figure 945516DEST_PATH_IMAGE018
表示第
Figure 957072DEST_PATH_IMAGE018
个发生灰度变化的数字区域，
Figure 965480DEST_PATH_IMAGE018
的值越大，对应的数位越高，故根据下式计算每帧通电图像中电能计量表的电量示数：
Figure 956569DEST_PATH_IMAGE020
式中，
Figure 734033DEST_PATH_IMAGE021
表示当前帧通电图像中电能计量表的电量示数；
Figure 650911DEST_PATH_IMAGE019
表示第
Figure 881035DEST_PATH_IMAGE018
个数字显示区域的数值；
Figure 206974DEST_PATH_IMAGE022
表示所有的有示数变化的数字显示区域的个数；
需要说明的是，由于电能计量表的电量示数涉及到了小数点后1位，故以
Figure 838944DEST_PATH_IMAGE023
表示小数值。
综上所述，本发明的一种电能计量表智能识别方法，通过获取电能计量表的未通电的液晶显示区域图像及通电图像对应的各个像素点的初始灰度分布模型和第一灰度分布模型，利用液晶显示区域在通电后灰度会发生变化的特点确定出液晶显示区域中的数字显示区域，然后在根据第一灰度分布模型判断每帧通电图像的数字显示区域中的发生灰度变化的像素点，从而根据发生灰度变化的像素点确定出前一帧图像到当前帧通电图像的变化情况，从而进一步的确定每个数字显示区域内的数值，进而确定当前帧通电图像的电量示数，该过程利用第一灰度分布模型避免了光照对电表的影响，同时根据相邻帧通电图像中像素点的变化情况，实现对电能计量表的电量示数准确确定。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种电能计量表智能识别方法，其特征在于，该方法包括：
获取电能计量表的多帧连续的未通电的液晶显示区域图像，根据多帧未通电的液晶显示区域图像中相同位置的像素点的灰度值获取每个像素点的初始灰度分布模型；
获取电能计量表通电后的第一帧通电图像，并获取第一帧通电图像中的液晶显示区域，根据液晶显示区域内每个像素点的灰度值将液晶显示区域内的像素点分为不满足初始灰度分布模型第一像素点和满足初始灰度分布模型的第二像素点；
获取每个第一像素点与所有第二像素点对应的欧氏距离，根据每个第一像素点对应的欧氏距离、灰度值及初始灰度分布模型的灰度均值和灰度方差计算该第一像素点对应的目标灰度均值，根据每个第一像素点对应的目标灰度均值更新该第一像素点对应的初始灰度分布模型的灰度均值得到第一灰度分布模型；
获取每一帧通电图像中的液晶显示区域内灰度值不满足第一灰度分布模型的像素点并作为目标像素点，对第一帧通电图像的下一帧通电图像中的所有目标像素点进行连通域分析得到多个连通域，根据该下一帧通电图像的连通域内目标像素点的坐标确定液晶显示区域中的单个数字显示区域大小，并获取所有的数字显示区域；
根据第一帧通电图像的每个数字显示区域对应的数值及其下一帧通电图像的每个数字显示区域内的连通域获取该下一帧通电图像中每个数字显示区域对应的数值，以此类推，获取每一帧通电图像的数字显示区域的数值；
根据每一帧通电图像的数字显示区域的数值获取对应帧通电图像中电能计量表的电量示数。
2.根据权利要求1所述的一种电能计量表智能识别方法，其特征在于，根据多帧未通电的液晶显示区域图像的灰度图像中相同位置的像素点的灰度值获取每个像素点的初始灰度分布模型的步骤包括：
利用EM算法对多帧未通电的液晶显示区域图像的灰度图像中相同位置的像素点的灰度值进行单高斯模型拟合得到各个像素点对应的高斯模型；
将各个像素点对应的高斯模型作为对应像素点的初始灰度分布模型。
3.根据权利要求1所述的一种电能计量表智能识别方法，其特征在于，获取第一帧通电图像中的液晶显示区域的步骤包括：
获取每个像素点对应的初始灰度分布模型的灰度均值和方差；
根据初始灰度分布模型的灰度均值和方差获取初始灰度分布模型对应的灰度分布范围；
获取第一帧通电图像中灰度值不属于灰度分布范围的像素点；
获取第一帧通电图像中灰度值不属于灰度分布范围的所有像素点的最大外接矩形；
将所述最大外接矩形作为的液晶显示区域。
4.根据权利要求1所述的一种电能计量表智能识别方法，其特征在于，根据液晶显示区域内每个像素点的灰度值将液晶显示区域内像素点分为不满足初始灰度分布模型第一像素点和满足初始灰度分布模型的第二像素点步骤包括：
获取液晶显示区域中每个像素点对应的初始灰度分布模型的灰度分布范围；
将液晶显示区域中灰度值不属于其对应的初始灰度分布模型的灰度分布范围的像素点作为第一像素点；
将液晶显示区域中灰度值属于其对应的初始灰度分布模型的灰度分布范围的像素点作为第二像素点。
5.根据权利要求1所述的一种电能计量表智能识别方法，其特征在于，根据每个第一像素点对应的欧氏距离、灰度值及初始灰度分布模型的灰度均值和灰度方差计算该第一像素点对应的目标灰度均值的公式：
Figure 631207DEST_PATH_IMAGE001
式中，
Figure 486030DEST_PATH_IMAGE002
表示液晶显示区域内第
Figure 203451DEST_PATH_IMAGE003
个第一像素点对应的目标灰度均值；
Figure 300457DEST_PATH_IMAGE004
表示液晶显示区域内第
Figure 52513DEST_PATH_IMAGE005
个第二像素点对应的初始灰度分布模型的灰度均值；
Figure 812658DEST_PATH_IMAGE006
表示液晶显示区域内第
Figure 17375DEST_PATH_IMAGE005
个第二像素点对应的初始灰度分布模型的灰度方差；
Figure 481854DEST_PATH_IMAGE007
表示液晶显示区域内第
Figure 586951DEST_PATH_IMAGE003
个第一像素点对应的灰度值；
Figure 517998DEST_PATH_IMAGE008
表示液晶显示区域内第
Figure 210010DEST_PATH_IMAGE005
个第二像素点对应的灰度值；
Figure 884705DEST_PATH_IMAGE009
表示液晶显示区域内第
Figure 844309DEST_PATH_IMAGE003
个第一像素点与第
Figure 211836DEST_PATH_IMAGE005
个第二像素点的欧氏距离；
Figure 656724DEST_PATH_IMAGE010
表示液晶显示区域内第二像素点的数量。
6.根据权利要求1所述的一种电能计量表智能识别方法，其特征在于，根据该下一帧通电图像的连通域内目标像素点的坐标确定液晶显示区域中的单个数字显示区域大小的步骤包括：
获取第一帧通电图像的下一帧通电图像内每个连通域的所有目标像素点的位置坐标；
获取所有连通域的目标像素点的位置坐标中最大横坐标、最大纵坐标、最小横坐标及最小纵坐标；
根据最大横坐标、最大纵坐标、最小横坐标及最小纵坐标获取液晶显示区域中的单个数字显示区域大小。
7.根据权利要求1所述的一种电能计量表智能识别方法，其特征在于，根据第一帧通电图像的每个数字显示区域对应的数值及其下一帧通电图像的每个数字显示区域内的连通域获取该下一帧通电图像中每个数字显示区域对应的数值的步骤包括；
获取第一帧通电图像的下一帧通电图像中的连通域与第一帧通电图像内的对应区域的差值区域，其中，第一帧通电图像的数字显示区域的数值为0；
根据差值区域确定该下一帧通电图像中每个数字显示区域对应的数值。
CN202210941114.0A 2022-08-08 2022-08-08 一种电能计量表智能识别方法 Active CN114998887B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210941114.0A CN114998887B (zh) 2022-08-08 2022-08-08 一种电能计量表智能识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210941114.0A CN114998887B (zh) 2022-08-08 2022-08-08 一种电能计量表智能识别方法

Publications (2)

Publication Number Publication Date
CN114998887A true CN114998887A (zh) 2022-09-02
CN114998887B CN114998887B (zh) 2022-10-11

Family

ID=83022940

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210941114.0A Active CN114998887B (zh) 2022-08-08 2022-08-08 一种电能计量表智能识别方法

Country Status (1)

Country Link
CN (1) CN114998887B (zh)

Citations (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013063820A1 (zh) * 2011-11-01 2013-05-10 青岛海信网络科技股份有限公司 一种车牌图像定位的方法和装置
CN106228159A (zh) * 2016-07-29 2016-12-14 深圳友讯达科技股份有限公司 一种基于图像识别的计量表抄表装置及其方法
US20170091572A1 (en) * 2015-06-07 2017-03-30 Apple Inc. System And Method For Text Detection In An Image
CN108491844A (zh) * 2018-02-07 2018-09-04 西安工程大学 基于图像处理的水表自动检测***及其图像处理方法
CN108573261A (zh) * 2018-04-17 2018-09-25 国家电网公司 一种适用于变电站巡检机器人的数字显示仪表识别方法
WO2019000653A1 (zh) * 2017-06-30 2019-01-03 清华大学深圳研究生院 一种图像目标识别方法及装置
CN109409290A (zh) * 2018-10-26 2019-03-01 中国人民解放***箭军工程大学 一种温度表检定读数自动识别***及方法
US20190095739A1 (en) * 2017-09-27 2019-03-28 Harbin Institute Of Technology Adaptive Auto Meter Detection Method based on Character Segmentation and Cascade Classifier
CN109977944A (zh) * 2019-02-21 2019-07-05 杭州朗阳科技有限公司 一种数字水表读数的识别方法
CN110084241A (zh) * 2019-05-05 2019-08-02 山东大学 一种基于图像识别的电表自动读数方法
CN110210477A (zh) * 2019-05-24 2019-09-06 四川阿泰因机器人智能装备有限公司 一种数字式仪表读数识别方法
CN110944237A (zh) * 2019-12-12 2020-03-31 成都极米科技股份有限公司 一种字幕区域定位方法、装置和电子设备
US20200242366A1 (en) * 2019-01-25 2020-07-30 Gracenote, Inc. Methods and Systems for Scoreboard Region Detection
CN112040198A (zh) * 2020-09-16 2020-12-04 南通天成现代农业科技有限公司 一种基于图像处理的智能水表读数识别***与方法
WO2020253119A1 (zh) * 2019-06-18 2020-12-24 深圳壹账通智能科技有限公司 图形验证码识别方法、装置、可读存储介质及终端设备
CN112307824A (zh) * 2019-07-30 2021-02-02 深圳怡化电脑股份有限公司 识别票据号码区域的篡改的方法、装置、***及可读介质
JP2021043836A (ja) * 2019-09-13 2021-03-18 キヤノン株式会社 画像処理装置、その制御方法、プログラム
CN112686264A (zh) * 2020-12-31 2021-04-20 中广核研究院有限公司 数字式仪表读数方法、装置、计算机设备和存储介质
CN113160222A (zh) * 2021-05-14 2021-07-23 电子科技大学 一种针对工业信息图像的生产数据识别方法
CN113191351A (zh) * 2021-02-01 2021-07-30 青岛理工大学 数字电表的示数识别方法及装置、模型训练方法及装置
CN113409353A (zh) * 2021-06-04 2021-09-17 杭州联吉技术有限公司 运动前景检测方法、装置、终端设备及存储介质
CN114359538A (zh) * 2022-01-04 2022-04-15 重庆邮电大学 一种水表读数定位与识别方法
CN114387274A (zh) * 2022-03-24 2022-04-22 武汉昊月纸箱包装有限公司 一种基于人工智能的纸盒缺陷检测方法
WO2022099598A1 (zh) * 2020-11-13 2022-05-19 浙江大学 一种基于图像像素相对统计特征的视频动态目标检测的方法
CN114549670A (zh) * 2022-02-23 2022-05-27 京东方数字科技有限公司 图像处理方法及图像处理***
CN114627463A (zh) * 2022-03-29 2022-06-14 国网江苏省电力有限公司泰州供电分公司 一种基于机器识别的非接触式配电数据识别方法
CN114782479A (zh) * 2022-06-17 2022-07-22 江苏乐尔环境科技股份有限公司 一种工业设备状态监控管理方法
CN114845180A (zh) * 2022-04-12 2022-08-02 福州新知智联科技有限公司 一种低功耗数字识别远传抄表装置及其识别方法

Patent Citations (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013063820A1 (zh) * 2011-11-01 2013-05-10 青岛海信网络科技股份有限公司 一种车牌图像定位的方法和装置
US20170091572A1 (en) * 2015-06-07 2017-03-30 Apple Inc. System And Method For Text Detection In An Image
CN106228159A (zh) * 2016-07-29 2016-12-14 深圳友讯达科技股份有限公司 一种基于图像识别的计量表抄表装置及其方法
WO2018018788A1 (zh) * 2016-07-29 2018-02-01 深圳友讯达科技股份有限公司 一种基于图像识别的计量表抄表装置及其方法
WO2019000653A1 (zh) * 2017-06-30 2019-01-03 清华大学深圳研究生院 一种图像目标识别方法及装置
US20190095739A1 (en) * 2017-09-27 2019-03-28 Harbin Institute Of Technology Adaptive Auto Meter Detection Method based on Character Segmentation and Cascade Classifier
CN108491844A (zh) * 2018-02-07 2018-09-04 西安工程大学 基于图像处理的水表自动检测***及其图像处理方法
CN108573261A (zh) * 2018-04-17 2018-09-25 国家电网公司 一种适用于变电站巡检机器人的数字显示仪表识别方法
CN109409290A (zh) * 2018-10-26 2019-03-01 中国人民解放***箭军工程大学 一种温度表检定读数自动识别***及方法
US20200242366A1 (en) * 2019-01-25 2020-07-30 Gracenote, Inc. Methods and Systems for Scoreboard Region Detection
CN109977944A (zh) * 2019-02-21 2019-07-05 杭州朗阳科技有限公司 一种数字水表读数的识别方法
CN110084241A (zh) * 2019-05-05 2019-08-02 山东大学 一种基于图像识别的电表自动读数方法
CN110210477A (zh) * 2019-05-24 2019-09-06 四川阿泰因机器人智能装备有限公司 一种数字式仪表读数识别方法
WO2020253119A1 (zh) * 2019-06-18 2020-12-24 深圳壹账通智能科技有限公司 图形验证码识别方法、装置、可读存储介质及终端设备
CN112307824A (zh) * 2019-07-30 2021-02-02 深圳怡化电脑股份有限公司 识别票据号码区域的篡改的方法、装置、***及可读介质
JP2021043836A (ja) * 2019-09-13 2021-03-18 キヤノン株式会社 画像処理装置、その制御方法、プログラム
CN110944237A (zh) * 2019-12-12 2020-03-31 成都极米科技股份有限公司 一种字幕区域定位方法、装置和电子设备
CN112040198A (zh) * 2020-09-16 2020-12-04 南通天成现代农业科技有限公司 一种基于图像处理的智能水表读数识别***与方法
WO2022099598A1 (zh) * 2020-11-13 2022-05-19 浙江大学 一种基于图像像素相对统计特征的视频动态目标检测的方法
CN112686264A (zh) * 2020-12-31 2021-04-20 中广核研究院有限公司 数字式仪表读数方法、装置、计算机设备和存储介质
CN113191351A (zh) * 2021-02-01 2021-07-30 青岛理工大学 数字电表的示数识别方法及装置、模型训练方法及装置
CN113160222A (zh) * 2021-05-14 2021-07-23 电子科技大学 一种针对工业信息图像的生产数据识别方法
CN113409353A (zh) * 2021-06-04 2021-09-17 杭州联吉技术有限公司 运动前景检测方法、装置、终端设备及存储介质
CN114359538A (zh) * 2022-01-04 2022-04-15 重庆邮电大学 一种水表读数定位与识别方法
CN114549670A (zh) * 2022-02-23 2022-05-27 京东方数字科技有限公司 图像处理方法及图像处理***
CN114387274A (zh) * 2022-03-24 2022-04-22 武汉昊月纸箱包装有限公司 一种基于人工智能的纸盒缺陷检测方法
CN114627463A (zh) * 2022-03-29 2022-06-14 国网江苏省电力有限公司泰州供电分公司 一种基于机器识别的非接触式配电数据识别方法
CN114845180A (zh) * 2022-04-12 2022-08-02 福州新知智联科技有限公司 一种低功耗数字识别远传抄表装置及其识别方法
CN114782479A (zh) * 2022-06-17 2022-07-22 江苏乐尔环境科技股份有限公司 一种工业设备状态监控管理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LINGQI MENG等: "Research on the Visual Recognition Method of", 《 2021 IEEE 5TH ADVANCED INFORMATION TECHNOLOGY, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (IAEAC)》 *
唐子成等: "基于图像的智能燃气表自动检测***设计", 《电子测量技术》 *

Also Published As

Publication number Publication date
CN114998887B (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN112906694B (zh) 变电站倾斜式指针式仪表图像的读数矫正***及方法
CN113040034B (zh) 一种节水灌溉控制***及控制方法
Hu et al. A robust method for semi-automatic extraction of road centerlines using a piecewise parabolic model and least square template matching
CN110097536A (zh) 基于深度学习和霍夫变换的六边形螺栓松动检测方法
CN109800698A (zh) 基于深度网络的图标检测方法
CN103852034B (zh) 一种电梯导轨垂直度检测方法
CN106845545B (zh) 数字式电测仪表自动检定装置中的图像识别方法及装置
CN111950812B (zh) 一种自动识别与预测雨量的方法及其装置
CN113643276B (zh) 一种基于统计分析的纺织物纹理缺陷自动检测方法
CN111652089B (zh) 一种基于图像处理的水位自动识别方法及***
WO2020237540A1 (zh) 电网用户分类方法、装置和计算机可读存储介质
CN111353502B (zh) 数字表识别方法、装置以及电子设备
CN111639647A (zh) 指示灯状态识别方法、装置、计算机设备及存储介质
CN111754536A (zh) 图像标注方法、装置、电子设备及存储介质
JP2023533644A (ja) マシン視覚に基づく透明度検出方法
CN202548896U (zh) 一种钢材包装参数的测量***
CN115082444B (zh) 一种基于图像处理的铜管焊缝缺陷检测方法及***
CN114627461A (zh) 一种基于人工智能高精度识别水尺数据的方法及***
CN112013921A (zh) 一种基于水位尺测量图像获取水位信息的方法、装置和***
CN104966102A (zh) 基于卫星图像的台风检测方法
Xia et al. GeoSay: A geometric saliency for extracting buildings in remote sensing images
CN117037132A (zh) 一种基于机器视觉的船舶水尺读数检测和识别方法
CN114998887B (zh) 一种电能计量表智能识别方法
CN112699824B (zh) 电能表仪表常数检测方法、设备及存储介质
Guo et al. Intelligent pointer meter interconnection solution for data collection in farmlands

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant