一种基于人工智能的图片式抄表方法、装置及系统
摘要文本
本发明涉及一种基于人工智能的图片式抄表方法、装置及系统,该方法包括以下步骤:1)获取仪表图片;2)对所述仪表图片进行自动纠偏处理,获取纠偏图片;3)从所述纠偏图片中提取表盘;4)对所述表盘进行整行识别;5)基于整行识别结果进行模型解码,获取仪表读数;基于上述方法本发明实现一种基于任务自助分配服务的共享式抄表平台系统。与现有技术相比,本发明具有精确度高、成本低等优点,解决抄表行业面临的人力成本支出高、抄表数据可信度低的问题。
申请人信息
- 申请人:上海仪电(集团)有限公司中央研究院
- 申请人地址:200233 上海市徐汇区虹漕路39号4号楼6层
- 发明人: 上海仪电(集团)有限公司中央研究院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于人工智能的图片式抄表方法、装置及系统 |
| 专利类型 | 发明授权 |
| 申请号 | CN201811095996.3 |
| 申请日 | 2018年9月19日 |
| 公告号 | CN110929547B |
| 公开日 | 2024年2月9日 |
| IPC主分类号 | G06V20/00 |
| 权利人 | 上海仪电(集团)有限公司中央研究院 |
| 发明人 | 高冲 |
| 地址 | 上海市徐汇区虹漕路39号4号楼6层 |
专利主权项内容
1.一种基于任务自助分配服务的共享式抄表平台系统,其特征在于,包括至少一个图片式抄表装置和一抄表平台,所述抄表平台通过网络与图片式抄表装置连接,并连接有发送抄表需求信息的外部设备;所述图片式抄表装置包括:图片输入模块,用于获取仪表图片;图片纠偏模块,用于对所述仪表图片进行自动纠偏处理,获取纠偏图片;表盘提取模块,用于从所述纠偏图片中提取表盘,具体采用轻量级高精度的仪表图片显示面板自动提取模型进行表盘提取;整行识别模块,用于对所述表盘进行整行识别,具体采用基于深度卷积神经网络和GRU递归神经网络联合的不定长数字识别模型,对表盘进行整行识别;模型解码模块,用于基于整行识别结果进行模型解码,获取仪表读数;所述抄表平台包括:用户管理装置,用于对外部设备和抄表装置进行身份信息管理;任务派发装置,用于根据外部设备的抄表需求信息生成抄表任务单,并向外部设备反馈抄表作业最终结果;抄表任务单发布装置,用于发布所述抄表任务单,并接收抄表装置返回的抄表结果,所述抄表结果包括仪表图片和仪表读数;图像识别分析装置,用于采用深度学习模型对抄表结果中的仪表图片进行二次识别,核对抄表结果的正确性,记录误差;数据核查装置,用于对至少两个抄表结果中的仪表读数进行验证式核对,获取抄表作业最终结果;所述抄表需求信息包括抄表类型、抄表方式、抄表精度要求、完成截至日期和仪表所在位置信息;所述抄表方式包括单任务抄表和多人共享式抄表,单任务抄表是指任务只派发给唯一抄表人员,在抄表方式为单任务抄表时,仅启动图像识别分析装置,以带有误差的单一抄表结果为抄表作业最终结果,在抄表方式为多人共享式抄表,同时启动图像识别分析装置和数据核查装置;所述数据核查装置中,验证式核对具体是:采用投票机制从至少两个抄表结果中的仪表读数获取对应仪表的大概率正确的读数,作为抄表作业最终结果;验证式核对算法基于一个假设:需求者是唯一的,对于某一个表来说,提供数据的参与者有多个,并且参与者之间相互独立,没有沟通;验证式核对算法的目的在于找出某块表的大概率正确的读数,采用投票机制实现,由于每个参与者提交的数据质量是不平等的,首先由图像识别分析装置根据深度学习模型对数据质量进行评估,假设某一图片式抄表装置提交的数据为v,深度学习模型识别的读数为v,若存在ii_sk=|v-v|>eii_s则需要对抄表结果进行修正,e是深度学习模型识别允许误差值;否则,采用投票机制来消除恶意行为对推断结果的影响,假设某个表有N个参与者提交数据,对每个v提交引入惩罚系数a,iiN个参与者共提交了m种不同的数据值,第j个数据共有p个参与者,对应惩罚系数集合为A,集合大小为p,投票结果t为:jjJ根据投票结果获得抄表作业最终结果。