(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111666034.0 (22)申请日 2021.12.31 (71)申请人 杭州职业 技术学院 地址 310026 浙江省杭州市下沙高教园区 学源街68号 (72)发明人 楼晓春　陈岁生　张伟　王惠姣　 何丽莉　陈栋　 (74)专利代理 机构 北京维正专利代理有限公司 11508 代理人 刘美莲 (51)Int.Cl. G06V 30/148(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06V 10/778(2022.01) (54)发明名称 抄表模型的训练方法和抄表方法 (57)摘要 本申请涉及图像识别的技术领域， 尤其是涉 及抄表模型的训练方法和抄 表方法， 其包括以下 步骤： 获取带有摄像直读表的读数的第一图像， 其中， 第一图像包括具有高低位关系的多个字 符， 多个字符包括整字符和半字符； 将第一图像 标注为与多个字符对应的读表数值； 将第一图像 输入至卷积神经网络模型中进行训练， 以获得训 练结果； 根据训练结果和第一图像被标注的读表 数值， 调整卷积神经网络模型的参数。 本申请具 有提高摄像直读表读数的识别准确率， 简化算法 工作流程的效果。 权利要求书2页 说明书10页 附图4页 CN 114332869 A 2022.04.12 CN 114332869 A 1.一种抄表模型训练方法， 其特 征在于： 包括以下步骤： 获取带有摄像直读表的读数的第一图像， 其中， 所述第一图像包括具有高低位关系的 多个字符， 所述多个字符包括整字符和半字符； 将所述第一图像标注为与所述多个字符对应的读表数值； 将所述第一图像输入至卷积神经网络模型中进行训练， 以获得训练结果； 根据所述训练结果和所述第 一图像被标注的读表数值， 调整所述卷积神经网络模型的 参数。 2.根据权利要求1所述的一种抄表模型训练方法， 其特征在于： 在将所述第 一图像输入 到卷积神经网络模型中进 行训练之前， 所述方法还包括对所述第一图像进 行预处理， 其中， 所述预处理包括： 二值化处理、 字符检测框选以选出整体字符框、 图像旋转校正、 图像边缘 分割。 3.根据权利要求2所述的一种抄表模型训练方法， 其特征在于： 所述图像边缘切割包括 以下步骤： 判断所述整体字符框 内各点的像素与所述第 一阈值像素和第 二阈值像素的大小， 所述 第一阈值像素 大于所述第二阈值像素， 若所述像素大于等于第一阈值像素， 则将这一点的像素定义为强边缘像素， 并进行保 留； 若所述像素小于等于第二阈值像素， 则将这 一点的像素剔除； 若所述像素小于所述第 一阈值像素且大于所述第 二阈值像素， 则将这一点的像素定义 为弱边缘像素， 并判断所述弱边缘像素邻域内是否存在高边缘像素， 若存在， 则将所述弱边 缘像素保留， 若不存在， 则将所述弱边 缘像素剔除。 4.根据权利要求1所述的一种抄表模型训练方法， 其特征在于： 当所述具有高低 位关系 的多个字符皆为半字符时， 包括以下步骤： 判断低位数的半字符的数值是否为0； 若所述低位数的半字符的数值等于0， 则选取所述低位数的高一位的字符的较大数值 的半字符作为 这一位的字符并进行 标注； 若所述低位数的半字符的数值不等于0， 则选取所述低位数的高一位的字符的较小数 值的半字符作为 这一位的字符并进行 标注。 5.根据权利要求4所述的一种抄表模型训练方法， 其特征在于： 判断低 位数的半字符的 数值还包括以下步骤： 比较所述整体字符框内的上半字符与下半字符在所述整体字符框内的高度占比大小； 若上半字符在所述整体字符框内的高度占比大于下半字符在所述整体字符框内的高 度占比时， 则选取 上半字符所对应的数值作为半字符对应的读表数值； 若下半字符在所述整体字符框内的高度占比大于上半字符在所述整体字符框内的高 度占比时， 则选取 下半字符所对应的数值作为半字符对应的读表数值； 若上半字符在所述整体字符框内的高度占比和下半字符在所述整体字符框内的高度 占比相同时， 则选取任意半字符的数值作为半字符对应的读表数值。 6.根据权利要求1所述的一种抄表模型训练方法， 其特征在于： 当获得所述训练结果 后， 对所述训练结果进 行预估判断， 预估判断用于判断所述训练结果是否达到预期， 具体包权　利　要　求　书 1/2 页 2 CN 114332869 A 2括以下步骤； 获得带有新的摄像直读表的读数的第 一图像， 将所述第 一图像输入到卷积神经网络模 型， 并判断识别率是否大于等于预设的有效识别率； 若所述识别率大于等于预设的有效识别率， 则确定所述训练结果达 到预期， 若所述识别率小于预设的有效识别率， 则确定所述训练结果没有达 到预期， 若所述训练结果没有达到预期， 则将新的第 一图像输入至卷积神经网络模型中进行训 练， 以得到新的训练结果。 7.一种抄表方法， 其特征在于： 应用于上述权利要求1 ‑6中的任意一种抄表模型训练方 法， 包括以下步骤： 获取带有摄像直读表的读数的第二图像； 将所述第二图像加入到所述卷积神经网络模型中以得到最终读数。 8.一种抄表装置， 其特征在于： 包括字符分割模块、 模型训练模块和字符识别模块， 其 中， 所述字符分割模块用于将从带有摄像直读表的读数的第一图像和第二图像中获取的 字符进行分割， 以获取字符图像； 所述模型训练模块用于将第一图像上具有高低位关系的多个字符输入到卷积神经网 络模型中进行训练， 以得到相应的训练结果； 所述字符识别模块用于将带有摄像直读表的读数的第二图像输入到卷积神经网络模 型， 以得到最终读数， 从而实现对摄 像直读表上的读数进行识别。 9.一种电子装置， 其特征在于： 包括存储器和处理器， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行权利要求1至6中任一项 所述的抄表模 型的训练方法， 或者权利要求7 所述的一种抄表方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至6中任一项所述的抄表模型的训练方法， 或者权利要求7 所述的一种抄表方法。权　利　要　求　书 2/2 页 3 CN 114332869 A 3