本申请涉及远程抄表技术领域，具体而言，涉及一种指针式水表识别方法与系统。
背景技术：
目前的人工目视读取水表是一种耗时、低效且昂贵的数据采集方法；而更换或升级水表以实现数据的自动收集和通信也是非常耗时和昂贵的。使用摄像头对仪表图像实时采集，并应用图像处理与模式识别技术，用计算机代替人工对仪表进行实时监控已成为可能，也正成为主流趋势。
然而，如何保障指针式水表识别结果的准确性，则成为了目前仍需改进的技术问题。
技术实现要素：
为了解决上述技术问题，本申请提供了一种指针式水表识别方法与系统。
本申请的第一方面提供了一种指针式水表识别方法，所述方法包括：
s1、所述水表抄表设备的摄像头对指针式水表表盘进行拍摄，得到水表表盘图像，并将所述水表表盘图像发送至处理器；
s2、所述处理器调用人工智能算法对所述水表表盘进行识别，以得出水表流量计数值的识别结果。
优选地，在所述处理器调用人工智能算法对所述水表表盘进行识别之前，还包括如下步骤：
将所述水表表盘图像二值化，通过形态学膨胀算法对所述二值化后的图像进行连通域分析，将识别出的连通域的规则边界所划定区域作为表盘的有效区域。
优选地，通过如下步骤进行二值化处理：
s11、对所述水表表盘图像进行灰度化处理；
s12、计算灰度化处理后的整个图像区域中的所有像素点中灰度值最大值pray_max；
s13、将所有像素点的灰度值prayij与抉择阀值tij进行比较，并基于如下公式输出该像素点的二值化结果p：
其中，i、j为像素点在图像中的横纵数值，用于定位单一像素点；
s14、重复上述步骤s13，直至所有像素点均完成二值化，进而得到二值化图像。
优选地，所述步骤s2具体包括如下步骤：
s20、对所述表盘的有效区域的二值化图像进行复制操作以得到两份二值化图像；
s21、对其中一份所述二值化图像通过hough变换或差影法提取指针及各刻度线；
s22、对其中另一份所述二值化图像采用连通域法识别得出数字区域，并采用数字识别算法识别所述数字区域内的数字；
s23、判断指针是否与刻度线重合，若是，则执行步骤s24，否则执行步骤s25；
s24、将刻度线的示值作为仪表的读数值；
s25、计算指针与左侧刻度线示值之间的距离m，计算指针与右侧刻度线示值之间的距离m；
s26、基于所述数字区域两端的数字确定出表盘刻度值是顺时针布局还是逆时针布局；
s27、若是顺时针布局，则执行步骤s28，否则执行步骤s29；
s28、仪表的读数值为v＝m (n-m)d/l；
s29、仪表的读数值为v＝n (m-n)d/l；
其中，d为指针上所有点到左侧刻度线的平均距离，l为指针上所有点到右侧刻度线的平均距离。
优选地，所述步骤s22中采用数字识别算法识别所述数字区域内的数字，包括：
s221、接收所述多个字符图像；
s222、对所述字符图像进行识别处理，提取出统计特征和结构特征；其中，所述统计特征包括粗网格特征、投影特征，结构特征包括凹凸性、轮廓边界；
s223、将统计特征和结构特征进行最优组合，输入神经网络分类器；
s224、所述神经网络分类器基于输入的统计特征和结构特征组合进行数字字符分类，并输出分类结果；其中，神经网络分类器包括第一级分类器和第二级分类器，所述第一级分类器对0、1、7进行分类，所述第二级分类器对其它数字进行分类。
优选地，所述第二级分类器采用四层结构的神经网络模型，所述神经网络模型的激励函数为：
其中，λ为权重，uj为第j个神经元的状态值，xi为前级输入第i个神经元的状态值，wij为前级输入第i个神经元至第j个神经元的权重，θj为神经元的阈值。
优选地，在步骤s2之前，还包括：采集设定数量的单一数字图像用于神经网络分类器的预训练，通过预训练确定出各数字字符的最优分类用特征组合。
本申请的第二方面提供了一种指针式水表识别系统，该系统包括外挂式水表抄表设备及服务器，所述水表抄表设备包括摄像头、处理器及通信模块；
所述摄像头，用于对指针式水表表盘进行拍摄，得到水表表盘图像，并将所述水表表盘图像发送至处理器；
所述处理器，用于调用人工智能算法对所述水表表盘进行识别，以得出水表流量计数值的识别结果；
所述通信模块，用于将所述水表流量计数值的识别结果发送至服务器。
本申请的第三方面提供了一种指针式水表识别设备，所述设备包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前任一项所述的指针式水表识别方法。
本申请的第四方面提供了一种存储介质，其特征在于，所述存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如前任一项所述的指针式水表识别方法。
本发明的有益效果在于：
本申请的技术方案提供了一种外挂式指针式水表识别系统，该系统采用人工智能算法来识别表盘上显示的水表流量计数值，然后，将该计数值回传给服务器，从而使得水表抄表业务不再依赖人工作业，极大的提高了效率。同时，本申请还设置了基于人工智能算法的指针式水表流量计数值识别方法，其中，巧妙的将表盘中的刻度数值的识别采用人工智能算法，而对于指针的识别、读数值的读取则采用计算方式简单高效的其它方式进行，兼顾了效率及准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本申请实施例公开的一种基于北斗导航的天然草地草蓄平衡评估方法的流程示意图；
图2是本申请实施例公开的一种基于北斗导航的天然草地草蓄平衡评估系统的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。
实施例一
请参阅图1，图1是本申请实施例公开的一种指针式水表识别方法的流程示意图。如图1所示，本申请实施例的一种指针式水表识别方法，所述方法包括：
s1、所述水表抄表设备的摄像头对指针式水表表盘进行拍摄，得到水表表盘图像，并将所述水表表盘图像发送至处理器；
s2、所述处理器调用人工智能算法对所述水表表盘进行识别，以得出水表流量计数值的识别结果。
在本申请实施例中，本申请设置了外挂式的水表抄表设备，仅需简单的设备即可实现针对指针式水表的远程抄表工作，无需大规模改造水表，可以极大的降低远程抄表的实现成本。近年来，人工智能(ai，artificialintelligence)获得了迅速的发展及广泛应用，并取得了丰硕的成果。鉴于人工智能技术在计算机视觉识别处理上具有准确、快速、可学习进化等技术特点，所以，本申请的技术方案采用了人工智能算法来对指针式水表表盘进行识别，可显著提高识别准确率。
确定为一种可选的实施方式，在所述处理器调用人工智能算法对所述水表表盘进行识别之前，还包括如下步骤：
将所述水表表盘图像二值化，通过形态学膨胀算法对所述二值化后的图像进行连通域分析，将识别出的连通域的规则边界所划定区域作为表盘的有效区域。
在本申请实施例中，由于水表抄表设备的安装不规范、被移动以及水表表盘不规整等多种因素均可能导致摄像头拍摄的图像不能完整包含表盘的计数部分，所以有必要在对表盘图像进行识别之前先进行预处理。即，先将表盘图像进行二值化处理，再将具有规则边界(表盘通常是规则形状，例如圆形、方形、椭圆形等)的连通域识别为表盘的有效区域。
确定为一种可选的实施方式，通过如下步骤进行二值化处理：
s11、对所述水表表盘图像进行灰度化处理；
s12、计算灰度化处理后的整个图像区域中的所有像素点中灰度值最大值pray_max；
s13、将所有像素点的灰度值prayij与抉择阀值tij进行比较，并基于如下公式输出该像素点的二值化结果p：
其中，i、j为像素点在图像中的横纵数值，用于定位单一像素点；
s14、重复上述步骤s13，直至所有像素点均完成二值化，进而得到二值化图像。
确定为一种可选的实施方式，所述步骤s2具体包括如下步骤：
s20、对所述表盘的有效区域的二值化图像进行复制操作以得到两份二值化图像；
s21、对其中一份所述二值化图像通过hough变换或差影法提取指针及各刻度线；
s22、对其中另一份所述二值化图像采用连通域法识别得出数字区域，并采用数字识别算法识别所述数字区域内的数字；
s23、判断指针是否与刻度线重合，若是，则执行步骤s24，否则执行步骤s25；
s24、将刻度线的示值作为仪表的读数值；
s25、计算指针与左侧刻度线示值之间的距离m，计算指针与右侧刻度线示值之间的距离m；
s26、基于所述数字区域两端的数字确定出表盘刻度值是顺时针布局还是逆时针布局；
s27、若是顺时针布局，则执行步骤s28，否则执行步骤s29；
s28、仪表的读数值为v＝m (n-m)d/l；
s29、仪表的读数值为v＝n (m-n)d/l；
其中，d为指针上所有点到左侧刻度线的平均距离，l为指针上所有点到右侧刻度线的平均距离。
在本申请实施例中，对指针式仪表的读数识别，目前多数是根据指针的偏转角度实现的，该方法虽然计算简单，但识别结果的误差较大，仅能用于对误差要求不高的场合。而本申请的技术方案是基于指针与左右刻度线的距离来求取真实的读数值，计算精确度高。同时，还考虑到了不同表盘刻度存在顺/逆时针布局的情况，更具适用性。
确定为一种可选的实施方式，所述步骤s22中采用数字识别算法识别所述数字区域内的数字，包括：
s221、接收所述多个字符图像；
s222、对所述字符图像进行识别处理，提取出统计特征和结构特征；其中，所述统计特征包括粗网格特征、投影特征，结构特征包括凹凸性、轮廓边界；
s223、将统计特征和结构特征进行最优组合，输入神经网络分类器；
s224、所述神经网络分类器基于输入的统计特征和结构特征组合进行数字字符分类，并输出分类结果；其中，神经网络分类器包括第一级分类器和第二级分类器，所述第一级分类器对0、1、7进行分类，所述第二级分类器对其它数字进行分类。
在本申请实施例中，神经网络算法是十大人工智能算法之一，其具有自学习功能，例如实现图像识别时，只需要预先把许多不同的图像样板和对应的应识别的结果输入神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。基于神经网络的该特点，本申请的技术方案利用人工智能算法对指针式水表表盘中的刻度数字进行识别。
确定为一种可选的实施方式，所述第二级分类器采用四层结构的神经网络模型，所述神经网络模型的激励函数为：
其中，λ为权重，uj为第j个神经元的状态值，xi为前级输入第i个神经元的状态值，wij为前级输入第i个神经元至第j个神经元的权重，θj为神经元的阈值。
确定为一种可选的实施方式，在步骤s2之前，还包括：采集设定数量的单一数字图像用于神经网络分类器的预训练，通过预训练确定出各数字字符的最优分类用特征组合。
在本申请实施例中，本申请并未采用人工智能算法来全方位的负责指针式水表表盘中的刻度数字进行识别，而是巧妙的将表盘中的刻度数值的识别时采用人工智能算法，而对于指针的识别、读数值的读取则采用计算方式简单高效的其它方式进行，这样可以兼具效率及准确性。
实施例二
请参阅图2，图2是本申请实施例公开的一种指针式水表识别系统的结构示意图。如图2所示，本申请实施例的一种指针式水表识别系统，该系统包括外挂式水表抄表设备及服务器，所述水表抄表设备包括摄像头、处理器及通信模块；
所述摄像头，用于对指针式水表表盘进行拍摄，得到水表表盘图像，并将所述水表表盘图像发送至处理器；
所述处理器，用于调用人工智能算法对所述水表表盘进行识别，以得出水表流量计数值的识别结果；
所述通信模块，用于将所述水表流量计数值的识别结果发送至服务器。
实施例三
本申请实施例提供一种指针式水表识别设备，所述设备包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行实施例一中任一项所述的指针式水表识别方法。
实施例四
本申请实施例提供一种存储介质，其特征在于，所述存储介质存储有计算机指令，所述计算机指令被调用时，用于执行实施例一中所述的指针式水表识别方法。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
1.一种指针式水表识别方法，其特征在于：所述方法包括：
s1、所述水表抄表设备的摄像头对指针式水表表盘进行拍摄，得到水表表盘图像，并将所述水表表盘图像发送至处理器；
s2、所述处理器调用人工智能算法对所述水表表盘进行识别，以得出水表流量计数值的识别结果。
2.根据权利要求1所述的方法，其特征在于：在所述处理器调用人工智能算法对所述水表表盘进行识别之前，还包括如下步骤：
将所述水表表盘图像二值化，通过形态学膨胀算法对所述二值化后的图像进行连通域分析，将识别出的连通域的规则边界所划定区域作为表盘的有效区域。
3.根据权利要求2所述的方法，其特征在于：通过如下步骤进行二值化处理：
s11、对所述水表表盘图像进行灰度化处理；
s12、计算灰度化处理后的整个图像区域中的所有像素点中灰度值最大值pray_max；
s13、将所有像素点的灰度值prayij与抉择阀值tij进行比较，并基于如下公式输出该像素点的二值化结果p：
其中，i、j为像素点在图像中的横纵数值，用于定位单一像素点；
s14、重复上述步骤s13，直至所有像素点均完成二值化，进而得到二值化图像。
4.根据权利要求1所述的方法，其特征在于：所述步骤s2具体包括如下步骤：
s20、对所述表盘的有效区域的二值化图像进行复制操作以得到两份二值化图像；
s21、对其中一份所述二值化图像通过hough变换或差影法提取指针及各刻度线；
s22、对其中另一份所述二值化图像采用连通域法识别得出数字区域，并采用数字识别算法识别所述数字区域内的数字；
s23、判断指针是否与刻度线重合，若是，则执行步骤s24，否则执行步骤s25；
s24、将刻度线的示值作为仪表的读数值；
s25、计算指针与左侧刻度线示值之间的距离m，计算指针与右侧刻度线示值之间的距离m；
s26、基于所述数字区域两端的数字确定出表盘刻度值是顺时针布局还是逆时针布局；
s27、若是顺时针布局，则执行步骤s28，否则执行步骤s29；
s28、仪表的读数值为v＝m (n-m)d/l；
s29、仪表的读数值为v＝n (m-n)d/l；
其中，d为指针上所有点到左侧刻度线的平均距离，l为指针上所有点到右侧刻度线的平均距离。
5.根据权利要求4所述的方法，其特征在于：所述步骤s22中采用数字识别算法识别所述数字区域内的数字，包括：
s221、对所述数字区域进行切割操作，以得到多个数字字符图像；
s222、对所述多个数字字符图像分别进行识别处理，提取出统计特征和结构特征；其中，所述统计特征包括粗网格特征、投影特征，结构特征包括凹凸性、轮廓边界；
s223、将统计特征和结构特征进行最优组合，输入神经网络分类器；
s224、所述神经网络分类器基于输入的统计特征和结构特征组合进行数字字符分类，并输出分类结果；其中，神经网络分类器包括第一级分类器和第二级分类器，所述第一级分类器对0、1、7进行分类，所述第二级分类器对其它数字进行分类。
6.根据权利要求1所述的方法，其特征在于：所述第二级分类器采用四层结构的神经网络模型，所述神经网络模型的激励函数为：
其中，λ为权重，uj为第j个神经元的状态值，xi为前级输入第i个神经元的状态值，wij为前级输入第i个神经元至第j个神经元的权重，θj为神经元的阈值。
7.根据权利要求6所述的方法，其特征在于：在步骤s2之前，还包括：采集设定数量的单一数字图像用于神经网络分类器的预训练，通过预训练确定出各数字字符的最优分类用特征组合。
8.一种指针式水表识别系统，该系统包括外挂式水表抄表设备及服务器，所述水表抄表设备包括摄像头、处理器及通信模块；
所述摄像头，用于对指针式水表表盘进行拍摄，得到水表表盘图像，并将所述水表表盘图像发送至处理器；
所述处理器，用于调用人工智能算法对所述水表表盘进行识别，以得出水表流量计数值的识别结果；
所述通信模块，用于将所述水表流量计数值的识别结果发送至服务器。
9.一种指针式水表识别设备，其特征在于，所述设备包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的指针式水表识别方法。
10.一种存储介质，其特征在于，所述存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的指针式水表识别方法。
技术总结