Система автоматичного візуального розпізнавання показань лічильника
Бічна панель сторінки статті
Основний зміст сторінки статті
Анотація
В роботі розглянуто систему автоматичного віддаленого зняття показань лічильника. Наведено загальну структуру цієї системи і детально описано розроблену її програмну складову, що відповідає за розпізнавання. Зазначений компонент запропоновано реалізувати на основі процедури, що передбачає два етапи, на першому з яких виконується виявлення шкали лічильника і окремих областей розрядів, а на другому – проводиться розпізнавання кожної із цифр у знайдених областях. Виявлення шкали лічильника запропоновано здійснювати шляхом застосування перетворення Хафа, а сегментування області показань на розряди – за допомогою морфологічних операцій. Для розпізнавання цифр лічильників різних типів створено навчальну вибірку і навчено згорткову нейронну мережу, що має подібну до LeNet архітектуру.
Бібл. 16, рис. 6.
Блок інформації про статтю
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
Посилання
“Vprovadjennya ASKOE [Implementation of ASKOE],” [Online]. Available: http://www.ukrenergoexport.com/uk/content/%D0%B2%D0%BF%D1%80%D0%BE%D0%B2%D0%B0%D0%B4%D0%B6%D0%B5%D0%BD%D0%BD%D1%8F-%D0%B0%D1%81%D0%BA%D0%BE%D0%B5 [Accessed 26, Nov. 2018].
DTEK, "DTEK kyivski electromereji [DTEK Kyiv Power Grids]," [Online]. Available: https://dtek-kem.com.ua/ee-company/sistemi_luzodaskoe [Accessed 26, Nov. 2018].
Technotronics, "Uchet energoresursov [Accounting of energy resources]," [Online]. Available: http://ttronics.ru/?menu=calculation. [Accessed 26, Nov.2018].
Z. Cai, C. Wei and Y. Yuan, "An Efficient Method for Electric Meter Readings Automatic Location and Recognition," Procedia Engineering, vol. 23, pp. 565-571, 2011. DOI: 10.1016/j.proeng.2011.11.2548.
M. Cerman, G. Shalunts and D. Albertini, "A Mobile Recognition System for Analog Energy Meter Scanning," Bebis G. et al. (eds) Advances in Visual Computing. ISVC 2016. Lecture Notes in Computer Science, vol. 10072, pp. 247-256, 2016. DOI: 10.1007/978-3-319-50835-1.
W. Qi, B. Xue and Y. Lui, "Research on reading recognition technology of gas meter based on key feature matching," in Lecture Notes in Electrical Engineering. Advanced Graphic Communications and Media Technologies, vol. 417, Springer, Singapore, 2017, pp. 317-324. ISBN: 978-981-10-3530-2.
M. Rodriguez, G. Berdugo, D. Jabba, M. Calle and M. Jimeno, "HD_MR: a new algorithm for number recognition in electrical meters," Turkish Journal of Electrical Engineering & Computer Sciences, vol. 22, pp. 87-96, 2014. DOI: 10.3906/elk-1202-34.
M. Kompf, "OpenCV practice: OCR for the electricity meter," [Online]. Available: https://www.mkompf.com/cplus/emeocv.html [Accessed 25, Dec. 2018].
"Syomka pokazaniy schetchika ns telefon sposleduyushim raspoznavaniem [Filming of meter values using phone with further recognition]," [Online]. Available: https://habr.com/post/220869/ [Accessed 25, Dec. 2018].
D. M. Svaha and A. Y. Varfolomieiev, "Systema avtomatychnogo visual'nogo znyattya pokazan' lichilnyka [The system for automatic visual meter reading]," in XІ International Scientific and Technical Conference of Young Scientists "Electronics-2018", Kyiv, 2018. URL: http://elconf.kpi.ua/wp-content/uploads/2018/06/%D0%B7%D0%B1%D1%96%D1%80%D0%BD%D0%B8%D0%BA-26_06_2018.pdf [Accessed 19, Nov. 2018].
R. C. Gonzalez та R. E. Woods, Digital Image Processing (3rd Edition), New Jersey: Prentice-Hall, Inc., 2008. ISBN: 978-0131687288, p. 954.
D. A. Forsyth та J. Ponce, Computer vision. A modern Approach, New Jersey: Prentice Hall Inc., 2003. ISBN: 0-13-085198-1.
C. R. Jung and R. Schramm, "Rectangle Detection based on a Windowed Hough Transform," in Proceedings of 17th Brazilian Symposium on Computer Graphics and Image Processing, Curitiba, 2004. DOI: 10.1109/SIBGRA.2004.1352951.
N. Otsu, "A Threshold Selection Method from Gray-Level Histograms," IEEE Transactions on Systems, Man, and Cybernetics, vol. 9, no. 1, pp. 62-66, 1979. DOI: 10.1109/TSMC.1979.4310076.
Y. LeCun, L. Bottou, Y. Bengio and P. Haffner, "Gradient Based Learning Applied to Document Recognition," Proceedings of the IEEE, vol. 86, no. 11, p. 2278–2324, 1998. DOI: 10.1109/5.726791.
I. Goodfellow, Y. Bengio and A. Courville, Deep Learning, Massachusetts: MIT Press, 2016. ISBN: 978-0262035613.
