従来の手動検針はコストが高く、悪環境の制約を受けるため、スマート検針が今後の発展方向となっている。一般的な電力計は主に機械式数字ローラー電力計と液晶電力計の2種類に分けられる。機械式数字ローラー電力計は偏転問題があり、文字認識の過程で文字の特徴情報が欠落するため、これらの計器タイプの認識精度は低い。この問題を解決するため、本稿ではYOLOv5認識アルゴリズムのバックボーン部分を改良し、機械式数字ローラー電力計の偏転文字認識効果を向上させた。まず、ネットワークモデルにCBAM注意メカニズムを導入し、偏転文字の特徴抽出能力を強化した。次に、スライス操作（Focus）を6×6の畳み込みに置き換え、元のSPPプーリング構造をより高速なSPPFプーリング構造に切り替えてアルゴリズムの計算速度を向上させた。モデルの認識効果をテストするために、329枚の偏転文字サンプルを収集して実験を行い、全体の認識精度は99.4％に達した。同時に、モデルの汎化性をテストするために1,500枚の液晶電力計サンプルを収集し、認識精度は99.6％に達した。実験結果は、本稿の方法が偏転文字認識率の低さの問題を解決し、認識モデルの強力な汎化性を検証したことを示している。

電力計読み取り認識;YOLOv5;CBAM注意メカニズム;プーリング構造;偏転文字