전통적인 수동 검침 비용이 높고 열악한 환경의 제약으로 인해 스마트 검침이 향후 발전 방향이 되었다. 일반적인 전기 계량기는 주로 기계식 숫자 회전 계량기와 액정 계량기의 두 가지 종류로 나뉜다. 기계식 숫자 회전 계량기는 편향 문제가 있어 문자 인식 과정에서 문자 특성 정보가 손실되어 해당 계량기 유형 인식 정확도가 낮다. 이를 해결하기 위해 본 논문에서는 YOLOv5 인식 알고리즘의 백본 부분을 수정하여 기계식 숫자 회전 계량기의 편향 문자 인식 효과를 향상시켰다. 먼저, 네트워크 모델에 CBAM 주의 메커니즘을 도입하여 편향 문자에 대한 특징 추출 능력을 강화했다. 둘째, 슬라이스 연산(Focus)을 6×6 컨볼루션으로 대체하고, 기존 SPP 풀링 구조를 더 빠른 SPPF 풀링 구조로 교체하여 알고리즘 연산 속도를 개선했다. 모델 인식 효과를 테스트하기 위해 329장 편향 문자 샘플을 수집하여 실험했으며, 전체 인식 정확도는 99.4%에 달했다. 또한, 모델의 일반화 능력 테스트를 위해 1,500장 액정 계량기 샘플을 수집했으며, 인식 정확도는 99.6%에 이르렀다. 실험 결과는 본 논문 방법이 편향 문자 인식률 저하 문제를 해결했으며 인식 모델이 높은 일반화 능력을 가짐을 검증했다.

계량기 판독 인식;YOLOv5;CBAM 주의 메커니즘;풀링 구조;편향 문자