Для преодоления низкой эффективности ручного снятия показаний и неточностей существующих методов распознавания изображений при распознавании двойных полу-символов был разработан интеллектуальный графический считывающий счётчик на основе технологии узкополосного Интернета вещей (NB-IoT) и облегчённой сверточной нейронной сети (CNN). Сначала терминал сбора изображений с NB-IoT модулем загружает изображения циферблата, полученные камерой, на облачную платформу; затем с помощью методов локального извлечения признаков и сопоставления оценивалась матрица аффинных преобразований, преобразующая входное изображение циферблата в координатное пространство шаблона и сегментирующая изображения символов каждой цифры; наконец, используется облегчённая CNN-модель на основе многометочной классификации для распознавания этих подизображений и получения окончательных показаний счётчика посредством постобработки. Результаты экспериментов показывают, что ток сна терминала сбора изображений системы менее 10 мкА, что обеспечивает работу двух литиевых полубатарей более 5 лет; предложенная CNN-модель на основе многометочной классификации точно распознаёт одиночные и двойные полу-символы, достигая точности распознавания символов 96,36% и точности распознавания показаний 94,15%, превосходя другие алгоритмы распознавания.

Узкополосный Интернет вещей;Автоматическая система считывания;Сверточная нейронная сеть;Распознавание двойных полу-символов;Многометочная классификация