Para superar la baja eficiencia de la lectura manual y el problema de la inexactitud de los métodos actuales de reconocimiento de imágenes en el reconocimiento de caracteres semi-dobles, se diseñó un sistema inteligente de lectura de imágenes para medidores de ruedas de caracteres basado en la tecnología de Internet de las cosas de banda estrecha (NB-IoT) y una red neuronal convolucional ligera (CNN). Primero, el terminal de adquisición de imágenes utiliza un módulo NB-IoT para cargar imágenes del dial obtenidas por la cámara en la plataforma en la nube; luego, se utiliza un método de extracción y coincidencia de características locales para estimar la matriz de transformación afín, que convierte la imagen del dial de entrada al espacio de coordenadas de la imagen de plantilla y segmenta las subimágenes de caracteres de cada lectura; finalmente, se utiliza un modelo CNN ligero basado en clasificación multilabel para reconocer estas subimágenes y obtener el resultado final de la lectura del dial mediante un posprocesamiento. Los resultados experimentales muestran que la corriente en modo de suspensión del terminal de adquisición de imágenes del sistema es menor a 10 μA, lo que asegura que dos baterías de litio funcionen por más de 5 años; el modelo CNN basado en clasificación multilabel propuesto puede reconocer con precisión caracteres simples y caracteres semi-dobles, alcanzando una precisión de reconocimiento de caracteres del 96.36% y una precisión de reconocimiento de lecturas del 94.15%, superando otros algoritmos de reconocimiento comparativos.

Internet de las cosas de banda estrecha;Sistema automático de lectura;Red neuronal convolucional;Reconocimiento de caracteres semi-dobles;Clasificación multilabel