Debido al alto costo de la lectura manual tradicional de medidores y las limitaciones causadas por ambientes adversos, la lectura inteligente de medidores se convierte en la dirección futura de desarrollo. Los medidores de electricidad comunes se pueden dividir principalmente en dos tipos: medidores mecánicos con ruedas de números y medidores de cristal líquido. Entre ellos, los medidores mecánicos presentan un problema de desviación que provoca la pérdida de información característica de los caracteres durante el proceso de reconocimiento, lo que resulta en una baja precisión en el reconocimiento del tipo de medidor. Para resolver este problema, este artículo modificó la parte de la red principal del algoritmo de reconocimiento YOLOv5, mejorando el efecto del algoritmo para reconocer caracteres desviados en medidores mecánicos. Primero, se introdujo el mecanismo de atención CBAM en el modelo de red, mejorando la capacidad del modelo para extraer características de caracteres desviados. En segundo lugar, se reemplazó la operación de segmentación (Focus) por una convolución de 6×6 y se utilizó una estructura de agrupamiento SPPF más rápida para reemplazar la estructura de agrupamiento SPP original, mejorando la velocidad de cálculo del algoritmo. Para probar la efectividad del modelo, se recopilaron 329 muestras de caracteres desviados de medidores para el experimento, logrando una precisión general de reconocimiento del 99.4%. También se recopilaron 1500 muestras de medidores de cristal líquido para probar la generalización del modelo, alcanzando una precisión de reconocimiento del 99.6%. Los resultados experimentales muestran que el método propuesto resuelve el problema de baja tasa de reconocimiento de caracteres desviados y demuestra que el modelo de reconocimiento tiene una fuerte capacidad de generalización.

reconocimiento de lecturas de medidores;YOLOv5;mecanismo de atención CBAM;estructura de agrupamiento;caracteres desviados