Подготовка набора данных для распознавания показаний с фотографий лицевых панелей приборов учета электроэнергии

Бесплатный доступ

В рамках исследования, проводимого с целью разработки программного обеспечения, которое позволит повысить точность расчетов потребления электроэнергии за счет автоматизации процесса распознавания данных с фотографий лицевых панелей приборов учета, необходимо разработать алгоритм распознавания символов на изображении. На данный момент существует множество методов и алгоритмов распознавания объектов на изображении. В связи с этим возникает необходимость выбора методов и алгоритмов, соответствующих особенностям объекта распознавания. Результатом применения разработанного алгоритма будет являться распределение всех классов распознавания по степени сходства распознаваемого объекта с ними. Разрабатываемое программное обеспечение должно устранить проблемы, возникающие при ручном вводе данных показаний приборов учета электроэнергии, а именно: отсутствие доверия к полученным данным и невозможность их оперативной проверки; ошибки при вводе данных; многоэтапность процесса обработки данных для отправки поставщику. Предложен алгоритм подготовки набора данных для распознавания фотографий лицевых панелей приборов учета электроэнергии. На первом этапе происходит сбор графических данных, примеры которых отображены в таблице, необходимых для решения поставленной задачи. Затем из полученных изображений необходимо выбрать те, которые обладают лучшим качеством. Выбранные изображения будут являться эталонными, и к эталонному виду в дальнейшем будут приводиться все получаемые изображения объектов исследования. Далее производится выбор подходящего инструмента для разметки изображений, разметка и аннотирование изображений. Финальным этапом является выгрузка полученного набора данных в формате JSON и загрузка в нейронную сеть для ее тренировки.

интеллектуальная информационная мобильная система \ мобильный энергоучет \ распознавание образов \ сверточная нейронная сеть \ информационно-аналитический комплекс

Похожие статьи в разделе Прикладные информационные (компьютерные) технологии. Методы основанные на применении компьютеров

Разработка классификатора фотоизображений патологий для ультрамалого набора данных
Разработка классификатора фотоизображений патологий для ультрамалого набора данных

Адамов Антон Андреевич, Гндоян Ирина Асатуровна, Дятчина Алена Игоревна, Храмов Владимир Николаевич

Короткий адрес: https://sciup.org/148309578

IDS: 148309578   |   УДК: 004.93.1   |   DOI: 10.25586/RNU.V9187.20.04.P.121

Preparing a dataset of electricity meters from photographs for optical recognition

Keywords: intelligent information mobile system, mobile energy accounting, pattern recognition, convolutional neural network, information and analytical complex

Список литературы Подготовка набора данных для распознавания показаний с фотографий лицевых панелей приборов учета электроэнергии

  • Аугментация (augmentation - "раздутие") данных для обучения нейронной сети на примере печатных символов // Блог компании Smart Engines. URL: https://habr.com/ru/company/smartengines/blog/264677/ (дата обращения: 10.08.2020).
  • Ворожцова Н.А., Вологдин С.В. Разработка интеллектуальной информационной мобильной системы учета электроэнергии // Новые кадры оборонно-промышленного комплекса: диверсификация ОПК и реализация национальных проектов: сб. материалов XII Всерос. совещания, посвященного 100-летию М.Т. Калашникова (Ижевск, 16-18 октября 2019 г.). Ижевск: Изд-во ИжГТУ имени М.Т. Калашникова, 2019. С. 28-35.
  • Arefnezhad S., Samiee S., Eichberger A., Frühwirth M., Kaufmann C., Klotz E. Applying Deep Neural Networks for Multi-Level Classification of Driver Drowsiness Using Vehicle-Based Measures // Expert Systems with Applications, vol. 162, 30 December 2020.
  • Christian B., Tewodros A.H., Varanasi K., Stricker D. Fast Dense Feature Extraction with CNNs that have Pooling or Striding Layers // Conference, BMVC, September 2017.
  • Scherer D., Muller A., Behnke S. Evaluation of Pooling Operations in Convolutional Architectures for Object Recognition // 20th International Conference on Artificial Neural Networks (ICANN), Thessaloniki, Greece, September 2010.
Еще