基于ResSE-SegNet的智能电表通信模块铭牌检测与识别

摘要：

针对智能电表通信模块铭牌检测和识别问题,本文提出了一种基于ResSE-SegNet的级联深度学习方法,采用高斯滤波和自适应图像对比度增强等图像预处理技术,通过深度语义分割网络来确定输入图像中厂家名称所在的区域,并采用深度编解码器网络结构进行分割,构建并训练端到端的卷积神经网络(CNN)模型用于识别不同的厂家.最后通过全维度智能电表检测系统获得通信模块图像的数据集并进行通信模块铭牌的检测和识别实验,实验结果表明,该方法的召回率为92.34%,精确率为93.97%,F1-Score为92.14%,对智能电表通信模块厂家的分类准确率为98.53%.

关键词：通信模块、级联深度学习、检测和识别、卷积神经网络

所属期刊栏目：28

分类号：TP274+.3(自动化技术及设备)

资助基金：国家自然科学基金;山东省技术创新项目

在线出版日期：2023-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：136-144