Система автоматичного візуального розпізнавання показань лічильника

Скорочена інформація про документ
dc.contributor.authorСваха, Дмитро Миколайович
dc.contributor.authorВарфоломєєв, Антон Юрійович
dc.date.accessioned2020-05-03T17:07:13Z
dc.date.available2020-05-03T17:07:13Z
dc.date.issued2018
dc.description.abstractenThe system for automatic remote reading of meter indications is suggested. Two existing alternative solutions of the system implementation are considered. The main drawback of both solutions is specified, which particularly consists in the necessity of using of the specialized meters. The proposed system, in contrast, is universal, does not require meter replacement, has high reliability due to the absence of moving parts, and permits manual remote diagnostics. The general structure of the proposed system is described. It consists of primary reading device, based on a low-cost videosensor, a microcontroller and a wireless data transmission module, as well as the receiver (server part) with optical recognition software. The software component is considered in more details. Specifically, it is suggested to be implemented using the two-stage procedure. In the first stage, the meter scale is detected and partitioned into separate digit positions. The search of meter scale is proposed to be implemented using the Hough transform, which performs the lines location. Since the Hough transform, which takes binary images as an input is employed, the Canny edge detection algorithm is supposed to be applied first. The meter scale detection is based on the location of lines that forms a rectangular region with specific proportions. When the detection of the scale is performed, the located region is segmented into a separate digit subregions using the binary morphological operations and connected components analysis. The described process is applied relatively seldom (usually when the primary reading device is (re)installed), thus the operator of the system may manually correct the results of the detection and segmentation (these results will be valid for the further use). It reduces the quality requirements for the results, which obtained in the first stage. In the second stage, the recognition of each digit is performed. For these purposes, the use of convolutional neural network is suggested. This network is based on the architecture similar to the LeNet: it operates on small grayscale images and has seven layers (three convolutional, two max pooling, one ReLU and one fully connected layer). The training of network was performed on a specially composed training set. The training itself was conducted using the standard stochastic gradient descent (SGD) with momentum. The “softmax” was used as the loss function. In the result of the training, the correct digit recognition rate in 99,2% is achieved.uk
dc.description.abstractruВ работе рассмотрена система автоматического удаленного снятия показаний счетчика. Приведена общая структура данной системы и детально описана ее программная часть, ответственная за распознавание. Указанный компонент предложено реализовать на основе процедуры, предполагающей два этапа, на первом из которых выполняется выявление шкалы счетчика и отдельных областей ее разрядов, а на втором – проводится распознавание каждой из цифр в найденных областях. Поиск шкалы счетчика предлагается осуществлять путем применения преобразования Хафа, а сегментирование области показаний на разряды – с помощью морфологических операций. Для распознавания цифр счетчиков разных типов создано обучающую выборку и обучено сверточную нейронную сеть, имеющую схожую с LeNet архитектуру.uk
dc.description.abstractukВ роботі розглянуто систему автоматичного віддаленого зняття показань лічильника. Наведено загальну структуру цієї системи і детально описано розроблену її програмну складову, що відповідає за розпізнавання. Зазначений компонент запропоновано реалізувати на основі процедури, що передбачає два етапи, на першому з яких виконується виявлення шкали лічильника і окремих областей розрядів, а на другому – проводиться розпізнавання кожної із цифр у знайдених областях. Виявлення шкали лічильника запропоновано здійснювати шляхом застосування перетворення Хафа, а сегментування області показань на розряди – за допомогою морфологічних операцій. Для розпізнавання цифр лічильників різних типів створено навчальну вибірку і навчено згорткову нейронну мережу, що має подібну до LeNet архітектуру.uk
dc.format.pagerangeС. 22-28uk
dc.identifier.citationСваха, Д. М. Система автоматичного візуального розпізнавання показань лічильника / Сваха Д. М., Варфоломєєв А. Ю. // Мікросистеми, Електроніка та Акустика : науково-технічний журнал. – 2018. – Т. 23, № 6(107). – С. 22–28. – Бібліогр.: 16 назв.uk
dc.identifier.doihttps://doi.org/10.20535/2523-4455.2018.23.6.149298
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/33206
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/uk
dc.sourceМікросистеми, Електроніка та Акустика : науково-технічний журнал, 2018, Т. 23, № 6(107)uk
dc.subjectлічильникuk
dc.subjectрозпізнаванняuk
dc.subjectзгорткова нейронна мережаuk
dc.subjectперетворення Хафаuk
dc.subjectmeteruk
dc.subjectrecognitionuk
dc.subjectconvolutional neural networkuk
dc.subjectHough transformuk
dc.subjectсчетчикuk
dc.subjectраспознаваниеuk
dc.subjectсверточная нейронная сетьuk
dc.subjectпреобразование Хафаuk
dc.subject.udc004.932.2uk
dc.titleСистема автоматичного візуального розпізнавання показань лічильникаuk
dc.title.alternativeThe System of Automatic Visual Recognition of Meter Indicationsuk
dc.title.alternativeСистема автоматического визуального распознавания показаний счетчикаuk
dc.typeArticleuk

Файли

Зібрання

Мікросистеми, Електроніка та Акустика: науково-технічний журнал, Т. 23, № 6(107)