无约束场景下面向图像的自动指针式电表读数
计算机视觉与模式识别
2022-10-25 v2
摘要
在发展中国家，用智能电表替换模拟电表成本高、费力且远未完成。巴拉那能源公司（Copel）（巴西）每月进行超过400万次抄表（几乎全为非智能设备），我们估计其中85万次为指针式电表。因此，基于图像的自动读数系统可减少人为错误、创建读数凭证，并使客户能够通过移动应用自行读数。我们提出了用于无约束场景下自动指针式电表读数（ADMR）的新方法，并引入了一个名为UFPR-ADMR-v2的ADMR新数据集。我们性能最佳的方法将YOLOv4与一种新颖的回归方法（AngReg）相结合，并探索了多种后处理技术。与先前工作相比，它将平均绝对误差（MAE）从1343降至129，并实现了98.90%的电表识别率（MRR）——误差容限为1千瓦时（kWh）。
引用
@article{arxiv.2201.02850,
title = {Image-based Automatic Dial Meter Reading in Unconstrained Scenarios},
author = {Gabriel Salomon and Rayson Laroca and David Menotti},
journal= {arXiv preprint arXiv:2201.02850},
year = {2022}
}