本发明涉及一种智能摄像表的云识别纠错系统及其方法。
背景技术
随着智慧城市的推进，远程抄表系统与技术越来越受到人们的关注。远程抄表系统一方面可以大大减少能源运营单位和管理部门在水、电、气、热等不同类型能源数据的采集上的人力与物力的投入，同时也促进了这些数据在后续大数据智能分析和数据挖掘中的有效利用。智能摄像表利用图像采集终端(如智能手机、采集硬件设备等)获取仪表读数图像，并利用高性能识别模型，进行自动识别，是一种新型的远程抄表模式。智能摄像表具有(1)成本低廉；(2)即装即用：无需拆装现有计量表和管道；(3)可扩展性好：方便不同类型和规格的计量表接入；(4)采集的图像数据客观准确等特点。具有广泛应用前景。
目前的智能摄像表，通过采用高性能的识别方法与模型，例如人工智能算法，已经可以获得较高的识别准确率，但仍然难以达到100％的正确识别率，因而识别结果的可靠性也就无法得到保证。特别是对于实际现场的仪表图像，通常存在图像的多方向旋转、图像模糊、拍摄反光、读数走字错格、仪表表面老化及灰尘等不利于识别的现象，目前的识别方法总是存在一定的识别错误。实际应用中，为了解决这些识别错误，传统的方法是通过人工复检的方式，对所有识别结果进行逐个检查以纠正识别错误。然而，对于大规模的智能摄像表应用，这种方式费时费力，在实际应用中存在极大的局限性。例如，对于智能摄像水表应用，如果每天产生10万条识别结果，正常情况下逐条检查纠错约需300人时。
以上不足，有待改进。
技术实现要素：
为了克服现有的技术的不足,本发明提供一种智能摄像表的云识别纠错系统及其方法。
本发明技术方案如下所述：
一种智能摄像表的云识别纠错系统，包括仪表、硬件端、网页端、图像采集端、云识别服务器及纠错系统；
所述图像采集端用于对所述仪表的仪表读数区域进行图像采集；
所述硬件端和所述网页端配合所述图像采集端将采集的仪表读数区域传输至所述云识别服务器；
所述云识别服务器用于对仪表读数区域进行定位和识别，所述云识别服务器给出仪表读数区域定位、仪表读数识别结果及相应置信度，并将仪表读数区域定位、仪表读数识别结果及置信度均发送至所述纠错系统，所述纠错系统对仪表读数区域定位、仪表读数识别结果及置信度进行自动校正和人工纠错，所述纠错系统将纠错结果更新至所述云识别服务器。
本发明的另一个目的还在于提供一种智能摄像表的云识别纠错方法，包括：
步骤s1：自动校正，具体为：根据相邻两次图像采集间隔的最大读数差值、以及前一次识别读数值，对当前识别读数值进行自动校正；
步骤s2：置信度预测及人工纠错，具体为：根据前一次识别读数值以及当前识别读数值，对当前识别读数值的置信度进行有效预测，并对仪表读数区域定位和仪表读数识别结果进行人工纠错。
进一步地，所述步骤s1包括:
步骤s11：根据预先设定的两次图像采集间隔的最大读数差值dmax，具体为：确定相邻两次读数的最大差值为1的最低读数位td,其当前识别读数值相对前一次识别读数值只能为增加1或者不变，采用的具体规则为：
(1)当dmax≤10时，则td为十位数；
(2)当10<dmax≤100时，则td为百位数；
(3)当100<dmax≤1000时，则td为千位数；
(4)其他依次类推；
步骤s12：确定前一次识别读数值，并对当前识别读数值进行自动校正，具体为：
当前一次识别读数值的为0～8时，对当前识别读数值进行自动校正；
或者，
当前一次识别读数值的为9时，对当前识别读数值进行自动校正。
进一步地，在所述步骤s12中，
当前一次识别读数值的td为0～8时，具体为：
对于td+1及更高读数位，则将其当前识别读数值修正为与前一次识别读数值相同；
对于td，若当前识别读数值相对前一次识别读数值的差值大于1，则将当前识别读数值的置信度乘以修正因子γ,γ∈[0,1]；
或者，
当前一次识别读数值的td为9时，如果满足以下条件之一时，则将当前识别读数值置信度乘以修正因子γ,γ∈[0,1]，具体为：
(1)td当前识别读数值为9，且td+1及更高读数位的当前识别读数值与前一次识别读数值不同；
(2)td当前识别读数值为0，且由td+1及更高读数位构成的数，当前识别读数值相对前一次识别读数值的差值不等于1；
(3)td当前识别读数值为1～8。
进一步地，所述步骤s2包括：
步骤s21：构建一个纠错仪表信息表数据库idlist，具体为：构建一个idlist,idlist的一条信息对应一块仪表，并将idlist初始化为空；
步骤s22：根据仪表编号，将仪表分为三个优先级纠错列表，具体为：根据仪表编号，将仪表分为三个优先级纠错列表,从高到低依次为level-1、level-2、level-3；
步骤s23：计算每个仪表读数识别结果的置信度，具体为：对于云识别服务器给出的每个仪表读数识别结果，纠错系统根据当前识别读数值和前一次识别读数值计算置信度，并按照置信度插入到纠错列表中；
步骤s24：通过纠错客户端进行人工纠错，具体为:
纠错系统包括云纠错服务器和纠错客户端；
云纠错服务器保存idlist；
纠错客户端提供人工纠错界面，通过人机交互完成人工纠错，并将纠错结果更新到云纠错服务器。
进一步地，在所述步骤s22中，
(1)level-1对应仪表id未在idlist中；
(2)level-2对应仪表id已经存在于idlist中，且当前识别读数值存在明显错误；
(3)level-3对应仪表id已经存在于idlist中，且当前识别读数值无法判断存在明显错误。
进一步地，在所述步骤s22(2)中,当前识别读数值存在明显错误的判读规则为：
当前识别读数值的位数不正确；
或者，
当前识别读数值与前一次识别读数值的差值大于一定阈值，或者小于0。
进一步地，在所述步骤s23中，
(1)对于纠错优先级为level-1和level-2的仪表读数识别结果，置信度f的计算公式为：
其中，fl、fr分别为识别服务器给出的读数区域定位和识别置信度；
(2)对于纠错优先级为level-3的仪表读数识别结果，置信度f的计算公式为：
其中，λ为调节系数，参考取值为0.5，vd为瞬时日读数差，vrd为日读数差偏差比；
瞬时日读数差vd的计算公式为：
其中，vs为仪表当前识别读数值与前一次识别读数值的差值，取值范围为0到最大读数值之间，t为时间间隔，换算为以天为单位，t1为设定阈值，参考取值为0.5；
日读数差偏差比vrd的计算公式为：
其中，vdavg为历史平均日读数差，α为调节系数，参考取值0.06125，t2为设定阈值，取平均日读数差的最小允许值。
进一步地，在所述步骤s24中，
纠错系统允许多个纠错客户端同时进行纠错，具体为：
对于云纠错服务器中的idlist，由纠错客户端向云纠错服务器提交申请，云纠错服务器获取一定数量的待纠错仪表读数信息，完成纠错后，云纠错服务器可以再次申请待纠错仪表读数信息，云纠错服务器根据识别置信度，按照从小到大顺序，依次发送到纠错客户端，进行人工纠错，发送到纠错客户端的顺序为：优先发送纠错优先级为level-1的读数信息，然后发送优先级为level-2的读数信息，最后为优先级为level-3的读数信息，相同优先级的信息，则按照识别置信度从小到大顺序发送。
进一步地，在所述步骤s24中，纠错系统根据纠错结果对idlist更新的内容包括：
对于纠错优先级为level-1的仪表识别结果，纠错系统更新内容包括：仪表读数区域定位、仪表读数位数、前一次识别读数值及识别时间，并把vdavg置零；
对于纠错优先级为level-2的仪表识别结果，纠错系统更新内容包括：仪表读数区域定位、vdavg、前一次识别读数值及识别时间；
对于纠错优先级为level-3的仪表识别结果，纠错系统更新内容包括：仪表读数区域定位、vdavg、前一次识别读数值及识别时间；
vdavg的计算公式为：
vdavg＝β×vdavg×(t-1)+(1-β)vd
其中β为常数，表示取过去1/(1-β)次日读数差的平均值。
根据上述方案的本发明，其有益效果在于：
本实施例提供的智能摄像表的云识别纠错系统的有益效果为:
(1)本发明提供的智能摄像表的云识别纠错系统，纠错系统对仪表读数区域定位、仪表读数识别结果及置信度进行自动校正和人工纠错，自动校正与人工纠错有机结合，既保障了仪表读数识别结果的可靠性，也有效提高了大批量数据纠错的时效性，具有明显优势，且可以有效减少人工纠错的工作量，提高纠错效率，极大降低了需要人工纠错的数据；本发明仅仅需要对少部分识别结果(例如3％或更低)进行人工纠错，识别结果的可靠性就可以得到保证，具有较好的实际应用价值。
(2)本实施例提供的智能摄像表的云识别纠错方法的有益效果为:根据相邻两次图像采集间隔的最大读数差值、以及前一次识别读数值，对当前识别读数值进行自动校正，可以有效减少人工纠错的工作量，提高纠错效率；对当前识别读数值的置信度进行有效预测，极大降低了需要人工纠错的数据数量；将自动校正与人工纠错有机结合，既保障了识别的可靠性，也有效提高了大批量数据纠错的时效性，具有明显优势；本发明仅仅需要对少部分识别结果(例如3％或更低)进行人工纠错，识别结果的可靠性就可以得到保证，具有较好的实际应用价值。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的智能摄像表的云识别纠错系统的结构示意图；
图2为本发明的智能摄像表的云识别纠错方法的流程图；
图3为本发明的自动校正的流程图；
图4为本发明的置信度预测及人工纠错的流程图。
具体实施方式
请参阅图1，一种智能摄像表的云识别纠错系统，包括仪表、硬件端、网页端、图像采集端、云识别服务器及纠错系统；
所述图像采集端用于对所述仪表的仪表读数区域进行图像采集；
所述硬件端和所述网页端配合所述图像采集端将采集的仪表读数区域传输至所述云识别服务器；
所述云识别服务器用于对仪表读数区域进行定位和识别，所述云识别服务器给出仪表读数区域定位、仪表读数识别结果及相应置信度，并将仪表读数区域定位、仪表读数识别结果及置信度均发送至所述纠错系统，所述纠错系统对仪表读数区域定位、仪表读数识别结果及置信度进行自动校正和人工纠错，所述纠错系统将纠错结果更新至所述云识别服务器。
本实施例提供的智能摄像表的云识别纠错系统的工作原理如下:图像采集端对仪表读数区域进行图像采集，并通过硬件端和网页端的配合将采集的仪表读数区域传输至云识别服务器，云识别服务器给出仪表读数区域定位、仪表读数识别结果及相应置信度，纠错系统对仪表读数区域定位、仪表读数识别结果及置信度进行自动校正和人工纠错，然后纠错系统将纠错结果更新至所述云识别服务器。
本实施例提供的智能摄像表的云识别纠错系统的有益效果为:
本发明提供的智能摄像表的云识别纠错系统，纠错系统对仪表读数区域定位、仪表读数识别结果及置信度进行自动校正和人工纠错，自动校正与人工纠错有机结合，既保障了仪表读数识别结果的可靠性，也有效提高了大批量数据纠错的时效性，具有明显优势，且可以有效减少人工纠错的工作量，提高纠错效率，极大降低了需要人工纠错的数据；本发明仅仅需要对少部分识别结果(例如3％或更低)进行人工纠错，识别结果的可靠性就可以得到保证，具有较好的实际应用价值。
优选地，仪表为水表或电表或燃气表或暖气表。
请参阅图2，本发明的另一目的还在于提供一种智能摄像表的云识别纠错方法，包括：
步骤s1：自动校正，具体为：根据相邻两次图像采集间隔的最大读数差值、以及前一次识别读数值，对当前识别读数值进行自动校正；
步骤s2：置信度预测及人工纠错，具体为：根据前一次识别读数值以及当前识别读数值，对当前识别读数值的置信度进行有效预测，并对仪表读数区域定位和仪表读数识别结果进行人工纠错。
本实施例提供的智能摄像表的云识别纠错方法的有益效果为:根据相邻两次图像采集间隔的最大读数差值、以及前一次识别读数值，对当前识别读数值进行自动校正，可以有效减少人工纠错的工作量，提高纠错效率；对当前识别读数值的置信度进行有效预测，极大降低了需要人工纠错的数据数量；将自动校正与人工纠错有机结合，既保障了识别的可靠性，也有效提高了大批量数据纠错的时效性，具有明显优势；本发明仅仅需要对少部分识别结果(例如3％或更低)进行人工纠错，识别结果的可靠性就可以得到保证，具有较好的实际应用价值。
请参阅图3，优选地，所述步骤s1包括:
步骤s11：根据预先设定的两次图像采集间隔的最大读数差值dmax，具体为：确定相邻两次读数的最大差值为1的最低读数位td,其当前识别读数值相对前一次识别读数值只能为增加1或者不变，采用的具体规则为：
(1)当dmax≤10时，则td为十位数；
(2)当10<dmax≤100时，则td为百位数；
(3)当100<dmax≤1000时，则td为千位数；
(4)其他依次类推；
步骤s12：确定前一次识别读数值，并对当前识别读数值进行自动校正，具体为：
当前一次识别读数值的为0～8时，对当前识别读数值进行自动校正；
或者，
当前一次识别读数值的为9时，对当前识别读数值进行自动校正。
优选地，在所述步骤s12中，
当前一次识别读数值的td为0～8时，具体为：
对于td+1及更高读数位，则将其当前识别读数值修正为与前一次识别读数值相同；
对于td，若当前识别读数值相对前一次识别读数值的差值大于1，则将当前识别读数值的置信度乘以修正因子γ,γ∈[0,1]；
或者，
当前一次识别读数值的td为9时，如果满足以下条件之一时，则将当前识别读数值置信度乘以修正因子γ,γ∈[0,1]，具体为：
(1)td当前识别读数值为9，且td+1及更高读数位的当前识别读数值与前一次识别读数值不同；
(2)td当前识别读数值为0，且由td+1及更高读数位构成的数，当前识别读数值相对前一次识别读数值的差值不等于1；
(3)td当前识别读数值为1～8。
请参阅图4，优选地，所述步骤s2包括：
步骤s21：构建一个纠错仪表信息表数据库idlist，具体为：构建一个idlist,idlist的一条信息对应一块仪表，并将idlist初始化为空；其中每条信息包含：仪表纠错优先级、仪表编号(id)、仪表读数区域定位、仪表读数位数、历史平均日读数差、前一次识别读数值和识别时间。
步骤s22：根据仪表编号，将仪表分为三个优先级纠错列表，具体为：根据仪表编号，将仪表分为三个优先级纠错列表,从高到低依次为level-1、level-2、level-3；
步骤s23：计算每个仪表读数识别结果的置信度，具体为：对于云识别服务器给出的每个仪表读数识别结果，纠错系统根据当前识别读数值和前一次识别读数值计算置信度，并按照置信度插入到纠错列表中；
步骤s24：通过纠错客户端进行人工纠错，具体为:
纠错系统包括云纠错服务器和纠错客户端；
云纠错服务器保存idlist；
纠错客户端提供人工纠错界面，通过人机交互完成人工纠错，并将纠错结果更新到云纠错服务器。
纠错内容包括仪表读数区域定位、仪表读数识别结果。
纠错客户端置于本地，通过http超文本传输协议，访问云纠错服务器。
优选地，在所述步骤s22中，
(1)level-1对应仪表id未在idlist中；
(2)level-2对应仪表id已经存在于idlist中，且当前识别读数值存在明显错误；
(3)level-3对应仪表id已经存在于idlist中，且当前识别读数值无法判断存在明显错误。
优选地，在所述步骤s22(2)中,当前识别读数值存在明显错误的判读规则为：
当前识别读数值的位数不正确；
或者，
当前识别读数值与前一次识别读数值的差值大于一定阈值，或者小于0。
优选地，在所述步骤s23中，
(1)对于纠错优先级为level-1和level-2的仪表读数识别结果，置信度f的计算公式为：
其中，fl、fr分别为识别服务器给出的读数区域定位和识别置信度；
(2)对于纠错优先级为level-3的仪表读数识别结果，置信度f的计算公式为：
其中，λ为调节系数，参考取值为0.5，vd为瞬时日读数差，vrd为日读数差偏差比；
瞬时日读数差vd的计算公式为：
其中，vs为仪表当前识别读数值与前一次识别读数值的差值，
考虑到仪表读数到达最大值后从零开始循环，如果仪表读数识别结果出现负增长时，读数差值取计算结果与最大读数值之和，并对该值与最大读数取模运算，取值范围为0到最大读数值之间，t为时间间隔，换算为以天为单位，t1为设定阈值，参考取值为0.5；
日读数差偏差比vrd的计算公式为：
其中，vdavg为历史平均日读数差，α为调节系数，参考取值0.06125，t2为设定阈值，取平均日读数差的最小允许值，不同的仪表类型，具有不同取值。
优选地，在所述步骤s24中，
纠错系统允许多个纠错客户端同时进行纠错，具体为：
对于云纠错服务器中的idlist，由纠错客户端向云纠错服务器提交申请，云纠错服务器获取一定数量的待纠错仪表读数信息，完成纠错后，云纠错服务器可以再次申请待纠错仪表读数信息，云纠错服务器根据识别置信度，按照从小到大顺序，依次发送到纠错客户端，进行人工纠错，发送到纠错客户端的顺序为：优先发送纠错优先级为level-1的读数信息，然后发送优先级为level-2的读数信息，最后为优先级为level-3的读数信息，相同优先级的信息，则按照识别置信度从小到大顺序发送。
优选地，在所述步骤s24中，纠错系统根据纠错结果对idlist更新的内容包括：
对于纠错优先级为level-1的仪表识别结果，纠错系统更新内容包括：仪表读数区域定位、仪表读数位数、前一次识别读数值及识别时间，并把vdavg置零；
对于纠错优先级为level-2的仪表识别结果，纠错系统更新内容包括：仪表读数区域定位、vdavg、前一次识别读数值及识别时间；
对于纠错优先级为level-3的仪表识别结果，纠错系统更新内容包括：仪表读数区域定位、vdavg、前一次识别读数值及识别时间；
vdavg的计算公式为：
vdavg＝β×vdavg×(t-1)+(1-β)vd
其中β为常数，表示取过去1/(1-β)次日读数差的平均值。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
上面结合附图对本发明专利进行了示例性的描述，显然本发明专利的实现并不受上述方式的限制，只要采用了本发明专利的方法构思和技术方案进行的各种改进，或未经改进将本发明专利的构思和技术方案直接应用于其它场合的，均在本发明的保护范围内。