电表电流检测方法（矩案例OCR功能应用实战）

我国电力行业发展迅速，电表作为测电设备经历了普通电表、预付费电表和智能电表三个阶段的发展。

在产业场景中，表的种类多达十几种，过去依赖人工抄表，产线上需要专门的人员去手动切换画面，来观察每个画面显示的字符是否正确。每个月到了抄表那几天，大家总能在街头巷尾看到背着工具包、拿着抄表本、扛着小竹梯，穿梭在大街小巷的抄表员们。10000个电表的抄录，一个人要忙上10多天时间。

因为字符数量多，形状复杂，字符面积小，检测速度快，人员易疲劳等原因，检测效率低，容易漏检，误检。

这种采用人工目视检测方式缺点有：

1.漏检率高。由于人眼容易疲劳及工作情绪的影响，人为因素造成漏检的概率很高。

2.检测速度慢。检测一个电表需要最少3秒以上。

如果能够采集到大量电表图片，借助人工智能技术批量检测和识别，将会大幅提升效率。

电表显示屏信息检测的准确率的大小，取决于是否能够完整地分割出显示屏区域中的字符信息，如数字符号信息，文字与符号信息。

在使用工业相机进行图像采集时，图像质量以及后续信息识别会受到外部环境影响，如光照不均、暗影等。图像中字符与背景对比度较低，不易准确识别出显示屏区域字符信息。

检测难点：

01：电表种类多、数据少、拍摄角度多样且部分数据反光严重

02：整屏不显、字符或字段不显、液晶损伤

检测要求：

01：准确检测检测LCD显示字符是否有缺笔，多笔，坏点。

02：准确检测面板上的型号及参数和序列号。

03：精度实现毫米级。

04：准确率：100%。

机器视觉因为其拥有的良好性能，在图像处理的过程中发挥了不可或缺的作用。

矩视智能低代码平台是基于深度学习检测技术，具有缺陷检测、尺寸测量、字符识别等功能，具有智能化程度高、非接触和精度高等优点, 已被各工业检测领域广泛采纳。并且能够迅速处理短时间内获取的众多信息，同时对信息中加工和检测部分进行整合处理。因此，在自动化、智能化普及的日常生产中，矩视智能低代码平台在产品质量检测、产品加工状态检测等众多方面应用广泛。

在生产过程中遇到的一些问题需要采用柔性的解决方式，机器视觉技术能够很好地适应工作环境，完成一些特殊情况下人为检测很难实现的工作，因此，相比于人工检测来说，机器视觉技术对产品的检测效率、精度都有很大程度的提高和改善，同时节省了大量劳动力资源，在自动化程度方面更有优势。

因此基于机器视觉技术，矩视智能低代码平台对电表显示屏进行信息检测，先对显示屏区域进行图像提取，消除无用信息的干扰，完成目标区域提取后，采用深度学习训练方式，对显示屏区域不同字符信息进行分块处理，完成不同类别的字符信息检测，最终实现对电表显示屏的字符检测。

采用功能：OCR识别

具体检测步骤

Step 1 拍照采集电能表图像信息

在获取电能表图像信息时，首先要将电能表通电使指示灯与液晶显示屏全部亮起，然后逐行扫描，相机对外观进行拍照并将图像存入采集卡中，实现电能表检定的图像信息采集。

Step 2 图像标注训练提取关键信息

对需要检测识别的字符，采用矩形标注狂进行逐一标注，建议标注图片数量在30张以上，标注数量越多，模型训练准确率越高。

Step 3 测试环节 未标注图片转已标注

模型训练结束后，进入测试环节，测试时间大概在2-3分钟左右，测试成功后，模型中未标注图片，全部转为已标注状态，识别准确率达到100%。

矩视智能机器视觉低代码平台是一个面向机器视觉应用的云端协同开发平台，始终秉承0成本、0代码、0门槛、0硬件的产品理念。

平台以人工智能技术为核心，在机器视觉应用开发环节，为开发者提供图像采集、图像标注、算法开发、算法封装和应用集成的一站式完整工具链。覆盖字符识别、缺陷检测、尺寸测量、目标定位等上百项通用功能，致力于成为全球用户量最多，落地场景最广泛的机器视觉低代码平台。

更多功能正在开发中，最新信息会第一时间在官方公众号进行公布，大家持续关注哦！