HD_MR: a new algorithm for number recognition in electrical meters

Rodríguez, Miguel; Berdugo, Geovanni; Molinares, Daladier Jabba; Calle, María; Jimeno, Miguel

doi:10.3906/elk-1202-34

Cited by 14 publications

(15 citation statements)

References 22 publications

(28 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Digit Segmentation: Projection and color-based approaches have also been widely employed for digit segmentation. 9,22,23 Digit Recognition: Template matching [21][22][23] along with simple measures of similarity have been widely used for digit recognition. Nevertheless, it is known that if a digit is different from the template due to any font change, rotation or noise, this approach produces incorrect recognition.…”

Section: Related Workmentioning

confidence: 99%

Convolutional neural networks for automatic meter reading

et al. 2019

View full text Add to dashboard Cite

In this paper, we tackle Automatic Meter Reading (AMR) by leveraging the high capability of Convolutional Neural Networks (CNNs). We design a two-stage approach that employs the Fast-YOLO object detector for counter detection and evaluates three different CNN-based approaches for counter recognition. In the AMR literature, most datasets are not available to the research community since the images belong to a service company. In this sense, we introduce a new public dataset, called UFPR-AMR dataset, with 2,000 fully and manually annotated images. This dataset is, to the best of our knowledge, three times larger than the largest public dataset found in the literature and contains a well-defined evaluation protocol to assist the development and evaluation of AMR methods. Furthermore, we propose the use of a data augmentation technique to generate a balanced training set with many more examples to train the CNN models for counter recognition. In the proposed dataset, impressive results were obtained and a detailed speed/accuracy trade-off evaluation of each model was performed. In a public dataset, state-of-the-art results were achieved using less than 200 images for training.

show abstract

Section: Related Workmentioning

confidence: 99%

Convolutional neural networks for automatic meter reading

et al. 2019

View full text Add to dashboard Cite

show abstract

“…Детально зупинятись на всіх представлених в них результатах не доцільно, оскільки запропоновані в цих працях підходи є більш-менш подібними. Тому наведемо відомості лише з джерел [4][5][6][7][8][9]. У зазначених роботах задачу розпізнавання прийнято вирішувати у декілька етапів, які, зокрема, передбачають виявлення області показань лічильника, сегментації цієї області на окремі цифри та розпізнавання знайдених цифр.…”

Section: електронні системи та сигналиunclassified

“…В залежності від того, які методи та алгоритми використовуються на кожному етапі і розрізняються запропоновані в роботах системи розпізнавання. Так, у роботах [4][5][6][7] виявлення області показань основане на аналізі кольорової інформації (найменші значущі розряди мають червоний колір або оточені червоним прямокутником, шкала з боків має риски певного кольору). Такий підхід, не позбавлений недоліків, оскільки зазначені умови характерні для лічильників не всіх моделей.…”

Section: електронні системи та сигналиunclassified

“…Сегментування цифр шкали в переважній більшості робіт базується на морфологічному обробленні та аналізі компонент зв'язності. Розпізнавання цифр шкали виконується різними способами: шляхом співставлення за шаблоном чи методом k-найближчих сусідів [6,8,9], за допомогою метрики Гаусдорфа [7], готової системи оптичного розпізнавання символів Tesseract OCR [5] та нейронних мереж [4,5]. В роботі [5] Для виявлення області показань був використаний підхід, що ґрунтується на виявленні ліній.…”

Section: електронні системи та сигналиunclassified

See 1 more Smart Citation

The System of Automatic Visual Recognition of Meter Indications

Svakha¹,

Varfolomieiev²

2018

Mìkrosist. elektron. akust.

View full text Add to dashboard Cite

Кафедра конструювання електронно-обчислювальної апаратури keoa.kpi.ua Факультет електроніки fel.kpi.ua Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» kpi.ua Київ, Україна Анотація-В 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. Бібл. 16, рис. 6. Ключові слова-лічильник; розпізнавання; згорткова нейронна мережа; перетворення Хафа 28 Електронні системи та сигнали Copyright (c) 2018 Сваха Д. М. Варфоломєєв А. Ю. 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. Ref. 16, fig. 6.

show abstract

“…One application of WVSN is sky surveillance for the detection of birds/bats which fly towards wind mills/turbines [1], [2]. Other applications includes automatic meter reading [3]- [5] and target detection/tracking [6]- [8]. Our intended application is the automatic monitoring of hydraulics systems for failure detection [9].…”

Section: Introductionmentioning

confidence: 99%

Impact of Complexity and Compression Ratio of Compression Method on Lifetime of Vision Sensor Node

Aurangzeb¹,

Alhussein²,

Haider³

2017

ElAEE

View full text Add to dashboard Cite

The energy budget is limited in remote applications of Wireless Vision Sensor Network (WVSN). It imposes strict constraints on both the processing energy consumption and transmission energy consumption of the Vision Sensor Nodes (VSN). Transmitting the raw images to the Central Base Station (CBS) consume substantial portion from the energy budget of each of the VSN. The consequence of greater transmission energy consumption due to transmitting raw images is the reduced lifetime of the VSN. Image compression standards effectively reduce the transmission energy consumption by compressing the images. But the computational complexity of a compression method has also a significant effect on the energy budget and lifetime of each of the VSN. This paper investigates the impact of the computational complexity and communication energy consumption of three chosen compression methods on the lifetime of the VSN. Both statistically generated images and the real captured images are used for evaluating the energy consumption of the three chosen image compression methods. We have determined the improvement in the lifetime of the VSN based on the computational complexity and compression ratio of the three selected binary image coding methods.

show abstract

HD_MR: a new algorithm for number recognition in electrical meters

Cited by 14 publications

References 22 publications

Convolutional neural networks for automatic meter reading

Convolutional neural networks for automatic meter reading

The System of Automatic Visual Recognition of Meter Indications

Impact of Complexity and Compression Ratio of Compression Method on Lifetime of Vision Sensor Node

Contact Info

Product

Resources

About