Алгоритм распознавания показаний приборов учёта воды на основе методов компьютерного зрения

Рассматривается задача автоматического распознавания показаний индивидуальных приборов учета водоснабжения по фотографии. В качестве одного из возможных направлений цифровизации процессов сбора данных предложен подход, основанный на использовании стандартных средств фотофиксации и алгоритмов компьютерного зрения. Описаны особенности формирования обучающего набора данных на основе реальных изображений приборов учета, эксплуатируемых в жилищном фонде, а также меры по обеспечению устойчивости алгоритма к различным условиям съемки. Реализован двухэтапный алгоритм обработки изображения, включающий выделение области показаний и распознавание цифровых значений. Приведены результаты испытаний на реальных фотографиях, подтверждающие возможность практического применения решения в городских информационных системах.

Аффилиация авторов
Шарова Дарья Евгеневна – начальник управления стратегии внедрения искусственного интеллекта в городское управление,
Пахомов Алексей Сергеевич – руководитель направления,
Акопян Руслан Овсепович – аналитик,
Семенов Дмитрий Сергеевич – канд. техн. наук, руководитель направления,
Департамент информационных технологий города Москвы.
E-mail: PakhomovAS2@it.mos.ru; AkopyanRO@it.mos.ru; SharovaDE@it.mos.ru; SemenovDS4@it.mos.ru

Список литературы
1. Kucev R. Water Meters Dataset, 1244 Photos & Masks // https://www.kaggle.com/datasets/tapakah68/yandextolokawater-meters-dataset
2. Hong Q., Ding Y., Lin J., Wang M., Wei Q., Wang X., Zeng M. Image-Based Automatic Watermeter Reading under Challenging Environments // Sensors. 2021. 21. 434.
3. Laroca R., Araujo A. B., Zanlorensi L. A., de Almeida E. C., Menotti D. Towards Image-based Automatic Meter Reading in Unconstrained Scenarios: A Robust and Efficient Approach // IEEE Access. 2021. 9. Pp. 72889–72909.
4. Якунин А.Г., Наздрюхин А.С., Дунаев А.С. Распознавание показаний из фотографий бытовых счетчиков воды и электроэнергии // Современные наукоемкие технологии. 2020. №7. С.104–108.
5. Haseeb H., Hassan M. T., Iftikhar A., Asmat A. Automated Detection and Recognition of Seven-Segment Digits from Electric Meters Utilizing Digital Image Processing and Machine Learning // VFAST trans. softw. eng. Vol. 12. N 4. Pp. 87–98,
6. Bay Nguyen Van, Anh Nguyen, et. al. Water Meter Reading Based on Text Recognition Techniques and Deep Learning // IEEE Access. 2025.
7. Shong S., Tian H., Zhao F.A. Lightweight Electric Meter Recognition Model for Power Inspection Robots. Energies. 2024, 17, 4731.
8. Deng G., Huang T., Lin B., Liu H., Yang R., Jing W. Automatic Meter Reading from UAV Inspection Photos in the Substation by Combining YOLOv5s and DeeplabV3+ // Sensors. 2022.22. 7090.
9. Salomon G., Laroca R., Menotti D. Deep Learning for Image-based Automatic Dial Meter Reading: Dataset and Baselines. // 2020 International Joint Conference on Neural Networks (IJCNN). Glasgow. UK. 2020. pp. 1–8.
10. Vemuri R., Sapte V., Cheriyan J., Maniyar R., Kshirsagar A. Real Time & Automated Meter Reading using Image Processing: Reducing Human Error // International Research Journal of Engineering and Technology. 2022. 9(11). pp. 875–881