共计 1583 个字符，预计需要花费 4 分钟才能阅读完成。
我国电力行业倒退迅速，电表作为测电设备经验了一般电表、预付费电表和智能电表三个阶段的倒退。在产业场景中，表的品种多达十几种，过来依赖人工抄表，老本很高。如果可能采集到大量电表图片，借助人工智能技术批量检测和辨认，将会大幅晋升效率。 本次飞桨产业实际范例库 开源电表读数辨认场景利用，提供了从数据筹备、技术计划、模型训练优化，到模型部署的全流程可复用计划，升高产业落地门槛。
⭐我的项目链接⭐https://github.com/PaddlePaddle/awesome-DeepLearning 所有源码及教程均已开源，欢送大家应用，star 激励~
基于深度学习技术
实现电表读数辨认
本场景要解决多类别电表辨认工作，从技术上须要对多种类别的电表表数和表号进行检测再辨认，从数据到模型面临着多重问题。
我的项目难点：
- 在数据方面，电表品种多、数据少、拍摄角度多样且局部数据反光重大。
- 如何从零标注电表数据，抉择何种标注软件可能最快速度构建数据集？
- 技术路线的抉择也面临多方面的问题，例如是通过文字检测来反向微调，还是通过指标检测从零训练？
本我的项目将一一解决这些难点。
我的项目计划：
基于上述难点，飞桨开发者技术专家一直进行尝试，最终选用了飞桨文字辨认套件 PaddleOCR 中的 PP-OCR 模型进行了微调与优化，其检测局部基于 DB 的宰割办法实现，间接解决了电表数据中的歪斜问题，通过再造数据集来裁减辨认数据集，训练辨认模型。PP-OCR 模型通过大量试验，其泛化性也足以撑持简单垂类场景下的成果。
在数据标注工具上，应用 PPOCRLabel 实现半自动标注，内嵌 PP-OCR 模型，一键实现机器主动标注，且具备便捷的批改体验。反对四点框、矩形框标注模式，导出格局可间接用于 PaddleOCR 训练，标注效率显著晋升。
计划优化：
在优化方面，首先对 PP-OCR 模型的检测局部进行初步微调，而后通过对数据的进一步剖析，发现原始图像分辨率较大，进而调整 EastRandomCropData 的尺寸，放大输出模型前的图像尺度。通过 CopyPaste 数据加强解决数据量小的问题，并且依据理论状况调小学习率。
我的项目成果：
最终在评测数据集上从原先的 Hmeans=0.3 优化到 0.85。除此之外，本我的项目也尝试了一部分指标检测算法。具体的优化过程和具体解释，欢送大家关注直播！
微调前后比照
部署方面应用飞桨原生推理库 Paddle Inference 实现，满足用户批量预测、数据安全性高、提早低的需要，疾速在本地实现部署计划。
产业实际范例教程
助力企业逾越 AI 落地鸿沟
飞桨产业实际范例，致力于减速 AI 在产业落地的后退门路，缩小实践技术与产业利用的差距。范例来源于产业实在业务场景，通过残缺的代码实现，提供从数据筹备到模型部署的计划过程解析，堪称产业落地的“主动导航”。
- 实在产业场景：与理论具备 AI 利用的企业单干共建，选取企业高频需要的 AI 利用场景如智慧城市 - 安全帽检测、智能制作 - 表计读数等；
- 残缺代码实现：提供可一键运行的代码，在“AI Studio 一站式开发平台”上应用收费算力一键 Notebook 运行；
- 具体过程解析：深度解析从数据筹备和解决、模型抉择、模型优化和部署的 AI 落地全流程，共享可复用的模型调参和优化教训；
- 中转我的项目落地：百度高工手把手教用户进行全流程代码实际，轻松中转我的项目 POC 阶段。
精彩课程预报
为了让小伙伴们更便捷地利用电表读数范例教程，咱们邀请了飞桨开发者技术专家于 3 月 3 日 20:30-21:00 为大家深度解析从数据筹备、方案设计到模型优化部署的开发全流程，手把手教大家进行代码实际。欢送小伙伴们扫码进群，收费获取直播课和回放视频链接，更有机会取得笼罩智慧城市、工业制作、金融、互联网等行业的飞桨产业实际范例手册！ 也欢送感兴趣的企业和开发者与咱们分割，交换技术探讨单干。
扫码报名直播课，退出技术交换群
