基于改进YOLOv5与CRNN的电表示数识别

来源：电子测量技术杂志2023年第1期北京时间：

作者：黄辉，肖豪，王琼瑶，吴建强，梁志龙

单位：五邑大学智能制造学部 江门 529030

摘要：为了提高电表示数检测和识别的准确率，基于轻量高效的YOLOv5s网络提出了改进的目标检测网络。首先，在特征提取阶段添加CBAM注意力机制对图像的重要特征进行自主学习，并设计了一种特征融合网络D-BiFPN加强了对深层特征的提取；其次，引入CIOU损失函数，使目标框的回归更加稳定。对CRNN文本识别算法的主干网络进行改进，模型保持轻量化的特点，在移动端部署上有良好的前景。最后，在电表数据集上测试得出：相比于YOLOv5算法，所提出的算法精度均值提升了5.13%；相比于CRNN算法，所提出的文本识别算法准确率提升了7.4%。实验结果表明，改进后的文本检测算法对电表示数的检测精度较高，文本识别算法准确率和速度较高，满足电表示数检测识别的实际应用需求。

关键词：电表示数识别;YOLOv5;CRNN;注意力机制;文本检测

基金资助：国家自然科学基金青年基金（51905384）项目资助