| ارزیابی تطبیقی روش‌های قرائت هوشمند کنتورهای آب با بهره‌گیری از یادگیری عمیق و OCR |
| کد مقاله : 1118-IWWA |
| نویسندگان |
|
جواد حسینی *1، صادق فریور2 1کارشناس. دفتر فنی شرکت آب و فاضلاب خراسان جنوبی 2مدیر دفتر فنی، آبفا خراسان جنوبی |
| چکیده مقاله |
| در سال‌های اخیر، بهره‌گیری از هوش مصنوعی در صنعت آب و فاضلاب، به‌ویژه در حوزه قرائت خودکار کنتورهای مشترکین، رشد چشم‌گیری داشته است. در این پژوهش، عملکرد دو رویکرد مبتنی بر یادگیری عمیق در حوزه تشخیص (OCR) برای قرائت هوشمند کنتورهای آب مورد ارزیابی قرار گرفته است. تصاویر مورد استفاده در این مطالعه از یک دیتاست معتبر و با دسترسی عمومی انتخاب شده‌اند که شامل نمونه‌های واقعی از کنتورهای آب در شرایط نوری و زاویه‌های مختلف است. پس از پیش‌پردازش داده‌ها، مدل‌های CNN+CTC و TrOCR بر روی آن‌ها آموزش داده شدند. نتایج نشان می‌دهد که مدل TrOCR با دقت ۹۹٫۲٪ و نرخ خطای کاراکتری ۰٫۷۲٪ عملکرد بهتری نسبت به مدل CNN+CTC دارد.یکی از چالش‌های اساسی در قرائت سنتی کنتورهای آب، وابستگی به نیروی انسانی و احتمال بروز خطاهای ناشی از خستگی، اشتباهات دیداری یا ثبت نادرست اطلاعات است. این خطاها نه‌تنها موجب نارضایتی مشترکین و اختلال در صدور قبوض می‌شوند، بلکه هزینه‌های اصلاح و پیگیری را نیز افزایش می‌دهند. استفاده از مدل‌های OCR مبتنی بر یادگیری عمیق، با قابلیت پردازش دقیق تصاویر و استخراج خودکار اطلاعات عددی، می‌تواند به‌طور مؤثری این خطاها را حذف کرده و فرآیند قرائت را به‌صورت کاملاً هوشمند و بدون دخالت انسانی انجام دهد.یافته‌های این پژوهش نشان می‌دهد که بهره‌گیری از مدل‌های پیشرفته OCR نه‌تنها از نظر فنی قابل اتکا هستند، بلکه از نظر اجرایی نیز ظرفیت بالایی برای جایگزینی روش‌های سنتی دارند. |
| کلیدواژه ها |
| قرائت هوشمند، یادگیری عمیق، مشترکین آب، OCR |
| وضعیت: پذیرفته شده برای ارائه شفاهی |
