چکیده مقاله
در سال های اخیر، استفاده از هوش مصنوعی برای قرائت خودکار کنتورهای آب رشد چشمگیری داشته است این پژوهش به ارزیابی عملکرد دو مدل مبتنی بر یادگیری عمیق در حوزه تشخیص نوری کاراکتر OCR — شامل معماری ترکیبی CNN CTC و مدل ترانسفورمری TrOCR — برای قرائت هوشمند کنتورهای آب پرداخته است داده ها از یک دیتاست عمومی و معتبر شامل تصاویر واقعی کنتورها در شرایط نوری و زاویه های متنوع انتخاب و پس از پیش پردازش، مدل ها آموزش داده شدند معیارهای ارزیابی شامل دقت کلی، خطای عددی میانگین MAE ، نرخ خطای کاراکتری CER و روند همگرایی بود نتایج نشان داد مدل TrOCR با دقت ۹۹٫۲٪ و CER معادل ۰٫۷۲٪ عملکردی برتر نسبت به CNN CTC دارد تحلیل های تصویری مبتنی بر Heatmap نیز تایید کرد که پیش بینی های TrOCR هم خوانی بالاتری با مقادیر واقعی دارند این روش ها ضمن رفع چالش های قرائت سنتی مانند خطاهای انسانی ناشی از خستگی یا ثبت نادرست ، می توانند فرآیند را به صورت کاملا خودکار، سریع تر و با دقت بالاتری انجام دهند مزایای اجرایی شامل کاهش هزینه های عملیاتی، افزایش سرعت قرائت، امکان پایش لحظه ای مصرف و بهبود کیفیت داده هاست یافته ها حاکی از آن است که بهره گیری از مدل های پیشرفته OCR نه تنها از نظر فنی قابلیت اطمینان دارد، بلکه از نظر عملیاتی نیز ظرفیت جایگزینی موثری برای روش های سنتی قرائت دارد و می تواند زیرساختی برای توسعه سامانه های مدیریت هوشمند مصرف آب فراهم کند
کلیدواژه‌ها
نویسندگان
جواد حسینی
کارشناس طراحی و بازسازی خطوط انتقال و شبکه توزیع، شرکت آب و فاضلاب خراسان جنوبی
صادق فریور
مدیر دفتر مطالعات و بررسیهای فنی، شرکت آب و فاضلاب خراسان جنوبی
شیوه ارجاع
�سینی، جواد و فریور، صادق،1404،ارزیابی تطبیقی روش های قرائت هوشمند کنتورهای آب با بهره گیری از یادگیری عمیق و OCR،سومین همایش ملی مدیریت کیفیت آب و پنجمین همایش ملی مدیریت مصرف آب با رویکرد کاهش هدررفت و بازیافت،تهران
ارائه‌شده در
مجموعه مقالات سومین همایش ملی مدیریت کیفیت آب و پنجمین همایش ملی مدیریت مصرف آب با رویکرد کاهش هدررفت و بازیافت11 آذر 1404 · تهران