基于特征提取的电力电子凭证图像识别系统.pdf

电子设计工程Electronic Design Engineering第31卷Vol.31第16期No.162023年8月Aug.2023收稿日期：2022-01-07稿件编号：202201031作者简介：张俊超（1994），男，青海西宁人，工程师。研究方向：电网信息化应用。为了适应国内外复杂的经济环境，加快发展方式的转变，国网公司积极探索建立电子凭证管理平台，统一原始凭证管理标准。以往依据人工统计方式，结合经验预测电子凭证售电收入资金，该方式受人为因素影响较大，无法有效地为资金预测提供精准数据。为此，有学者提出了基于视觉传达的电子凭证图像识别方法，通过阈值处理图像，获取凭证特征，以灰度变换为核心进行局部识别，能够最大限度保留局部图像信息1；还有学者提出了基于神经网络基于特征提取的电力电子凭证图像识别系统张俊超，马晓琴，严嘉正（国网青海省电力公司信息通信公司，青海 西宁 810008）摘要：针对现有电子凭证图像识别方法中存在电子凭证图像识别效果不佳，其导致售电收入资金出现不准确的情况等问题，提出设计基于特征提取的电力电子凭证图像识别系统。将 FPGA器件设置在系统内部集成串并收发器，提升系统工作速度。通过IEEE1394数字接口数字采集卡，采集识别信号。采用多Bank结构的SDRAM芯片，不断刷新识别数据，避免数据丢失。利用随机森林算法预测售电收入资金，并提取预测变量特征。基于特征提取结果，设计电子凭证图像识别流程，实现凭证自动识别。实验结果表明，该系统图像识别结果仅与实际电子凭证售电收入资金相差较小，具有精准的识别结果，识别效果较好。关键词：特征提取；电子凭证；图像识别；凭证自动化；售电收入资金中图分类号：TN911.73文献标识码：A文章编号：1674-6236（2023）16-0081-05DOI：10.14022/j.issn1674-6236.2023.16.017Power electronic voucher image recognition system based on feature extractionZHANG Junchao，MA Xiaoqin，YAN Jiazheng（State Grid Qinghai Information&Telecommunication Company，Xining 810008，China）Abstract:In view of the problems existing in the existing electronic voucher image recognition methods，such as poor recognition effect of electronic voucher image，this has led to inaccuracies in the fundsgenerated from electricity sales and so on.Therefore，a power electronic voucher image recognition systembased on feature extraction is proposed.The FPGA device is set in the system to integrate the serialparallel transceiver to improve the working speed of the system.Through IEEE1394 digital interfacedigital acquisition card，acquisition of identification signals.SDRAM chip with multi Bank structure isadopted to continuously refresh the identification data to avoid data loss.The stochastic forest algorithm isused to predict the power sales revenue，and the characteristics of prediction variables are extracted.Based on the feature extraction results，the electronic voucher image recognition process is designed torealize the automatic voucher recognition.The experimental results show that the image recognition resultof the system is only slightly different from the actual electronic voucher power sales revenue.It hasaccurate recognition results and good recognition effect.Keywords:feature extraction；electronic voucher；image recognition；voucher automation；funds generatedfrom electricity sales-81电子设计工程 2023年第16期的电子凭证图像识别方法，通过构建神经网络图像分类模型，对图像进行详细分类，结合误差反向传播算法实现图像识别2。然而，上述这些方法对售电收入资金预测研究内容较少，难以支撑当下企业战略制定的需要，导致使用这两种方法获取的数据与实际数据对比相差较大。为解决上述方法中存在的问题，提出了基于特征提取的电力电子凭证图像识别系统。1系统硬件结构设计基于特征提取的电力电子凭证图像识别系统，核心器件为 FPGA 器件、采集板卡、多端口 SDRAM控制器，硬件结构如图1所示。图1系统总体结构图 1中将 CMOS图像传感器和液晶显示器与开发面板相连。当电源加载后，通过 SDATA 串行总线，由 SCLK 时钟构成传感器 I2C 组态传输到图像传感器中。该系统摄像控制模块也将 25 MHz的主时钟信号发送给图像传感器。然后图像传感器将获取的数据转换为RAW的RGB格式，并将其转移到RAM中。利用多端口 SDRAM控制器建立完整的帧缓存3。将从 SDRAM 装置所得到的数据传送到影像处理与辨识模组，以便处理。最终，LCD控制器及数据请求模块向多端口 SDRAM控制模块传送数据请求4。1.1FPGA器件FPGA 是一种可编程逻辑器件，应用范围很广。该产品具有可编程功能，可根据 FPGA 器件进行具体的数字电路设计。在 FPGA 器件中，线路资源与FPGA中的每一个单元连接，而线路长度和技术水平将直接影响到 FPGA器件中的信号传输能力和传输速度5-6。FPGA器件根据电力网络拓扑结构，自动选取与电子凭证相关的区域进行布线，导致网络资源被浪费7。因此，在装置中设置积分时钟和积分重置/设定模式，其结构如图2所示。图2FPGA器件结构FPGA器件采用串口收发技术，满足通信总线与接口要求。1.2采集板卡采集板卡采用 IEEE1394数字接口，利用数字变换技术，可获得与原始图像一样的非破坏性数据。采集板卡通过摄像机将采集光信号输入到计算机中，通过核心模块将其转换为数字信号的形式，并进行采集、存储、回放8-10。1.3多端口SDRAM控制器SDRAM是一种具有同步随机存储的芯片，能够随意读取和写入指定数据，并更新存储阵列，以保证数据的安全11。该芯片内部是多 Bank结构，当一个Bank在充电过程时，另一个 Bank能立刻读取数据。在数据读取过程中，有效地提高了芯片存取速度12。1.4CMOS图像传感器图像传感器设计中使用CMOS器件结合CCD技术，将器件芯片置于光刻表面，使每一像素块成为一种微透镜，再由入射光线共同构成感光元件，从而增加有效填充因子13。COMS 图像传感器是利用光电转换技术实现光像转换的装置，该方法可把光学图像分解成若干个微小的单元，并转换成有用的电子信号。2系统软件部分设计2.1电子凭证售电收入资金预测以电子凭证售电收入资金为主要指标，利用随机森林算法对指标进行预测，并将其用于特征提取，为电子凭证图像识别提供依据。月售电收入资金计算公式为：P=P总T总-T分（1）-82式中，P总表示年度售电收入资金；T总表示年度天数；T分表示当年需调整天数。在随机森林预测中，引入式（1）的计算结果，可防止由于预测过程的错误而影响预测的准确性14。通过对样本进行随机取样，共获取N个样本，重复以上步骤，得出M个独立的决策树，以获得新的分类效果。基于随机森林预测过程如下所示：步骤一：从抽样空间中随机抽取 K个特征，并依据所选择的样本特征构造决策树；步骤二：获取 M 个独立决策树，并形成随机森林；步骤三：对于待预测数据，经过M个独立决策树进行决策后，以确定用户历史用电行为、交费行为、资金到账规律15；步 骤 四：给 定 分 类 集 合R1()、R2()、R3()、Rn()，根据输入的变量构建预测模型：f(,)=avgng(Rn()=)-maxavgng(Rn()=)（2）式中，表示用户的历史用电行为、交费行为、资金到账规律特征变量的集合；表示输入变量的正确电子凭证标签集合；表示预测结果出现错误的电子凭证标签集合；g(Rn()=)表示输入变量正确分类的平均分类数量；g(Rn()=)表示输入变量错误分类的平均分类数量。步骤五：为度量随机森林算法对输入变量预测结果出现的误差，可用如下公式来表示：e=P,(f(,)0（3）利用随机森林算法预测售电收入资金，提高预测数据的精准度，为电子凭证图像识别流程设计提供有效的资金预算支撑依据。2.2基于特征提取的识别流程设计将基于特征提取的电子凭证售电收入资金预测结果应用到电子凭证图像识别过程中，不仅能够优化凭证流程，实现凭证自动化管理，详细过程如图 3所示。由图 3 可知，在认证业务处理过程中输入用户历史用电行为、交费行为、资金到账规律特征变量后，由请求受理器根据输入的变量查询数据库，获取相应的凭证数据。如果数据库中不存在相应数据，则向输送端发起反馈申请并存储到数据库中16。系统根据提交的图像数据和返回数据进行识别，设定阈值，根据阈值判断两种数据是否相似。如果相似则说明匹配成功，电子凭证结果有效，将该结果输出到认证处理阶段。否则匹配失败，电子凭证结果无效，无须输出识别结果17-18。3实验分析为了验证提出的基于特征提取的电力电子凭证图像识别系统设计的合理性，进行了实验验证分析。3.1实验数据分析以某省一年的用户用电量为研究对象，分析不同时间段下用户用电量情况，并获取电子凭证。用户在网上进行用电缴费的详细过程如下所示：进入缴费界面时，再点击【电费】，再点击右上角的【缴费记录】，点击缴费记录后看到【缴费账单】，找到想要开发票的具体时间，点击【电费】。点击电费后看到账单详情，再点击【查看缴费详情】。在缴费详情里面，点击【缴费凭证】，该缴费凭证是电子缴费的发票，也是回单。将服务系统部署在阿里云服务器中，通过该服务器统计近1年的售电收入资金，如图4所示。图4近1年月售电收入资金时序图图3基于特征提取的识别流程张俊超，等基于特征提取的电力电子凭证图像识别系统-83电子设计工程 2023年第16期由图 4 可知，在近 1 年中，9-10 月份为用电低谷，8-9月份为用电高峰。抽取 2020年 9-10月份 10个用户的月售电收入资金情况进行详细分析，电子凭证如图5所示。图59-10月份月售电收入资金电子凭证由图 5可知，通过用户电费电子凭证，能够精准掌握每个用户的用电量。3.2实验结果分析基于上述实际数据，分别使用基于视觉传达的电子凭证图像识别方法、基于神经网络的电子凭证图像识别方法和基于特征提取的电力电子凭证图像识别系统，对比分析用户电费电子凭证图像识别结果，如图6所示。由图 6（a）可知，在序号 3、4、5、6、7、8处的图像识别效果不佳，尤其在 5、6 处的图像识别效果较差，识别不出任何数据。在序号 4、7 处出现了与实际用户缴费资金不一致的识别结果，分别相差 2.5元和 1.5元。由图 6（b）可知，在序号 5、6 处的图像识别效果不佳，尤其在 5处的图像识别效果较差，识别不出任何数据。在序号 6处出现了与实际用户缴费资金不一致的识别结果，相差2.0元。由图 6（c）可看出，在序号 4、5、6、7 处的图像识别效果一般，尤其在序号 5、6 处出现了与实际用户缴费资金不一致的识别结果，均差 1.0元，其余识别结果与实际缴费资金一致。通过上述分析结果可知，使用基于特征提取的电力电子凭证图像识别系统，能够精准识别电子凭证中的数据。图6三种方法电子凭证图像识别结果对比-844结束语该文提出的基于特征提取的电力电子凭证图像识别系统，利用随机森林算法预测售电收入资金，改变以往人工预测模式，使预测结果不会受到人工因素影响，具有精准的识别结果，且科学性更强，能够有效支撑售电收入资金预算的计划安排。同时，对现有营销系统模块改造、对电力电子凭证图像识别流程进行优化，实现凭证自动化管理。参考文献：1 王卓.基于视觉传达的视频图像帧特征动态识别仿真J.计算机仿真,2020,37(7):455-458,479.2 刘伟博,白鲲.基于神经网络的运动视频图像分类和识别研究J.现代电子技术,2021,44(20):163-167.3 朱阳光,刘瑞敏,黄琼桃.基于深度神经网络的弱监督信息细粒度图像识别J.电子测量与仪器学报,2020,34(2):115-122.4 王海霞,李凯勇.基于机器学习的图像敏感信息识别方法J.现代电子技术,2021,44(19):66-70.5 陈志新,董瑞雪,刘鑫,等.基于深度学习的复杂分拣图像快速识别方法研究J.电子技术应用,2020,46(2):71-75.6 申伟,石平.单演信号随机加权融合的SAR图像目标识别方法J.电子测量与仪器学报,2020,34(9):181-187.7 牛强,陈秀宏.基于隐式低秩表示的联合投影学习算法及图像识别J.激光与光电子学进展,2019,56(14):96-105.8 王珺.基于文本特征识别的电子档案自动归类系统研究J.现代电子技术,2019,42(18):45-49.9 蔡敏,尚钦明,孟晓燕.基于混沌时间序列的图像加密算法设计与实现J.现代电子技术,2021,44(5):47-51.10唐俊熙,曹华珍,高崇,等.一种基于时间序列数据挖掘的用户负荷曲线分析方法J.电力系统保护与控制,2021,49(5):140-148.11刘意杨,李俊朋,白洪飞,等.基于转折点和趋势段的时间序列趋势特征提取J.计算机应用,2020,40(S1):92-97.12谭海,陈利军,张军,等.基于规则迭代的时间序列特征提取模型J.计算机工程与设计,2019,40(1):236-240.13施沫寒,王志海.一种基于时间序列特征的可解释步态识别方法J.中国科学:信息科学,2020,50(3):438-460.14刘莉,王彦博,庞新富,等.基于STL模型的月售电量综合预测方法J.控制工程,2020,27(11):1930-1936.15于琼,田宪.基于组合模型的非线性时间序列预测算法J.计算机工程与科学,2021,43(10):1817-1825.16周绍景.基于隐马尔可夫模型的噪声图像类型识别技术J.电子设计工程,2020,28(6):158-161.17陈月卿,胡琳,吴毅翔,等.基于改进BOF算法的压板状态识别方法研究J.智慧电力,2021,49(2):99-106.18李珣,王高平,李林鹏,等.基于RGB-D图像的物体识别方法J.西安工程大学学报,2021,35(4):55-70.欢迎投稿！欢迎订阅！欢迎刊登广告！国内刊号：CN61-1477/TN国际刊号：ISSN 1674-6236在线投稿系统：http：/（广告）地址：西安市劳动南路210号5-1-3信箱邮政编码：710082张俊超，等基于特征提取的电力电子凭证图像识别系统-85