MeterEye:基于NB-IoT和图像处理的普适远程抄表系统

摘要

窄带物联网(NB-IoT)技术的出现为现有抄表系统存在的抄表难、管理难等问题提供了一种有效的解决方案.但是,现有的NB-IoT远程抄表系统仍然存在着诸多不足,例如较高的功耗、高昂的安装成本和单一的应用范围,这大大限制了其应用的推广.本文提出了一种基于NB-IoT和图像处理的普适远程抄表系统MeterEye.MeterEye通过读取表盘图片避免了对原有表的改装,只传输包含读数信息的图像变化量,并利用压缩感知技术大幅度压缩图像体积来降低传输功耗.本文对指针式和字轮式表头的传输图像都进行了图像重建质量分析,并采用基于卷积神经网络(CNN)的数字识别系统的准确率作为衡量图像重建质量的标准.实验表明,当压缩率大于7％时,图像数字利用CNN的识别准确率高于94.09％,降低传输功耗可达到15.99％.