我国电力行业发展迅速,电表作为测电设备经历了普通电表、预付费电表和智能电表三个阶段的发展,虽然智能电表具有通信功能,但一方面环境和设备使得智能电表具有不稳定性,另一方面非智能电表仍然无法实现自动采集,人工抄表有时往往不可取代。采集到的大量电表图片如果能够借助人工智能技术批量检测和识别,将会大幅提升效率和精度。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

在本系列项目中,我们使用Paddle工具库实现一个OCR垂类场景。在前置项目中,我们已经能基本跑出一个“看起来还行”的电表读数和编号检测模型,并实现了OpenVINO运行时环境下的部署。
不过,部署项目时想必读者们也发现了,实时检测往往只是“看起来”很美——尤其是用手持设备、非固定式地进行巡检时,由于角度不同、光线差异等等原因,并不是每一帧的识别效果都让人满意……
要不,设置个按钮,让抄表员在截取到满意的效果时保存起来?看起来真是个好主意,那么,截图以后还要抄表员再肉眼复核一遍?似乎有点麻烦。
于是,在本项目中,我们将跑通一个基于Openvino一键截取检测图片,并语音报送电表检测识别结果的流程。
由于OpenVINO运行时环境限制,本文的运行环境与前一篇文章 【PaddlePaddle+OpenVINO】电表检测识别模型的部署相同,依然需要在本地跑通部署和应用流程。相关OpenVINO部署实践参考资料请参考:
(主线篇)
PPOCR:多类别电表读数识别
PPOCR:使用TextRender进行电表编号识别的finetune
数据标注懒人包:PPOCRLabel极速增强版——以电表识别为例(二)
【PaddlePaddle+OpenVINO】电表检测识别模型的部署
电表读数识别:数据集补充解决方案对比(TextRender和StyleText)
(番外篇)
该过程在下列前置项目中进行了详细的说明,为节省篇幅,此处不再赘述。
在本项目中,建议使用最新版本的PaddleHub,提供了更多的语音类预训练模型。
!pip install paddlehub==2.2.0 -i https://mirror.baidu.com/pypi/simple
| Input Audio | Recognition Result |
|---|---|
| @@##@@ |
I knocked at the door on the ancient side of the building. |
| @@##@@ |
我认为跑步最重要的就是给我带来了身体健康。 |
| deepvoice3 | fastspeech | transformer |
|---|---|---|
| @@##@@ |
@@##@@ |
@@##@@ |
需要说明的是,尽管最新的语音类预训练模型大部分由PaddleSpeech提供,但是本项目需要用到中文语音合成,可选模型只有FastSpeech2,而它其实是Parakeet训练的(Parakeet后来合并到了PaddleSpeech中)。
| module | 网络 | 数据集 | 简介 |
|---|---|---|---|
| transformer_tts_ljspeech | Transformer | LJSpeech-1.1 | 英文语音合成 |
| fastspeech_ljspeech | FastSpeech | LJSpeech-1.1 | 英文语音合成 |
| fastspeech2_baker | FastSpeech2 | Chinese Standard Mandarin Speech Copus | 中文语音合成 |
| fastspeech2_ljspeech | FastSpeech2 | LJSpeech-1.1 | 英文语音合成 |
| deepvoice3_ljspeech | DeepVoice3 | LJSpeech-1.1 | 英文语音合成 |
由于预训练模型文件较大、下载时间长,这里建议读者在本地部署项目时,先把预训练模型安装好。不过,正如前面说到的FastSpeech2基于Parakeet训练,安装时还会自动拉取Parakeet作为依赖,而链接是在github上。由于网速原因,会出现类似下面的情况:
Installing dependent packages from /home/aistudio/.paddlehub/tmp/tmpd42h5sba/fastspeech2_baker/requirements.txt: -
也就是说,安装进度因为访问github的网速过慢,一直卡着。这里,给出一个比较快的解决方案:直接先手动安装Parakeet!
注意事项1:我们需要去拉取的,是Parakeet停止更新前最后的一个分支(gitee镜像是旧的!要么自己拉个镜像,要么直接用本项目openvino-deploy.zip压缩包中提供的Parakeet)。
!unzip openvino-deploy.zip
%cd openvino-deploy/Parakeet
/home/aistudio/openvino-deploy/Parakeet
不过,在真正安装Parakeet前,我们要先修改下源代码中的一个关键bug: 将文件Parakeet/parakeet/frontend/zh_frontend.py
第55行的with open(phone_vocab_path, 'rt') as f:修改为 with open(phone_vocab_path, 'rt', encoding='utf-8') as f:
否则,在处理中文文本转语音的过程中,会出现字符集不匹配的报错问题。
注意事项2:因为Parakeet的依赖中包括有pyworld,需要在VC++2014以上的环境中使用,所以,如果是Windows端,比较一劳永逸的办法是去安装个最新版的Visual Studio,这样就不容易遇到环境缺失问题了。
# 安装parakeet!pip install -e .
装完Parakeet之后,如果想直接安装fastspeech2_baker,说不定还会卡在这个地方:
[nltk_data] Error loading averaged_perceptron_tagger: [Errno 110] [nltk_data] Connection timed out
这是因为出现了nltk.download()网络不通的问题,解决办法就是直接去下载并解压相关文件。
# nltk_data的国内镜像,很多开发者都同步过,随便找一个就行!git clone https://gitee.com/eurake/nltk_data.git
正克隆到 'nltk_data'... remote: Enumerating objects: 1606, done. remote: Total 1606 (delta 0), reused 0 (delta 0), pack-reused 1606 接收对象中: 100% (1606/1606), 928.43 MiB | 47.00 MiB/s, 完成. 处理 delta 中: 100% (852/852), 完成. 检查连接... 完成。 正在检出文件: 100% (240/240), 完成.
!mv nltk_data/packages ~/nltk_data
然后参考nltk_data手动安装这个链接,将nltk_data整个目录放到任意一个nltk的hook路径下即可。
import nltk
nltk.download("punkt")
nltk.download("cmudict")[nltk_data] Downloading package punkt to /home/aistudio/nltk_data... [nltk_data] Package punkt is already up-to-date! [nltk_data] Downloading package cmudict to /home/aistudio/nltk_data... [nltk_data] Package cmudict is already up-to-date!
True
在完成了上面的准备工作之后,我们终于可以安装FastSpeech2预训练模型了。而且,关于电表语音播报检测器的实现,只剩几步之遥了。
没错!和绝大多数部署项目类似,本项目最大的难关就是环境的准备,过了这道坎,后面其实是一马平川了。
# 安装FastSpeech2预训练模型!hub install fastspeech2_baker
在前一篇文章 【PaddlePaddle+OpenVINO】电表检测识别模型的部署中,主要是基于OpenVINO官方提供的notebook版进行开发,部分import依赖于整个openvino_notebooks项目,耦合度较高。
因此,在本项目中,我们对之前的项目进行了解耦,将相关函数调用独立出来,放到了openvino-deploy.zip,读者在安装好需要的依赖后,将可以直接使用。
!mv Parakeet ./openvino-deploy/Parakeet
%cd ~
/home/aistudio
!tree ./openvino-deploy
./openvino-deploy
├── async_pipeline.py
├── data
│ ├── SVID_20220411_003747_1.mp4
│ └── test.mp4
├── demo_vino.py
├── model
│ ├── det_finetune
│ │ ├── inference.pdiparams
│ │ ├── inference.pdiparams.info
│ │ └── inference.pdmodel
│ └── rec_finetune
│ ├── inference.pdiparams
│ ├── inference.pdiparams.info
│ └── inference.pdmodel
├── models
│ ├── custom_segmentation.py
│ ├── __init__.py
│ ├── model.py
│ └── __pycache__
│ ├── __init__.cpython-37.pyc
│ └── model.cpython-37.pyc
├── notebook_utils.py
├── ppocr_keys_v1.txt
├── pre_post_processing.py
├── __pycache__
│ ├── async_pipeline.cpython-37.pyc
│ ├── draw_ocr.cpython-37.pyc
│ ├── notebook_utils.cpython-37.pyc
│ └── pre_post_processing.cpython-37.pyc
├── requirements.txt
├── test.jpg
└── wavs
└── 1.wav
8 directories, 25 files该文件是预测脚本的入口,除了将PaddleOCR模型在内存中转为OpenVINO外,还要将文本转语音tts的初始化过程提前,而不是到了要进行预测时才初始化,这样会造成严重卡顿。
demo_vino.py的最后三行代码如下:
# 初始化ttstts = hub.Module(name='fastspeech2_baker', version='1.0.0') # 视频流文件video_file = "./data/SVID_20220411_003747_1.mp4"# 启动视频流文件电表读数编号的实时检测run_paddle_ocr(source=video_file, flip=False, use_popup=True, tts=tts)# 调用摄像头进行电表读数编号的实时检测# run_paddle_ocr(source=0, flip=False, use_popup=True, tts=tts)
相比之前的OpenVINO部署项目,调用并合成语音文件的逻辑主要在run_paddle_ocr()中实现,主要改动部分从代码的340行看起。
if rec_res != []:
image = Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
boxes = dt_boxes # 只对置信度高于0.5的识别文本进行语音播报
txts = [rec_res[i][0] for i in range(len(rec_res)) if rec_res[i][1]>0.5]
scores = [rec_res[i][1] for i in range(len(rec_res))]
# 生成原图和识别结果对比图,分两栏左右并排显示
draw_img = processing.draw_ocr_box_txt(
image,
boxes,
txts,
scores,
drop_score=0.5) # 可视化OCR识别结果
_, f_width = draw_img.shape[:2]
fps = 1000 / processing_time_det
cv2.putText(img=draw_img, text=f"OpenVINO Inference time: {processing_time_det:.1f}ms ({fps:.1f} FPS)",
org=(20, 40),fontFace=cv2.FONT_HERSHEY_COMPLEX, fontScale=f_width / 1000,
color=(0, 0, 255), thickness=1, lineType=cv2.LINE_AA) # use this workaround if there is flickering
if use_popup:
draw_img = cv2.cvtColor(draw_img, cv2.COLOR_RGB2BGR)
cv2.imshow(winname=title, mat=draw_img)
key = cv2.waitKey(1) if key == 32:
cv2.imwrite('test.jpg', draw_img) for i in range(len(txts)): if len(txts[i])>8:
txts[i] = '电表编号是' + str(txts[i]) else:
txts[i] = '电表读数是' + str(txts[i]) print(txts) if len(txts) > 0: # 英文模型:'fastspeech2_ljspeech',中文:fastspeech2_baker
tts.generate(txts) # 中英文要一致
# 使用playsound播报识别结果,会有略微卡顿
for i in range(len(txts)):
playsound('./wavs/%s.wav' % str(i+1)) # escape = 27,按ESC键退出
if key == 27:
cv2.destroyAllWindows() break
else: # encode numpy array to jpg
draw_img = cv2.cvtColor(draw_img, cv2.COLOR_RGB2BGR)
_, encoded_img = cv2.imencode(ext=".jpg", img=draw_img,
params=[cv2.IMWRITE_JPEG_QUALITY, 100]) # create IPython image
i = display.Image(data=encoded_img) # display the image in this notebook
display.clear_output(wait=True)
display.display(i)在上面的代码中,主要是先通过paddlehub生成wav文件,再python播放声音文件(mp3、wav、m4a等)的第三方工具库playsound,遍历生成的wav文件并播放。
playsound module是一个可以跨平台使用的库,不需要其他依赖的库,直接利用pip或者IDE的库管理功能安装就行。
from playsound import playsound
playsound('wavs/1.wav')%cd openvino-deploy
/home/aistudio/openvino-deploy
# 该代码须在本地运行!python demo_vino.py
(paddle) C:\MachineLearning\openvino-deploy>python demo_vino.py C:\Users\noname\.conda\envs\paddle\lib\site-packages\paddle\framework\io.py:415: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated since Python 3.3,and in 3.9 it will stop working if isinstance(obj, collections.Iterable) and not isinstance(obj, ( [2022-05-03 19:29:20,808] [ INFO] - Load fastspeech2 params from C:\Users\noname\.paddlehub\modules\fastspeech2_baker\assets\fastspeech2_nosil_baker_ckpt_0.4\snapshot_iter_76000.pdz [2022-05-03 19:29:21,320] [ INFO] - Load vocoder params from C:\Users\noname\.paddlehub\modules\fastspeech2_baker\assets\pwg_baker_ckpt_0.4\pwg_snapshot_iter_400000.pdz [2022-05-03 19:30:10] [DEBUG] [__init__.py:166] Prefix dict has been built successfully. [2022-05-03 19:30:16,205] [ INFO] - 1 wave files have been generated in C:\MachineLearning\openvino-deploy\wavs ['电表读数是022809'] [2022-05-03 19:30:24,352] [ INFO] - 1 wave files have been generated in C:\MachineLearning\openvino-deploy\wavs Source ended [2022-05-03 19:30:58] [DEBUG] [__init__.py:166] Prefix dict has been built successfully.[2022-05-03 19:31:04,633] [ INFO] - 1 wave files have been generated in C:\MachineLearning\openvino-deploy\wavs Source ended
读者可以在电表读数识别正确时按下空格键截图并生成语音文件,下图为保存的图片效果:
合成的语音播报效果如下: “电表读数是002809”
import IPython
IPython.display.Audio('./wavs/1.wav')<IPython.lib.display.Audio object>





以上就是【PaddlePaddle+OpenVINO】打造一个会发声的电表检测识别器的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号