基于YOLOv11的挑战性场景下的鲁棒水表读数识别方法

本发明公开了一种基于YOLOv11的挑战性场景下的鲁棒水表读数识别方法，提出了一个全面的解决方案，通过解决环境因素和机械数字跳转问题，提高在挑战性条件下的水表读数识别准确性和鲁棒性。首先，本发明策划了一个多样化的水表图像数据集，确保了对挑战性样本的鲁棒学习并增强了模型的适应能力，为模型训练和泛化奠定了坚实的基础。其次，本发明的水表读数识别模型整合了CSFE和PSFM，优化了YOLOv11n框架，显著提高了在挑战性场景下的识别鲁棒性。最后，本发明提出了TTMRrate和WADRrate这两个新指标用于进行全面而实用的性能评估，提供了更精确的水表读数识别模型的识别性能评估。本发明实现了98.3％的mAP@50和96.19％的TTMRrate，超过了现有基于YOLO的模型在单字符和序列级别识别任务上的表现。