Ziel

In diesem Forschungsvorhaben wurde die automatisierte Erfassung von Zählerständen bei mechanischen Zählwerken untersucht und mehrere Verfahren für die autonome Erkennung des Zählerstandes Entwickelt. Die hier entwickelten Verfahren nutzt die verschiedenen Reflexionen- bzw. Grauwerte der unterschiedlichen Ziffern für eine Erkennung des Zählerstandes. Diese werden durch Beleuchtung von LEDs und Messung mit Phototransistoren ermittelt. Die Signale werden ohne weitere Verstärkung mit dem internen Analog-Digital-Wandler eines Mikrocontrollers eingelesen. Durch unterschiedliche Platzierung der optoelektronischen Bauelemente entsteht ein mehrdimensionaler Messvektor, welcher durch ein entwickeltes Verfahren klassifiziert wird. Dabei wurden unterschiedliche Klassifikationsalgorithmen wie beispielsweise der Bayes-Klassifikator und die SVM untersucht. Im Forschungsvorhaben wurde sowohl die Problemstellung einer direkten Ziffernerkennung, ohne zusätzliches Einlernen, als auch die Problemstellung der Ziffernerkennung ohne vorhandene Trainingswerte, welche jedoch eine Bewegung des zu Klassifizierenden Ziffernrades voraussetzt, untersucht und gelöst.

Statistische Verteilung

In der Abbildung kann man die statistische Verteilung zweier Merkmale für die Klassifikation sehen. Durch die mechanische Struktur des Zählers gibt es ein bis zwei stabile Zustände die ein Ziffernrad besitzt. Dieses ist in der Verteilung der Merkmale direkt erkenntlich.