AI+表计，不仅仅是图像自动识别抄表……

近日，《环球表计》的林主编在她的个人公众号上发表了一篇题为(AI+表计，不仅仅是图像自动识别抄表......)的文章，为我们提供了宝贵的行业观点，也与三合智能的愿景和发展方向产生了共鸣。

我们通过转载这篇文章，不仅表达对作者深刻见解的敬意，也意在促进行业内的交流与学习。借此机会向业界同仁展示AI技术在表计行业的应用前景，并分享三合智能在这一领域的实践成果。

一说到表计行业的AI，我的第一反应就是解决抄表问题的各种图像识别技术！

是不是认知太浅啦？

这几天，关注科技的朋友都在刷屏英伟达的最新发布，earth2如期而至的时候，这个世界会变成什么样，下一刻会发生什么，有生之年，每个人对AI充满好奇和期待！

职业病也会让我想想AI会给表计行业带来什么？从智能化，到数智化，到现在的新质生产力，作为公用事业的电水气热行业虽然经历着各种各样的转型洗礼，但在运作模式上一直没有太大本质的变化。若AI大模型的构建未来有机会重塑公用事业的运作模式，表计产品和服务是不是也将面临一场历史性的重塑？亦或反之，当AI深深植入表计产品和服务时，会不会促进公用事业运作模式的新构建？

早几年表计圈谈及AI，大多是云大物移智在行业的应用场景案例或科研创新项目中，或多或少都会扯到AI，说的最多的是物联网，算法鲜有谈及。

AI赋予表计的真实效果如何，表计行业距离真正算法意义的AI有多远，估计现在都说不清，但不可否认，AI+表计已经在路上！

国网2024年的计量重点任务中特别提到“开展计量箱品级评价，应用人工智能技术实现计量箱缺陷的图像自动识别”；绵阳燃气集团自主研发了具有风险AI判断的“星闪”智能燃气表；江西水务集团通过手机拍照自动识别表码开启水表智能抄表时代……

对比了几个案例，抛开行业属性，AI在表计应用上解决的共性问题主要是：

- 远程抄表

面对的共性挑战是：

- 设备的兼容性和稳定性

AI+水表

说起水气表的拍照识别技术，早期有摄像直读、摄像智读，之后出现的图像识别、仪表识别引擎等，不仅仅解决存量电水气表热的抄表问题，且扩展应用到更广泛的仪器仪表的高精度识别。

谈及AI图像识别和水表，北京三合智能（之前的“羿娲科技”）是我接触比较早的一家，印象中有六年多时间了，几个海归博士从创业之初就将表计行业作为重要的应用场景之一，旨在用低成本解决海量仪器仪表的数字化难题。最新的EvaGo仪器仪表识别引擎是一个基于深度学习和类脑学习原理，不断优化实现数据积累与算法迭代的闭环算法框架，由模型、数据两部分组成，具备自学习自适应、高精度高鲁棒性，全表型、全平台适配能力，能够有效解决水、电、气、热、压力、流量、温度等各类仪器仪表在各种复杂表况下的稳定高精度识别问题。

传统的水表抄表工作常常面临效率低下及数据准确性难以保障等问题，基于EvaGo仪器仪表识别引擎的手机拍照自动识别表码只需用手机摄像头对准水表上的表码区域，即可自动识别并记录下表码信息，从而实现快速、准确的抄表操作。除此之外，还能将拍摄的所有水表图片统一存储到云端，电脑和手机能随时查看，管理人员可以通过这些图片了解水表的安装、运行状态等信息，及时发现问题并进行处理。同时，图片识别软件能分析水表的使用和健康情况，为水务企业提供更加精准的数据支持，实现水表的全生命周期管理。若遇到抄表纠纷的情况，这项新功能也能够发挥重要作用。通过追溯每一张照片对应的水表信息，可以帮助管理人员快速确定责任方，避免因抄表纠纷而产生的不必要的损失和麻烦。

图片来源：三合智能

传统的基于光学字符识别（OCR）的技术或支持向量机（SVM）等方法，因为均难适应海量的表盘种类以及复杂多变的真实表盘环境，被证实并不具备大规模商业化应用的能力。面对低分辨率识别、小目标问题、多尺度问题、遮挡问题、旋转目标识别问题、泛化性问题、数据训练集问题等，除水表抄表外，EvaGo仪器仪表识别引擎的识别准确性和效率已在多个场景中得以验证：

焦化厂中的电表读数：电度表的准确读数对于高耗能企业的能源管理和成本控制至关重要。焦化厂环境通常较为恶劣，存在高温、灰尘、强光等问题，且LED表的快速闪烁和多行显示要求读表人员具有高度的专注力和准确性，但人工读数难免出现疲劳和错误。

锅炉厂中的温度读数：锅炉厂在生产过程中需要对温度进行精确控制，以确保产品质量和生产安全。单指针温度表常用于监测关键的生产环节，但传统的人工读表方式难以满足实时性和准确性的要求。此外，锅炉厂高温、高湿、高噪音的工作环境也给人工读表带来了困难。