近日，《環球表計》的林主編在她的個人公眾號上發表了一篇題為(AI+表計，不僅僅是圖像自動識別抄表......)的文章，為我們提供了寶貴的行業觀點，也與三合智能的愿景和發展方向產生了共鳴。

我們通過轉載這篇文章，不僅表達對作者深刻見解的敬意，也意在促進行業內的交流與學習。借此機會向業界同仁展示AI技術在表計行業的應用前景，并分享三合智能在這一領域的實踐成果。

一說到表計行業的AI，我的第一反應就是解決抄表問題的各種圖像識別技術！

是不是認知太淺啦？

這幾天，關注科技的朋友都在刷屏英偉達的最新發布，earth2如期而至的時候，這個世界會變成什么樣，下一刻會發生什么，有生之年，每個人對AI充滿好奇和期待！

職業病也會讓我想想AI會給表計行業帶來什么？從智能化，到數智化，到現在的新質生產力，作為公用事業的電水氣熱行業雖然經歷著各種各樣的轉型洗禮，但在運作模式上一直沒有太大本質的變化。若AI大模型的構建未來有機會重塑公用事業的運作模式，表計產品和服務是不是也將面臨一場歷史性的重塑？亦或反之，當AI深深植入表計產品和服務時，會不會促進公用事業運作模式的新構建？

早幾年表計圈談及AI，大多是云大物移智在行業的應用場景案例或科研創新項目中，或多或少都會扯到AI，說的最多的是物聯網，算法鮮有談及。

AI賦予表計的真實效果如何，表計行業距離真正算法意義的AI有多遠，估計現在都說不清，但不可否認，AI+表計已經在路上！

國網2024年的計量重點任務中特別提到“開展計量箱品級評價，應用人工智能技術實現計量箱缺陷的圖像自動識別”；綿陽燃氣集團自主研發了具有風險AI判斷的“星閃”智能燃氣表；江西水務集團通過手機拍照自動識別表碼開啟水表智能抄表時代……

對比了幾個案例，拋開行業屬性，AI在表計應用上解決的共性問題主要是：

- 遠程抄表

面對的共性挑戰是：

- 設備的兼容性和穩定性

AI+水表

說起水氣表的拍照識別技術，早期有攝像直讀、攝像智讀，之后出現的圖像識別、儀表識別引擎等，不僅僅解決存量電水氣表熱的抄表問題，且擴展應用到更廣泛的儀器儀表的高精度識別。

談及AI圖像識別和水表，北京三合智能（之前的“羿媧科技”）是我接觸比較早的一家，印象中有六年多時間了，幾個海歸博士從創業之初就將表計行業作為重要的應用場景之一，旨在用低成本解決海量儀器儀表的數字化難題。最新的EvaGo儀器儀表識別引擎是一個基于深度學習和類腦學習原理，不斷優化實現數據積累與算法迭代的閉環算法框架，由模型、數據兩部分組成，具備自學習自適應、高精度高魯棒性，全表型、全平臺適配能力，能夠有效解決水、電、氣、熱、壓力、流量、溫度等各類儀器儀表在各種復雜表況下的穩定高精度識別問題。

傳統的水表抄表工作常常面臨效率低下及數據準確性難以保障等問題，基于EvaGo儀器儀表識別引擎的手機拍照自動識別表碼只需用手機攝像頭對準水表上的表碼區域，即可自動識別并記錄下表碼信息，從而實現快速、準確的抄表操作。除此之外，還能將拍攝的所有水表圖片統一存儲到云端，電腦和手機能隨時查看，管理人員可以通過這些圖片了解水表的安裝、運行狀態等信息，及時發現問題并進行處理。同時，圖片識別軟件能分析水表的使用和健康情況，為水務企業提供更加精準的數據支持，實現水表的全生命周期管理。若遇到抄表糾紛的情況，這項新功能也能夠發揮重要作用。通過追溯每一張照片對應的水表信息，可以幫助管理人員快速確定責任方，避免因抄表糾紛而產生的不必要的損失和麻煩。

圖片來源：三合智能

傳統的基于光學字符識別（OCR）的技術或支持向量機（SVM）等方法，因為均難適應海量的表盤種類以及復雜多變的真實表盤環境，被證實并不具備大規模商業化應用的能力。面對低分辨率識別、小目標問題、多尺度問題、遮擋問題、旋轉目標識別問題、泛化性問題、數據訓練集問題等，除水表抄表外，EvaGo儀器儀表識別引擎的識別準確性和效率已在多個場景中得以驗證：

焦化廠中的電表讀數：電度表的準確讀數對于高耗能企業的能源管理和成本控制至關重要。焦化廠環境通常較為惡劣，存在高溫、灰塵、強光等問題，且LED表的快速閃爍和多行顯示要求讀表人員具有高度的專注力和準確性，但人工讀數難免出現疲勞和錯誤。

鍋爐廠中的溫度讀數：鍋爐廠在生產過程中需要對溫度進行精確控制，以確保產品質量和生產安全。單指針溫度表常用于監測關鍵的生產環節，但傳統的人工讀表方式難以滿足實時性和準確性的要求。此外，鍋爐廠高溫、高濕、高噪音的工作環境也給人工讀表帶來了困難。