[전력계량기OCR인식] 2021/9/28~30 모델 훈련, Server구현, Android 구현

9/28

R-CNN 방식의 모델은 만들었지만, 하나의 이미지 데이터의 객체를 탐지하는데에 시간이 약 10분정도로 너무 오래 걸린다는 문제가 발생했습니다. 탐지를 할 때마다 입력 이미지에 대해 2000개의 Selective Search이미지를 모두 출력하기 때문에 너무 오래 걸렸던 것이었습니다.또 한 훈련이미지마다 2000개의 Selective Search이미지를 모두 메모리에 저장하기 때문에 메모리 초과 문제도 있었습니다. 더 좋은 모델훈련방법이 없을까 여러 논문이나 글을 읽으며 탐지모델에 대해 공부해본 결과 제가 사용한 R-CNN의 경우는 Selective Search 이미지와 레이블을 이용하여 모델을 훈련하지만 Fast R-CNN의 경우에는 Selective Search 이미지가 아닌 좌표를 이용하여 모델을 훈련시켜서 Fast R-CNN에 대한 모델 훈련을 해보고 있습니다.

9/29

오늘은 Server쪽을 구현하였습니다.

1.DB구현

exerd를 이용하여 전력량계량기 테이블, 모뎀 테이블, 전처리이미지파일 테이블 생성하였습니다. 조회페이지에서 지역선택을 하여 필터링해주는 처리도 구현하고 싶어서 지역코드도 넣었지만 다음주까지는 시간이 없어서 일단 컬럼만 만들어 놓고 나중에 구현할 것입니다.

• exerd 파일 :https://github.com/2SEHI/OCR-Text-Detection/tree/main/db

  

• 테이블 생성 sql : https://github.com/2SEHI/OCR-Text-Detection/blob/main/db/CreateTableSQL.sql

• 샘플데이터 sql : https://github.com/2SEHI/OCR-Text-Detection/blob/main/db/InsertSampleData.sql

2.Flask WebService

전체 소스 : https://github.com/2SEHI/OCR-Text-Detection/tree/main/server/ElectricityOCRServer

1) project 생성 : ElectricityOCRServer

pycham에 WebServer용 프로젝트를 생성했습니다.

2) 패키지 설치

• flask
• pymysql : mysql 연동 패키지

3) 디렉토리 구조

ElectricityOCRServer
├── 📂common						# 공통 처리 폴더
│	├──📄db.py						# db connect
├── 📂model							# 모델 예측 및 인식처리
│	├──📄model.py					# 이미지 전처리, 모델 예측 및 인식처리
│	├──📑ieeercnn_vgg16_1.h5		# 모델 파일
├── 📂static						# 안드로이드에서 등록한 전력량, 모뎀, 전처리과정 이미지를 저장하고 있을 폴더
├── 📂templates    					# 테스트용? 필요없음?
├──📄app.py 						# 초기 실행 파일

4) 조회 테스트

현재 sql을 python 파일에 하드코딩 하여 웹페이지상에 json데이터가 출력되는 부분까지 했는데, sql을 json파일로 만들어서 읽어들이도록 하는 것이 개발하기 쉽고 리빌드를 안해도 되서 더 편리할 것같습니다.

select electricity_meter_tb.serial_cd , 
	electricity_meter_tb.typename , 
	electricity_meter_tb.electricity_save_date, 
	modem_tb.modem_cd
from modem_tb
join electricity_meter_tb 
on modem_tb.serial_cd = electricity_meter_tb.serial_cd;

9/30

1.Android 조회 화면 테스트

테스트 용으로 전력량계량기 테이블 리스트를 Android에 전송하여 제조사코드와 전력량계량기 사진을 리스트에 출력하는 것까지 해보았습니다.

내일은 이제 전력량계량기와 모뎀 테이블을 join 하여 리스트에 출력하는 것을 해볼 것입니다.