Analoge Zählerstände spielen trotz dem gesetzlich beschlossenen Smart-Meter- Rollout eine große Rolle. Aus diesem Grund wird ein Großteil der Zähler noch manuell abgelesen. Da diese ebenfalls noch einmal nachgeprüft werden müssen, wird in dieser Arbeit diese Validierung automatisiert. Diese basiert auf dem Objekterkennungssystem YOLOv3 und erkennt sowohl Wasser-, Strom- und Gaszähler als auch digitale Zähler mit einem 7-Segment-Display. Die Annotation der Zählerstandbilder wurde größtenteils manuell durchgeführt. Hierfür wurde labelImg verwendet. Der erkannte Zählerstand wird anschließend mit dem notierten Stand eines Monteurs verglichen und somit validiert. Die Validierung wird ebenfalls durch eine PostgreSQL Datenbank verwaltet.

Die Vorgehensweise wurde anhand von Bewertungskriterien durch Recherche in wissenschaftlichen Arbeiten und bereits etablierten Lösungen ausgewählt. Des Weiteren wurden zwei Interviews zum Thema „Zählerstände“ und deren Zukunftsprognosen und aktueller Bedeutung geführt.

Despite the legally enacted Smart-Meter-Rollout, analog meters still play a major role in todays economy. For this reason, a large part of meters has to be read manually. These values must be validated through another instance so that the probability for mistakes can be minimized. This thesis automates this additional validation. The validation is based on the object-detection-system YOLOv3 and detects water-, electricity- and gas meters as well as digital meters with a 7-segment-display. The annotation of the meter images was made manually with labelImg. The validation is the process of the comparison of the detected meter reading with the already noted value of the technician. The validation is managed by a PostgreSQL database.

The approach was selected based on evaluation criteria and research in research papers and already established solutions. In addition to that, two interviews were conducted about meter readings, their future and current meaning in todays economy.