基于改进EAST算法的电气设备铭牌文字检测

针对电气设备铭牌文本检测任务中存在检测效果较差、文本边界框检测不准确等问题,提出一种基于深度学习算法EAST的改进算法,重点优化EAST算法对长文本检测效果较差和小目标遗漏问题。使用ResNet50残差网络代替VGG算法作为EAST算法特征提取的主干网络,同时引入金字塔注意力模块和空洞卷积,增强图像各层特征图的细节信息和彼此间的关联性、扩大特征图的感受野,解决EAST算法存在的缺陷问题。此外,使用Dice、Focal损失建立改进算法的损失函数,对改进模型的训练过程进行优化。结果表明,改进的算法在ICDAR 2015以及自行建立的电气设备铭牌数据集上的召回率和准确率均高于传统EAST算法,召回率平均提升约7.8%,准确率平均提升4.3%,综合性能提升约6.3%。

基于深度学习的电力设备铭牌文本识别

电力设备铭牌包含丰富的设备信息,通过图文识别技术获取设备铭牌信息,可更加高效快捷地完成电力设备的信息统计、台帐校核等工作,也有利于提高电力系统的设备管理水平。针对电力设备铭牌与普通图像文本识别差异较大的特殊应用场景,文中提出一种基于深度学习的电力设备铭牌信息自动识别算法。该算法由铭牌检测、文本检测、文本识别三部分组成。通过改进损失函数设计、增加文本识别结果纠正、人工合成文本图像等方式,使得铭牌检测模型在测试集上的平均精度均值达到92.2%,文本检测模型在测试集上的F 1值达到91.2%,文本识别模型的字符识别准确率达到94.0%,文本行识别准确率达到82.3%。

基于改进EAST算法的电厂电气设备铭牌文字检测

针对现有文字检测算法在电厂环境下检测电气设备铭牌文字准确性不够高、不同尺度图像检测差异大、文字尺度不平衡的问题,提出一种基于改进EAST算法的电厂电气设备铭牌文字检测方法。该算法运用更深的网络进行特征提取,同时结合多尺度训练提高算法对不同尺度图像的泛化能力,然后运用平衡权重策略改进损失函数解决文字尺度不平衡的问题。实验结果表明,电厂电气设备铭牌文字检测准确率相比原算法提高6.1%。

基于改进DBNet的电力设备铭牌文本检测方法研究

电力设备铭牌可以帮助变电站、电厂快速了解设备信息。为了解决人工检查电力设备铭牌繁琐的核对工作,本文使用深度学习技术,针对电力设备铭牌文本检测改进了DBNet网络模型,该模型使用像素级别的插值和池化将文本轮廓更为精确检测出来,能够为电力设备铭牌文字识别提供精确的文本框,确保后序识别可以正确的检测出铭牌上文字,为电力设备快速识别环节提供充分的监督。本文改进后的模型可以有效检测出文本框边缘的文本信息,其在电力设备铭牌标签的检测精确度达到了82.7%。并能够将电力设备铭牌上设备信息全部检测出来。

基于深度学习的电力设备铭牌文本检测方法

电力设备铭牌的快速检测可以帮助变电站、电厂了解设备信息,进行定期检修与维护,以保证设备的正常运行。针对目前的文本检测网络无法做到提高精确率的同时兼顾检测效率的问题,提出了在DBNet网络模型中引入注意力模块(CBAM),并改进检测头,在主干网络中引入多尺度特征金字塔(FPN)结构,并在原始的FPN上进行改进。针对目前电力设备铭牌并无公开数据集且较难采集数据的情况,提出了将数张铭牌图片裁剪成矩形,再以一定比例进行拼接成新的图像的数据增强方法,以此对数据集进行了有效地扩充。实验结果表明,数据增强方法和改进后的DBNet网络结构在检测性能上均有提升,优于目前大多数文本检测网络结构。改进后的DBNet网络结构检测精确率达到了90.3%,召回率达到了79.7%,F值达到了84.7%,相较于原始模型,F值提升了3.3个百分点。在检测速度变化损失很小的同时,极大地提高了检测性能。

电力设备铭牌特征提取方法的应用研究

电力设备铭牌图像在特征提取问题上,由于其本身的底层特征较为相似,采用传统的特征提取方法往往无法得到较好的特征表达。另一方面,随着近年来科学家们对基于不变性特征提取方法的研究逐渐兴起,以SIFT算法为代表的基于多尺度空间的特征算法在特征表达上具有良好的表现。本文针对SIFT方法,以及其改进的SURF和ORB算法在电力设备铭牌特征提取上的应用进行研究,并通过实验分析得到最适于电力设备铭牌图像的特征提取算法。

融合字符及字符排列特征的铭牌识别方法

传统铭牌字符识别主要通过计算铭牌字符图片的灰度平均值来判定,由于铭牌字符具有笔画方向特征、轮廓特征,同时字符之间存在着一定的排列特征。提出融合字符及字符排列特征的铭牌识别方法,首先对铭牌字符图片分别进行横、竖、撇三个方向上的小波变换,求出三个方向上的小波平均能量,再提取出字符的边缘方向直方图,以小波平均能量和边缘方向直方图构成特征向量,用支持向量机分类器训练并构建候选字符识别模型,得到候选字符,然后利用铭牌字符排列特点和铭牌的样本数据训练构建N阶马尔科夫字符排列模型,借助于模型对候选字符进行约束获得铭牌识别结果,最后对电力设备铭牌进行识别实验。结果表明,提出的方法表现了很好的效果,比OCR软件识别的准确率提高了12.6%。

基于大数据的智能设备资产管理解决方案在汽车厂的应用

华菱汽车针对设备资产管理过程中各个重要环节和流程(如固定资产管理、维修维保工作、备件管理、知识库建立等)进行统计、控制和实施管理,并对采集的大数据进行分析,配合云服务技术、移动端APP线上操作、系统与APP数据同步等技术,实现智能分析和计划策略,进而优化控制和管理过程,发挥解决方案的价值,提高故障处理速度,减少生产线停产难题,提高企业管理效率。

基于图像识别的移动台账核查应用研究

设备铭牌智能识别系统是智能电力的一个重要组成部分。它是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上,采用图像处理、模式识别和人工智能技术,通过对图像的采集和处理,完成设备铭牌自动识别功能。