基于深度学习的电气二次图纸语义识别方法

作     者：褚雪汝 陈中 吴聪颖 李铁成 冯腾 刘清泉 CHU Xueru;CHEN Zhong;WU Congying;LI Tiecheng;FENG Teng;LIU Qingquan

作者机构：东南大学网络空间安全学院南京211102 东南大学电气工程学院南京210096 国网经济技术研究院有限公司北京102209 国网河北省电力有限公司电力科学研究院石家庄050000 

出 版 物：《浙江电力》 (Zhejiang Electric Power)

年 卷 期：2023年第42卷第8期

页      面：1-11页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家电网总部科技项目(SGHEDK00JYJS2200012) 

主　　题：区域分割 文字检测 小目标检测 YOLOv5 PaddleOCR 

摘      要：图像文字识别及深度学习技术逐步应用在工程图纸识别领域。针对电气二次图纸语义识别中存在的小目标检测、文字背景复杂等问题,首先,提出面向电气有效信息的图纸小目标区域双层提取模型,上层模型为基于自适应阈值及轮廓检测的端子排单连通小目标区域提取,下层模型为基于双层目标检测网络的端子排表格及连接线文字小目标子区域提取。接着,提出基于单元格提取及Sobel算子边缘检测的端子排表格区域文字位置检测算法与基于水平垂直投影分割算法及方向旋转的端子排连接线文字区域的文字位置检测算法。最后利用所提算法对30张有标注图纸进行语义提取测试,测试集平均漏检率与正确臃的加权平均值为91.25%,测试集平均交并比平均值为82.61%,验证了所提算法的有效性及鲁棒性。