检索结果-南通市图书馆

作者：李松静北京工业大学

学位级别：硕士

电线杆标识牌作为供电部门进行电网管理的重要参考标识,记录着电线杆编号、所属线路、供电公司等信息,是设备风险排查定位及输电线路优化的重要依据;准确、高效地提取电线杆标识牌信息是电力基础设施信息采集和后续数据分析的重要基础;... 详细信息

电线杆标识牌作为供电部门进行电网管理的重要参考标识,记录着电线杆编号、所属线路、供电公司等信息,是设备风险排查定位及输电线路优化的重要依据;准确、高效地提取电线杆标识牌信息是电力基础设施信息采集和后续数据分析的重要基础;基于移动智能终端自动化、轻量化、智能化采集方式成为提高电网运营管理作业效率的重要手段,对于降低电网运营管理成本、促进国家电网智能化建设均具有重要意义。目前,电线杆标识牌图像字符识别难点主要在柱面类型电线杆标识牌识别多出现边缘字符漏检、误识的问题,字符识别正确率较差;深度学习模型参数量和计算量较大,无法满足移动智能终端轻量化、实时化作业需求。本文采用几何图像矫正和深度神经网络,研究并实现了面向柱面电线杆标识牌的轻量级文本检测和字符识别模型,并搭建原型系统完成实际场景实验测试。主要研究成果如下:(1)构建了特定识别数据集并设计了一种基于反投影的柱面图像矫正预处理方法。采用实地拍摄、网络爬取和权威发布三种方式构建真实柱面电线杆标识牌数据集并完成标注;针对柱面电线杆标识牌边缘两侧像素压缩问题,提出了一种基于反投影的柱面图像矫正预处理方法,在水平方向和垂直方向上投影建模,设计了投影矫正方程,按像素将柱面图像转化为平面图像。矫正后电线杆标识牌字符识别正确率相比直接识别提升了40.3%。(2)提出了基于分割的轻量级电线杆标识牌文本检测模型Tiny-DBNet。利用深度可分离卷积,融合注意力机制构建轻量级特征提取网络,不同层级特征融合后再连接DBNet可微分二值化模块,按照可学习方式获取自适应阈值,进行文本和非文本的分割。采用真实柱面电线杆标识牌数据和公开数据集进行实验验证,Tiny-DBNet在下降0.60%的微小识别精度损失下,检测速度提升3倍,参数规模上总体下降45.15%,满足轻量化手持端快速检测的需求。(3)优化改进了基于CRNN的字符识别模型。研究特征提取网络、文本检测网络、字符识别网络最优组合方案,实现了轻量级电线杆标识牌识别融合模型Tiny-DBNet-CRNN,改变了模块零散、低耦合的结构,降低了训练层次与冗余操作。在单处理和批处理模式下识别一张电线杆标识牌耗时达到1s量级,识别准确率达到95%以上,为实现系统模块集成和手持端图像采集应用提供了核心算法支撑。(4)搭建电线杆标识牌字符识别原型系统并进行场景验证分析。设计“现场采集模式、后台处理模式、单处理模式、批处理模式”四种模式和“数据层-算法层-集成层-展示层”四层架构的电线杆标识牌信息采集原型系统,并在以“H5小程序”的形式部署。取50张柱面和平面电线杆标识牌,在实际街道上进行效果验证,有48张标识牌数据文本字符全部输出,形成了场景应用普适性强、算法识别精准度高、字符识别速度快的电线杆标识牌集成系统。综上所述,本文针对柱面电线杆标识牌字符识别,设计了包括柱面矫正、文本检测、字符识别算法,通过实验验证了模型的可靠性,通过了实际场景验证与应用,有效提高电线杆标牌采集作业效率与识别精度,降低了电网运营管理成本,促进了国家电网智能化建设。

关键词：电线杆标识牌柱面图像矫正轻量级网络字符识别 DBNet

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂环境下电线杆标识牌识别系统的研究与实现

复杂环境下电线杆标识牌识别系统的研究与实现

引用

作者：魏倩文北京工业大学

学位级别：硕士

电线杆标识牌用来标注电杆属性与编号信息,是供电部门管理电网线路的重要参考标识。经调研发现,目前电网信息采集工作主要通过传统人工测绘来完成,人力与物力资源投入比较高。随着图像识别技术在电力行业中的深入发展与应用,电网对GIS... 详细信息

电线杆标识牌用来标注电杆属性与编号信息,是供电部门管理电网线路的重要参考标识。经调研发现,目前电网信息采集工作主要通过传统人工测绘来完成,人力与物力资源投入比较高。随着图像识别技术在电力行业中的深入发展与应用,电网对GIS数据智能化采集与管理的需求越来越迫切,利用计算机视觉技术取代传统方式,减少对人工的依赖,是解决电网信息采集与管理问题的有效手段。然而,国内电力行业至今还未形成一套统一的目标检测与识别引擎,特别是在电网信息采集方面,检索到的相关研究成果很少,所使用的算法模型无法较好地满足当前业务需求,因此OCR技术在电杆信息采集这一业务应用上存在较大的研究空间。基于以上现实问题和需求,本文通过对电线杆标识牌图像中文本特征的研究,融合OCR识别技术,建立适用于自然环境下电线杆标识牌文本检测与识别的网络模型,并结合实际业务场景搭建原型系统,实现电线杆标识牌文本的自动检测与识别。本文研究成果如下:(1)电线杆标识牌图像数据的预处理。实地采集电线杆标识牌图像并结合数据增强手段丰富字符样本特征,利用人工标注数据针对性地调整网络模型参数。实验表明,增强后的数据样本能够有效辅助文本检测与识别网络提高模型泛化能力。(2)研究并实现了一种基于改进EAST的电线杆标识牌文本检测模型。该模型利用非极大值抑制算法将电线杆标识牌文本特征融入全卷积特征学习网络,通过缩减特征提取网络参数、加深网络层次,提高模型的特征学习能力,并调整模型损失函数参数,提高网络的特征分类能力。实验表明,改进后的EAST网络模型比原始算法有更好的文本检测效果。(3)研究并实现了一种基于CRNN的电线杆标识牌文本识别模型。该模型使用了循环长短时记忆网络能够更充分的学习样本空间信息特征,并利用连接时序分类器消除文本切割步骤,实现端到端的文本特征提取任务。实验表明,该模型在确保识别精度的前提下有更快的识别速度,更适合应用于工业领域。(4)设计并实现了电线杆标识牌自动识别原型系统。结合电网实际业务场景和应用需求,与电网GIS平台衔接设计多个功能模块,完成前端和后台的开发。综上所述,本文经过数据预处理、特征标注等工作,建立基于改进的EAST+CRNN的文本检测与识别网络模型,实现端到端的电线杆标识牌自动识别原型系统,该系统有望未来应用于国网信通数据智能化采集与管理系统中,为电网企业搭建GIS大数据平台提供了可行思路。

关键词：电线杆标识牌文本检测文本识别卷积神经网络循环长短时记忆网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

轻量级柱面线杆标识牌字符识别算法

引用

计算机工程与设计 2023年第8期44卷 2498-2505页

作者：林绍福李松静刘希亮北京工业大学信息学部软件学院北京100124 北京工业大学信息学部北京智慧城市研究院北京100124

为全面、准确、快速地提取柱面电线杆标识牌信息,提出一种轻量级柱面电线杆标识牌字符识别算法Tiny-DBNet-CRNN。对柱面图像进行反投影矫正展平;融合注意力机制,利用深度可分离卷积残差块,构建轻量级文本检测网络分割出文本区域;构建字... 详细信息

为全面、准确、快速地提取柱面电线杆标识牌信息,提出一种轻量级柱面电线杆标识牌字符识别算法Tiny-DBNet-CRNN。对柱面图像进行反投影矫正展平;融合注意力机制,利用深度可分离卷积残差块,构建轻量级文本检测网络分割出文本区域;构建字符识别模型CRNN输出标识牌字符信息。采用真实场景数据和ICDAR 2015数据进行实验,结果与当前流行模型相比,Tiny-DBNet-CRNN字符识别正确率提升了40.3%,达95.11%;在精度下降0.60%的微小损失下,检测速度提升3倍,参数规模上总体下降45.15%。

关键词：电线杆标识牌反投影算法轻量级网络深度可分离卷积注意力机制 DBNet算法 CRNN算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：