基于深度学习的电气铭牌可变区域识别方法的研究

• 作者: 张瑞祥 杨凡 潘文林 石煌雄 胡洋 蒋作
• 来源期刊: 云南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 变动区域 字符分割 铭牌识别 残差网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 信息与计算机科学
• 页码范围: 350-355
• 页数: 6页
• 分类号: TP391.41
• 字数: 4084字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-8513.2020.04.010

摘要

当前电气铭牌识别效果差,无法进行工程应用.为解决电气铭牌信息识别,提出1种基于工程方法和深度学习相结合的铭牌文本信息识别ResNet50_k模型.将电气铭牌识别分为2部分:不可变区域识别和可变信息区域.针对电气铭牌可变区域的文本提取和信息识别.首先,使用变动区域位置信息对变动区域经进行获取;其次,使用K-menas聚类算法和投影法对铭牌可变区域进行分割;最后,利用Keras深度学习框架搭建残差网络模型.模型经过对3 823类符的识别训练,验证准确率高达97.6％.与Tesseract OCR识别方法相比,ResNet50_k效果更好.在对自然场景下拍摄电气铭牌识别中,模型表现良好,能够适应复杂的电力场环境.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘文林	云南民族大学数学与计算机科学学院	33	166	6.0	12.0
2	蒋作	云南民族大学数学与计算机科学学院	9	34	2.0	5.0
3	杨凡	云南民族大学电气信息工程学院	6	2	1.0	1.0
4	胡洋	云南民族大学电气信息工程学院	2	0	0.0	0.0
5	石煌雄	云南民族大学电气信息工程学院	4	0	0.0	0.0
6	张瑞祥	云南民族大学电气信息工程学院	2	0	0.0	0.0