基于深度神经网络的电气元件符号识别算法

• 作者: 江再玉 石文娟 马晶 程瑛颖
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 深度神经网络 电气图纸 电气符号 目标检测
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 学术论文|Theoretical Research
• 页码范围: 48-55
• 页数: 8页
• 分类号: TM930
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000830

摘要

在智能电网发展的新时期,提高业扩报装的工作效率以及智能化程度是一项重要任务,在这一过程中对于电气图纸中电气元件符号的识别尤其关键,已有方法在算法精度以及鲁棒性上都存在不足.为此,基于YO-LOv3提出了一种改进的电气符号识别算法,改进了模型超参数选取策略,构建了自下而上的特征融合网络以及基于图像冗余的图像预处理方法,有效地解决了传统方法精确度低的问题.平均准确率和召回率分别达到94.8％和96.5％,与传统的图像识别算法和基准方法相比都有明显的提升.