[发明专利]一种电力设备铭牌文本信息识别的方法

权利要求书

1.一种电力设备铭牌文本信息识别的方法，其特征在于，包括以下步骤：

S1、获取输入图像；

S2、利用基于深度学习的目标检测算法，对所述输入图像中的电力设备铭牌进行定位并提取定位信息；

S3、利用透视变换对所定位的电力铭牌图像进行文本倾斜角计算，得到铭牌区域每个像素点的倾斜角度；

S4、利用基于深度学习的文本检测算法，结合所述倾斜角信息，检测铭牌图像中的文本信息，得到铭牌文本检测结果；

S5、利用基于深度学习的文本识别算法，自动识别所述铭牌文本检测结果中的文本字符信息，得到电力设备铭牌文本信息识别结果。

2.根据权利要求1所述的电力设备铭牌文本信息识别的方法，其特征在于，所述步骤S2包括：

S201、利用卷积神经网络和残差网络对输入图像进行处理，生成三种不同尺度大小的特征图，所述特征图尺度分别为输入图像的1/32、1/16和1/8；

S202、基于所述输入图像的特征图，结合先验预测框的锚参数，进行回归预测，定位出所述输入图像中的铭牌区域。

3.根据权利要求2所述的电力设备铭牌文本信息识别的方法，其特征在于，所述步骤S201中神经网络的损失函数L包含三个部分，即坐标损失、目标损失和分类损失，具体为：

L＝λ_coordL_coord+(λ_objL_obj+λ_noobjL_noobj)+λ_clsL_cls (1)

式(1)中，L表示总损失，L_coord表示坐标损失，L_cls表示分类损失，L_obj和L_noobj分别为候选框中存在与不存在目标的损失；λ_coord、λ_obj、λ_noobj和λ_cls为不同损失的权重；

当预测框与真实框分别为A和B，C为A和B的最小凸集时：，

L_obj＝-α(1-y^*)^γlogy^* (4)，

L_noobj＝-(1-α)(y^*)^γlog(1-y^*) (5)，

式(2)-(5)中，IoU为交并比，p_i为输出的类别概率，为对应的标签值，y^*是模型的预测值，y是样本标签真实值，对前式，y值为1，对后式，y值为0；γ为权重因子，α为平衡因子。

4.根据权利要求1所述的电力设备铭牌文本信息识别的方法，其特征在于，所述步骤S3包括：

S301、通过霍夫变换检测铭牌图像中的直线；

S302、根据检测到的直线集合，利用其斜率与截距，对透视变换系数μ₁、μ₂进行线性拟合，计算得到图中每个像素点的斜率，生成倾斜角矩阵。

5.根据权利要求1所述的电力设备铭牌文本信息识别的方法，其特征在于，所述步骤S4包括：

S401、利用基于深度学习的文本检测算法对所述铭牌图像中的文本进行预测，采用ResNet50网络提取图像特征，合并所有特征层，将上层特征通过上采样和卷积网络逐步与下层特征融合，结合步骤S3所述倾斜角矩阵，得到若干个文本检测候选框及其坐标位置和置信度信息；

S402、根据初步得到的文本检测候选框的坐标位置及置信度，对候选框进行处理，最终得到所述铭牌图像的文本检测结果。