申请/专利权人：东南大学

申请日：2020-11-24

公开（公告）日：2024-03-29

公开（公告）号：CN112446370B

主分类号：G06V20/62

分类号：G06V20/62;G06V30/14;G06V30/146;G06V30/18;G06V30/19;G06V10/82;G06N3/0464;G06N3/0442;G06N3/045;G06N3/0985;G06F40/216;G06F16/903

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.03.23#实质审查的生效;2021.03.05#公开

摘要：本发明公开一种电力设备铭牌文本信息识别的方法，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。本发明实现了电力设备信息自动化采集，解决了电力设备信息自动化管理的关键难题，提高了电力设备信息采集的效率与精确度。

主权项：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；所述步骤S5为将所述铭牌文本检测结果通过卷积层、循环层、转录层的处理，得到所述电力设备铭牌文本信息识别结果，具体包括以下步骤：S501、在卷积层中利用CNN卷积神经网络提取铭牌文本图像的特征序列，将该特征序列输入循环层；S502、在循环层中利用LSTM长短期记忆模型循环网络学习特征序列，预测出文本序列的标签分布；S503、在转录层中利用CTC算法，将文本序列的标签分布转换为识别结果；S504、对文本识别结果进行纠正，得到所述电力设备铭牌文本信息识别结果；所述步骤S501中利用CNN提取铭牌文本图像的特征序列为：先将所述铭牌文本图像转换为灰度图，并缩放至固定高度；再经过卷积层下采样，使得输出的特征序列高度为1，宽度为所述铭牌文本图像的14，包含512个特征值；所述步骤S504中文本识别结果纠正的步骤为：先根据电力设备铭牌文本中存在的高频词汇，建立字典库；再计算所述转录层输出的识别结果与字典中词语的相似度，当相似度大于设定阈值时，使用字典库中词语替换识别结果，当相似度小于设定阈值时，保留原识别结果；其中，定义： 式11-12中，w1为文本识别结果字符串，长度为w2为字典中待匹配的字符串，长度为其在字典中的词频排名为Ndict为字典中词汇个数；λ为字典排名权重；Dw1，w2为w1和w2间的差异度；Sw1，w2为w1和w2间的相似度。

全文数据：

权利要求：

百度查询： 东南大学 一种电力设备铭牌文本信息识别的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD