一种杆塔标识牌结构化数据获得方法、装置及电子设备制造方法及图纸

本说明书一个或多个实施例提供一种杆塔标识牌结构化数据获得方法、装置及电子设备，所述获得方法包括获取原始图像；将所述原始图像输入预训练好的目标检测模型中，获得杆塔标识牌图像、所述杆塔标识牌图像中的标识信息以及所述杆塔标识牌图像中的内容边线；根据所述标识信息之间的位置关系，获得所述杆塔标识牌图像的类别；根据所述内容边线，计算所述杆塔标识牌图像的几何变换精度；输出所述杆塔标识牌的所述标识信息、类别以及几何变换精度。本发明专利技术实施例通过预先训练好的目标检测方法，能够对标识牌同时进行定位与识别，简化了识别步骤，有效的提高了标识牌结构化数据的识别效率。率。率。

【技术实现步骤摘要】
一种杆塔标识牌结构化数据获得方法、装置及电子设备


[0001]本说明书一个或多个实施例涉及杆塔标识牌结构化数据识别
，尤其涉及一种杆塔标识牌结构化数据获得方法、装置及电子设备。

技术介绍

[0002]目前，使用无人机航拍对输电线路进行巡检的技术日益成熟，无人机巡检过程中，通过拍摄杆塔上的标识牌，并配合算法进行自动识别，能够对输电线路进行准确的定位。
[0003]现有技术中，对杆塔标识牌进行自动识别算法的主要步骤为：针对任意图片，先定位图片中的全部四边形框，针对该图片中的每个四边形框，识别该四边形框内是否具有标识信息，若有，则该四边形框为标识牌，识别该标识牌的结构化数据，若没有，则放弃该四边形框，继续识别下一个四边形框。
[0004]专利技术人发现，现有技术中，自动识别算法中采用不同的算法进行定位与识别，需要进行多种算法与模型的运用与训练，增大计算成本，识别效率低下。

技术实现思路

[0005]有鉴于此，本说明书一个或多个实施例的目的在于提出一种杆塔标识牌结构化数据获得方法、装置及电子设备，以解决现有技术中标识牌结构化数据识别效率低下的问题。
[0006]基于上述目的，本说明书一个或多个实施例提供了一种杆塔标识牌结构化数据获得方法，包括：
[0007]获取原始图像；
[0008]将所述原始图像输入预训练好的目标检测模型中，获得杆塔标识牌图像、所述杆塔标识牌图像中的标识信息以及所述杆塔标识牌图像中的内容边线；
[0009]根据所述标识信息之间的位置关系，获得所述杆塔标识牌图像的类别；
[0010]根据所述内容边线，计算所述杆塔标识牌图像的几何变换精度；
[0011]输出所述杆塔标识牌的所述标识信息、类别以及几何变换精度。
[0012]作为一种可选的实施方式，所述目标检测模型为YOLO v3或者YOLO v4模型；
[0013]所述第一目标检测模型的训练方法为：
[0014]获取训练集，所述训练集包括标记好杆塔标识牌区域坐标、杆塔标识牌上的标识信息以及杆塔标识牌图像中的内容边线的训练图像；
[0015]将所述训练集内的训练图像输入YOLO v3或者YOLO v4模型进行迭代运算，直至达到预设的迭代次数；
[0016]获得训练好的YOLO v3或者YOLO v4模型。
[0017]作为一种可选的实施方式，所述杆塔标识牌图像中的内容边线的标记方法为：
[0018]绘制一个矩形框，使所述矩形框的其中一条对角线与所述内容边线重合。
[0019]作为一种可选的实施方式，所述根据所述内容边线，计算所述杆塔标识牌图像的几何变换精度，包括
[0020]对所述杆塔标识牌图像进行边缘检测，获得杆塔标识牌边缘图像；
[0021]根据所述内容边线，获得所述杆塔标识牌边缘图像中的标识牌边线；
[0022]计算所述标识牌边线的偏转角度；
[0023]根据所述标识牌边线的偏转角度，获得所述杆塔标识牌图像的几何变换精度。
[0024]作为一种可选的实施方式，所述杆塔标识牌图像中的标识信息包括标识牌拥有者Owner、线路Title、电话Dh以及杆序号Gh。
[0025]与所述获得方法相对应的，本专利技术实施例还提供了一种杆塔标识牌结构化数据获得装置，包括：
[0026]第一获取模块，用于获取原始图像；
[0027]第一计算模块，用于将所述原始图像输入预训练好的目标检测模型中，获得杆塔标识牌图像、所述杆塔标识牌图像中的标识信息以及所述杆塔标识牌图像中的内容边线；
[0028]第二计算模块，用于根据所述标识信息之间的位置关系，获得所述杆塔标识牌图像的类别；
[0029]第三计算模块，用于根据所述内容边线，计算所述杆塔标识牌图像的几何变换精度；
[0030]输出模块，用于输出所述杆塔标识牌的所述标识信息、类别以及几何变换精度。
[0031]作为一种可选的实施方式，所述目标检测模型为YOLO v3或者YOLO v4模型；
[0032]所述获得装置还包括：
[0033]第二获取模块，用于获取训练集，所述训练集包括标记好杆塔标识牌区域坐标、杆塔标识牌上的标识信息以及杆塔标识牌图像中的内容边线的训练图像；
[0034]训练模块，用于将所述训练集内的训练图像输入YOLO v3或者YOLO v4模型进行迭代运算，直至达到预设的迭代次数；
[0035]获得模块，用于获得训练好的YOLO v3或者YOLO v4模型。
[0036]作为一种可选的实施方式，所述第一计算模块包括绘制单元，所述绘制单元用于绘制一个矩形框，使所述矩形框的其中一条对角线与所述内容边线重合。
[0037]作为一种可选的实施方式，所述第三计算模块包括
[0038]边缘检测单元，用于对所述杆塔标识牌图像进行边缘检测，获得杆塔标识牌边缘图像；
[0039]获得单元，用于根据所述内容边线，获得所述杆塔标识牌边缘图像中的标识牌边线；
[0040]第一计算单元，用于计算所述标识牌边线的偏转角度；
[0041]第二计算单元，用于根据所述标识牌边线的偏转角度，获得所述杆塔标识牌图像的几何变换精度。
[0042]与上述获得方法相对应的，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的方法。
[0043]从上面所述可以看出，本说明书一个或多个实施例提供的一种杆塔标识牌结构化数据获得方法、装置及电子设备，不同于其他目标检测与目标识别分离进行的方法，通过预先训练好的目标检测方法，能够对标识牌同时进行定位与识别，简化了识别步骤，有效的提
高了标识牌结构化数据的识别效率。
附图说明
[0044]为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0045]图1为本说明书一个或多个实施例的获得方法的示意图；
[0046]图2为本说明书一个或多个实施例的获得装置的示意图；
[0047]图3为本说明书一个或多个实施例的电子设备的示意图；
[0048]图4为本说明书一个或多个实施例的对杆塔标识牌图像进行边缘检测的示意图。
具体实施方式
[0049]为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本公开进一步详细说明。
[0050]为了实现上述专利技术目的，本专利技术实施例提供了一种杆塔标识牌结构化数据获得方法，包括：
[0051]获取原始图像；
[0052]将所述原始图像输入预训练好的目标检测模型中，获得杆塔标识牌图像、所述杆塔标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种杆塔标识牌结构化数据获得方法，其特征在于，包括：获取原始图像；将所述原始图像输入预训练好的目标检测模型中，获得杆塔标识牌图像、所述杆塔标识牌图像中的标识信息以及所述杆塔标识牌图像中的内容边线；根据所述标识信息之间的位置关系，获得所述杆塔标识牌图像的类别；根据所述内容边线，计算所述杆塔标识牌图像的几何变换精度；输出所述杆塔标识牌的所述标识信息、类别以及几何变换精度。2.根据权利要求1所述的杆塔标识牌结构化数据获得方法，其特征在于，所述目标检测模型为YOLO v3或者YOLO v4模型；所述第一目标检测模型的训练方法为：获取训练集，所述训练集包括标记好杆塔标识牌区域坐标、杆塔标识牌上的标识信息以及杆塔标识牌图像中的内容边线的训练图像；将所述训练集内的训练图像输入YOLO v3或者YOLO v4模型进行迭代运算，直至达到预设的迭代次数；获得训练好的YOLO v3或者YOLO v4模型。3.根据权利要求2所述的杆塔标识牌结构化数据获得方法，其特征在于，所述杆塔标识牌图像中的内容边线的标记方法为：绘制一个矩形框，使所述矩形框的其中一条对角线与所述内容边线重合。4.根据权利要求1所述的杆塔标识牌结构化数据获得方法，其特征在于，所述根据所述内容边线，计算所述杆塔标识牌图像的几何变换精度，包括对所述杆塔标识牌图像进行边缘检测，获得杆塔标识牌边缘图像；根据所述内容边线，获得所述杆塔标识牌边缘图像中的标识牌边线；计算所述标识牌边线的偏转角度；根据所述标识牌边线的偏转角度，获得所述杆塔标识牌图像的几何变换精度。5.根据权利要求1所述的杆塔标识牌结构化数据获得方法，其特征在于，所述杆塔标识牌图像中的标识信息包括标识牌拥有者Owner、线路Title、电话Dh以及杆序号Gh。6.一种杆塔标识牌结构化数据获得装置，其特征在于，包括：第一获取模块，用于获取原始图...

【专利技术属性】
技术研发人员：王继业，高灵超，李浩松，王路涛，张睿智，郝赫，王一梦，
申请(专利权)人：北京国电通网络技术有限公司，
类型：发明
国别省市：