基于人工智能的电网接线图元件和线路识别系统及方法技术方案

本发明专利技术提供了一种基于人工智能的电网接线图元件和线路识别系统及方法，包括：步骤1，将原电网厂接线图输入综合检测子系统，对图像内的元件和文字进行初步的位置确认，得到第一电网厂接线图，基于第一电网厂接线图通过检测子系统获取仅包含文字信息的第二电网厂接线图和仅包含元件信息的第三电网厂接线图，综合检测子系统将第一电网厂接线图输入元件类别识别系统，将第二电网厂接线图输入文字识别与位置矫正子系统，将第三电网厂接线图输入线的拓扑关系模型子系统。本发明专利技术针对小物体进行有效的识别和判断，提高了在不同比例尺下的小物体的检测，针对图片大小进行裁剪，使每个子图中的小目标占比大致一致，从而解决不同大小的小目标的检测。小目标的检测。小目标的检测。

【技术实现步骤摘要】
基于人工智能的电网接线图元件和线路识别系统及方法


[0001]本专利技术涉及接线图识别
，特别涉及一种基于人工智能的电网接线图元件和线路识别系统及方法。

技术介绍

[0002]目前在目标识别领域，主要运用yolo检测模型进行目标检测，且关于电网厂接线图并没有较多的运用，由于电网厂接线图较为复杂，较为细小，更需要yolo针对小目标进行处理，且针对电网厂接线图的元件连线关系的判定，目前更多的运用拓扑关系直接进行相应的线与线连接关系的判定，暂无根据图像的分析结果再进行判定的模型。电网厂接线图是由不同的电厂绘制而成，且描述的电厂的复杂程度不同，导致整张接线图的大小和分辨率是不同的，对于普通yolo模型，需要识别的框的大小很难拟合一致，最终导致精度下降。

技术实现思路

[0003]本专利技术提供了一种基于人工智能的电网接线图元件和线路识别系统及方法，其目的是为了解决由于电网厂接线图的大小和分辨率不同，对于普通yolo模型，需要识别的框的大小很难拟合一致，最终导致精度下降的问题。
[0004]为了达到上述目的，本专利技术的实施例提供了一种基于人工智能的电网接线图元件和线路识别系统，包括：
[0005]综合检测子系统，所述综合检测子系统用于对电网厂接线图内的元件和文字进行初步的位置确认；
[0006]元件类别识别系统，所述元件类别识别系统用于检测文字的位置、元件的位置、元件的类别和元件的角度，所述元件类别识别系统的第一端与所述综合检测子系统的第一端电连接；
[0007]文字识别与位置矫正子系统，所述文字识别与位置矫正子系统的第一端与所述综合检测子系统的第二端电连接，所述文字识别与位置矫正子系统用于对文字进行检测和识别；
[0008]线的拓扑关系模型子系统，所述线的拓扑关系模型子系统的第一端与所述元件类别识别子系统的第二端电连接，所述线的拓扑关系模型子系统的第二端与所述文字识别与位置矫正子系统的第二端电连接，所述线的拓扑关系模型子系统用于识别电路图中所有线的连接关系；
[0009]元件拓扑关系判别子系统，所述元件拓扑关系判别子系统的第一端与所述综合检测子系统的第三端电连接，所述元件拓扑关系判别子系统的第二端与所述文字识别与位置矫正子系统的第三端电连接，所述元件拓扑关系判别子系统的第三端与所述线的拓扑关系模型子系统的第三端电连接，所述元件拓扑关系判别子系统用于元件拓扑关系的判别。
[0010]本专利技术的实施例还提供了一种基于人工智能的电网接线图元件和线路识别方法，包括：
[0011]步骤1，将原电网厂接线图输入综合检测子系统，对图像内的元件和文字进行初步的位置确认，得到第一电网厂接线图，基于第一电网厂接线图通过检测子系统获取仅包含文字信息的第二电网厂接线图和仅包含元件信息的第三电网厂接线图，综合检测子系统将第一电网厂接线图输入元件类别识别系统，将第二电网厂接线图输入文字识别与位置矫正子系统，将第三电网厂接线图输入线的拓扑关系模型子系统；
[0012]步骤2，文字识别与位置矫正子系统对输入的第二电网厂接线图进行文字识别和位置修正，得到文字的基本信息，文字的基本信息为文字在电网接线图中位置和文字内容信息，文字识别与位置矫正子系统将文字的基本信息分别输入线的拓扑关系模型子系统对线的名称进行命名和元件拓扑关系判别子系统对元件的类别进行修正；
[0013]步骤3，线的拓扑关系模型子系统根据第三电网厂接线图和文字的基本信息进行所有线的连接关系和线的编号名称的获取，并根据线的连接关系对元件位置进行修正，对文字的基本信息进行调整，得到线连接关系图，线的拓扑关系模型子系统将线连接关系图输入元件拓扑关系判别子系统；
[0014]步骤4，元件拓扑关系判别子系统根据元件的类别和位置结果、文字的类别和位置结果和线连接关系图进行元件拓扑关系判别，得到图片描述结果。
[0015]其中，所述步骤1具体包括：
[0016]步骤11，将原电网厂接线图输入元件检测分类系统中的初步元件检测模型，初步元件检测模型输出原电网厂接线图中最小元件的尺寸：
[0017]步骤111，初步元件检测模型对原电网厂接线图进行检测，判断原电网厂接线图中是否能检测出元件；
[0018]步骤112，当原电网厂接线图中未出现元件时，对初步元件检测模型进行修正迭代；
[0019]步骤113，当原电网厂接线图中出现元件时，初步元件检测模型寻找出原电网厂接线图的最小元件并输出最小元件的尺寸。
[0020]其中，所述步骤1还包括：
[0021]步骤12，根据最小元件的尺寸占原电网厂接线图的比例对原电网厂接线图进行剪裁，裁剪后的子图比例一致，将原电网厂接线图剪裁为多张子图；
[0022]裁剪的过程中计算裁剪框的大小，如下所示：
[0023][0024]其中，minimum_element表示图片中最小元件的面积，ratio表示比例系数，整数6位检测模型中，在一张图片中检测到的最小像素之和为6，在此基础上加入系数，input_size表示元件子图模型输入的图片大小，crop_window_size表示裁剪框的边长大小。
[0025]其中，所述步骤1还包括：
[0026]步骤13，将多张子图分别进行去噪点、灰度图和HOG变换的预处理，得到处理后的多张子图；
[0027]步骤14，对元件检测分类系统中的子图检测模型进行初始值设定，根据电网厂接线图中的框的长宽比例和电网厂接线图中的黑白特性对子图检测模型的损失函数进行修正，将直线拐角判定加入损失函数的判定中，得到修正后的子图检测模型；
[0028]步骤15，将处理后的多张子图输入修正后的子图检测模型进行每张子图的元件位置和文字位置检测并标注出预测框，其中，预测框包括元件框和文字框，得到标注后的多张子图。
[0029]其中，所述步骤1还包括：
[0030]步骤16，对标注后的多张子图进行子图拼接，得到最终元件检测图片：
[0031]步骤161，将标注后的多张子图按子图位置进行拼图，将每张标注后的子图中的元件和文字框进行融合拼接；
[0032]步骤162，将每张标注后的子图中的元件框分别与邻近的标注后的子图中的其他的元件框进行iou匹配，iou匹配计算公式，如下所示：
[0033][0034]其中，iou_small表示两个元件框的重叠系数，即判断重叠程度，0表示两个元件框不重叠相互分离，1表示两个元件框完全重叠，Sinner表示两个元件框的重叠面积，S1表示第一个元件框的面积，S2表示第二个元件框的面积；
[0035]步骤163，当两个元件框的iou匹配值大于设定的iou匹配阈值时，计算两个元件框的置信度之差和两个元件框的面积之差，判断两个元件框的置信度之差是否大于设定的置信度差阈值和两个元件框的面积之差是否大于设定的面积差阈值；
[0036]步骤164，当两个元件框的置信度之差小于设定的置信度差阈值且两个元件框的面积之差小于设定的面积差阈值时，判定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的电网接线图元件和线路识别系统，其特征在于，包括：综合检测子系统，所述综合检测子系统用于对电网厂接线图内的元件和文字进行初步的位置确认；元件类别识别系统，所述元件类别识别系统用于检测文字的位置、元件的位置、元件的类别和元件的角度，所述元件类别识别系统的第一端与所述综合检测子系统的第一端电连接；文字识别与位置矫正子系统，所述文字识别与位置矫正子系统的第一端与所述综合检测子系统的第二端电连接，所述文字识别与位置矫正子系统用于对文字进行检测和识别；线的拓扑关系模型子系统，所述线的拓扑关系模型子系统的第一端与所述元件类别识别子系统的第二端电连接，所述线的拓扑关系模型子系统的第二端与所述文字识别与位置矫正子系统的第二端电连接，所述线的拓扑关系模型子系统用于识别电路图中所有线的连接关系；元件拓扑关系判别子系统，所述元件拓扑关系判别子系统的第一端与所述综合检测子系统的第三端电连接，所述元件拓扑关系判别子系统的第二端与所述文字识别与位置矫正子系统的第三端电连接，所述元件拓扑关系判别子系统的第三端与所述线的拓扑关系模型子系统的第三端电连接，所述元件拓扑关系判别子系统用于元件拓扑关系的判别。2.一种基于人工智能的电网接线图元件和线路识别方法，应用于如权利要求1所述的基于人工智能的电网接线图元件和线路识别系统，其特征在于，包括：步骤1，将原电网厂接线图输入综合检测子系统，对图像内的元件和文字进行初步的位置确认，得到第一电网厂接线图，基于第一电网厂接线图通过检测子系统获取仅包含文字信息的第二电网厂接线图和仅包含元件信息的第三电网厂接线图，综合检测子系统将第一电网厂接线图输入元件类别识别系统，将第二电网厂接线图输入文字识别与位置矫正子系统，将第三电网厂接线图输入线的拓扑关系模型子系统；步骤2，文字识别与位置矫正子系统对输入的第二电网厂接线图进行文字识别和位置修正，得到文字的基本信息，文字的基本信息为文字在电网接线图中位置和文字内容信息，文字识别与位置矫正子系统将文字的基本信息分别输入线的拓扑关系模型子系统对线的名称进行命名和元件拓扑关系判别子系统对元件的类别进行修正；步骤3，线的拓扑关系模型子系统根据第三电网厂接线图和文字的基本信息进行所有线的连接关系和线的编号名称的获取，并根据线的连接关系对元件位置进行修正，对文字的基本信息进行调整，得到线连接关系图，线的拓扑关系模型子系统将线连接关系图输入元件拓扑关系判别子系统；步骤4，元件拓扑关系判别子系统根据元件的类别和位置结果、文字的类别和位置结果和线连接关系图进行元件拓扑关系判别，得到图片描述结果。3.根据权利要求2所述的基于人工智能的电网接线图元件和线路识别方法，其特征在于，所述步骤1具体包括：步骤11，将原电网厂接线图输入元件检测分类系统中的初步元件检测模型，初步元件检测模型输出原电网厂接线图中最小元件的尺寸：步骤111，初步元件检测模型对原电网厂接线图进行检测，判断原电网厂接线图中是否能检测出元件；
步骤112，当原电网厂接线图中未出现元件时，对初步元件检测模型进行修正迭代；步骤113，当原电网厂接线图中出现元件时，初步元件检测模型寻找出原电网厂接线图的最小元件并输出最小元件的尺寸。4.根据权利要求3所述的基于人工智能的电网接线图元件和线路识别方法，其特征在于，所述步骤1还包括：步骤12，根据最小元件的尺寸占原电网厂接线图的比例对原电网厂接线图进行剪裁，裁剪后的子图比例一致，将原电网厂接线图剪裁为多张子图；裁剪的过程中计算裁剪框的大小，如下所示：其中，minimum_element表示图片中最小元件的面积，ratio表示比例系数，整数6位检测模型中，在一张图片中检测到的最小像素之和为6，在此基础上加入系数，input_size表示元件子图模型输入的图片大小，crop_window_size表示裁剪框的边长大小。5.根据权利要求4所述的基于人工智能的电网接线图元件和线路识别方法，其特征在于，所述步骤1还包括：步骤13，将多张子图分别进行去噪点、灰度图和HOG变换的预处理，得到处理后的多张子图；步骤14，对元件检测分类系统中的子图检测模型进行初始值设定，根据电网厂接线图中的框的长宽比例和电网厂接线图中的黑白特性对子图检测模型的损失函数进行修正，将直线拐角判定加入损失函数的判定中，得到修正后的子图检测模型；步骤15，将处理后的多张子图输入修正后的子图检测模型进行每张子图的元件位置和文字位置检测并标注...

【专利技术属性】
技术研发人员：黄晃，胡天澍，张炼，
申请(专利权)人：湖南应超智能计算研究院有限责任公司，
类型：发明
国别省市：