System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种基于yolo目标检测框架的图元符号检测方法,属于目标检测领域。
技术介绍
1、在电网领域,电气接线图是用来表示电气设备与电器元件的位置、描述其接线与配线方式的工程图纸,它可以用来指导接线安装、线路检修和故障处理工作。近些年来,越来越多的领域尝试了研究识别图纸中图元符号相关的技术,电路图纸领域也不例外,且被认为是研究符号识别技术最早的领域之一。
2、随着近几年计算机视觉和图像处理领域的发展,深度学习技术在许多图像处理相关的任务中具备优异的表现,并已成功应用于手写识别,图像分类,人脸识别和生物识别技术等多个领域。基于深度学习的图像处理方法通常鲁棒性较强,即使在一些受控程度较低的环境中也能有较好的表现。其中,r-cnn(region-based cnn),ssd(single shotmultibox detector),以及yolo(you only look once)都是比较出色的方法,在目标检测、跟踪和分类领域表现出优异的性能。这些方法及其后续的衍生版本极大地推动了图像领域的研究,并解决了一些最具挑战性和固有的视觉问题,例如遮挡,光线条件,方向等。
3、电气设备在电气接线图纸中是以图元符号的形式存在的,它们由一些简单的几何元素组成,因此可以通过目标检测的方法来完成。考虑到电气接线图纸文件比较大,包含的电气元素种类多,图元符号尺寸比较小且分布较为密集,应用通用领域已有的目标检测算法不能保证精度与速度;此外,对于电网这个垂直领域,没有大量脱敏的图纸数据去训练模型。因此如何利用较少的训练数据
技术实现思路
1、为了解决上述问题,本专利技术提供一种基于yolo目标检测框架的图元符号检测方法,在保证电气图元符号检测的精度与速度的同时,只需要使用数百张电气接线图纸文件进行训练。
2、为了达到上述目的,本专利技术提供如下技术方案:
3、一种基于yolo目标检测框架的图元符号检测方法,将通道注意力机制se-net与yolo目标检测框架相结合,高效且准确地对图纸中的各类图元符号进行识别与定位。包含的具体步骤为:
4、步骤1:得到电气厂站图纸数据,先采集电气厂站图纸数据;再设计数据预处理程序构造训练数据集;再设计规格自适应特征提取网络;最后网络输出得到图纸特征表示,并设计损失函数完成训练,得到训练完善的特征提取网络。
5、步骤2:使用通道注意力机制对yolo目标检测框架进行改进,得到基于yolo目标检测框架的图元符号检测模型,先输入步骤1中特征提取网络得到的图纸特征表示;再注意力网络重构图纸特征数据;最后使用yolo检测框架得到物品符号表示,并设计损失函数完成训练,构造目标预测网络框架。
6、步骤3:初始化图元符号检测模型中的参数,并使用步骤1中构造的训练数据集对步骤1中的特征提取网络框架和步骤2中构造的目标预测网络框架进行交替训练,对模型中的参数进行更新,得到一个训练完善的基于yolo目标检测框架的图元符号检测模型。
7、进一步的,所述步骤1中的预处理操作包含对图纸进行裁剪与增强。
8、进一步的,所述步骤2中的通道注意力机制具体实现为se-net。
9、进一步的,所述步骤2中的改进为将通道注意力层嵌入进yolo框架中的第61、90、102层前,以获得基于yolo目标检测框架的图元符号检测模型。
10、进一步的,所述步骤3中的模型初始化参数为在通用领域数据集上充分训练的模型的参数。
11、进一步的,所述的裁剪操作为将图纸裁剪为若干2400*2400像素大小的图片,且图片与图片之间存在交叠,交叠宽度为100像素。
12、进一步的,所述的增强操作包括对图片随机加入干扰线、仿射、模糊、锐化。
13、本专利技术与现有技术相比,其显著优点是:通过yolo目标检测框架与se-net通道注意力机制的结合,首先利用了yolo作为one stage目标检测算法检测速度快的特性,保障图元检测的效率;其次针对电气接线图纸中图元符号尺寸较小、分布密集的问题,为模型的特征提取模块引入注意力机制,提升图元检测效果;最后,针对电网垂直领域没有大量脱敏图纸数据供模型训练使用的问题,借助迁移学习,引入在通用领域数据集上充分训练的模型权重作为模型的初始化参数,使得在电气接线图纸训练数据较少的情况下,模型也能有较好的表现,实现了对各类图元符号的精准识别与定位,为电气接线图纸矢量化并参与自动化调控管理做出贡献。
本文档来自技高网...【技术保护点】
1.一种基于YOLO目标检测框架的图元符号检测方法,其特征在于,本方法包含的具体步骤为:
2.根据权利要求1所述的基于YOLO目标检测框架的图元符号检测方法,其特征在于,步骤1中所述的预处理操作包含对图纸进行裁剪与增强。
3.根据权利要求1所述的基于YOLO目标检测框架的图元符号检测方法,其特征在于,所述步骤2中的通道注意力机制为SE-Net,所述改进为将通道注意力层嵌入进YOLO框架中的第61、90、102层前,以获得基于YOLO目标检测框架的图元符号检测模型。
4.根据权利要求1所述的基于YOLO目标检测框架的图元符号检测方法,其特征在于,所述步骤3中的模型初始化参数为在通用领域数据集上充分训练的模型的参数。
5.根据权利要求2所述的预处理操作,其特征在于,所述的裁剪操作为将图纸裁剪为若干2400*2400像素大小的图片,且图片与图片之间存在交叠,交叠宽度为100像素。
6.根据权利要求2所述的预处理操作,其特征在于,所述的增强操作包括对图片随机加入干扰线、仿射、模糊、锐化。
【技术特征摘要】
1.一种基于yolo目标检测框架的图元符号检测方法,其特征在于,本方法包含的具体步骤为:
2.根据权利要求1所述的基于yolo目标检测框架的图元符号检测方法,其特征在于,步骤1中所述的预处理操作包含对图纸进行裁剪与增强。
3.根据权利要求1所述的基于yolo目标检测框架的图元符号检测方法,其特征在于,所述步骤2中的通道注意力机制为se-net,所述改进为将通道注意力层嵌入进yolo框架中的第61、90、102层前,以获得基于yolo目标检测框架的图...
【专利技术属性】
技术研发人员:宋爱波,王天予,张勇,陈锐,苏猛猛,王清未,
申请(专利权)人:东南大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。