基于YOLO目标检测框架的图元符号检测方法技术

本发明专利技术提供了一种基于YOLO目标检测框架的电气图元符号检测方法，该方法首先采集电气厂站图纸数据构造训练数据集；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，并训练得到特征提取网络框架；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，构造目标预测网络框架；初始化图元符号检测模型中的参数，并对特征提取网络框架和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，得到训练完善的基于YOLO目标检测框架的图元符号检测模型。本发明专利技术可用于检测电气接线图纸中的各类电气图元符号，为电气接线图纸的矢量化工作乃至电网自动化调控提供基础。

【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...

【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：