一种基于多特征融合Transformer的电气图纸分类方法及系统技术方案

本发明专利技术公开一种基于多特征融合Transformer的电气图纸分类方法及系统，属于电气图纸分类技术领域；一种基于多特征融合Transformer的电气图纸分类方法包括：构建包括本地特征提取网络、全局特征提取网络以及MLP分类网络在内的Transformer模型；将电气图纸数据输入所述Transformer模型进行训练；利用训练后的Transformer模型自动判断图纸类型并分类；并且，本发明专利技术的Transformer模型能够捕捉关键特征，提高分类精度，提高模型训练效率，克服手动分类的耗时耗力的问题，促进变电站智能运维的发展。

【技术实现步骤摘要】

本专利技术属于电气图纸分类，具体涉及一种基于多特征融合transformer的电气图纸分类方法及系统。

技术介绍

1、变电站中的电气接线图纸是变电站数字化控制系统的组成部分，提供了有关电气设备及其拓扑结构的详细信息。在目前的变电站图纸管理系统中，调度和运行人员通过人为筛选出不同类型的图纸，进而对其进行后续的运维工作。此外，随着电力系统规模的扩大和电气设备的迭代，依赖人工识别可能会导致分类错误。因此，这种传统方法难以跟上变电站数字化系统的快速更新要求。

2、近年来，随着人工智能在图像处理领域的发展，图纸处理技术逐渐得到广泛应用。通过计算机来代替人为识别图纸中的信息并且进行文件分类，可以大大降低人力成本、缩短工期、提高识别速度和工作效率。在现有的研究工作中，对图纸识别的主要方法包括：细化算法、卷积神经网络、注意力机制等等，但是这些方法对高分辨率大尺寸电气厂站接线图纸的识别度并不高。

技术实现思路

1、针对现有技术的不足，本专利技术的目的在于提供一种基于多特征融合transformer的电气图纸分类方法本文档来自技高网...

【技术保护点】

1.一种基于多特征融合Transformer的电气图纸分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多特征融合Transformer的电气图纸分类方法，其特征在于，所述本地特征提取网络包括卷积层和注意力机制；所述全局特征提取网络包括多头自注意机制和前馈神经网络；所述MLP分类网络包括全连接层。

3.根据权利要求2所述的一种基于多特征融合Transformer的电气图纸分类方法，其特征在于，所述Transformer模型的训练步骤包括：

4.根据权利要求3所述的一种基于多特征融合Transformer的电气图纸分类方法，其特征在于...

【技术特征摘要】

1.一种基于多特征融合transformer的电气图纸分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多特征融合transformer的电气图纸分类方法，其特征在于，所述本地特征提取网络包括卷积层和注意力机制；所述全局特征提取网络包括多头自注意机制和前馈神经网络；所述mlp分类网络包括全连接层。

3.根据权利要求2所述的一种基于多特征融合transformer的电气图纸分类方法，其特征在于，所述transformer模型的训练步骤包括：

4.根据权利要求3所述的一种基于多特征融合transformer的电气图纸分类方法，其特征在于，所述卷积运算表达式为：

5.根据权利要求3所述的一种基于多特征融合transformer的电气图纸分类方法，其特征在于，所述注意力机制为：

6.根据权利要求5所述的一种基于多特征融合transformer的电气图纸...

【专利技术属性】
技术研发人员：陈中，谢荣，韩柳，李铁成，刘清泉，肖智宏，吴聪颖，闫培丽，冯腾，刘文轩，杜娜，
申请(专利权)人：东南大学，
类型：发明
国别省市：