基于深度学习的电力设备铭牌文本检测方法

摘要：

电力设备铭牌的快速检测可以帮助变电站、电厂了解设备信息,进行定期检修与维护,以保证设备的正常运行.针对目前的文本检测网络无法做到提高精确率的同时兼顾检测效率的问题,提出了在DBNet网络模型中引入注意力模块(CBAM),并改进检测头,在主干网络中引入多尺度特征金字塔(FPN)结构,并在原始的 FPN 上进行改进.针对目前电力设备铭牌并无公开数据集且较难采集数据的情况,提出了将数张铭牌图片裁剪成矩形,再以一定比例进行拼接成新的图像的数据增强方法,以此对数据集进行了有效地扩充.实验结果表明,数据增强方法和改进后的 DBNet 网络结构在检测性能上均有提升,优于目前大多数文本检测网络结构.改进后的DBNet网络结构检测精确率达到了 90.3%,召回率达到了 79.7%,F值达到了 84.7%,相较于原始模型,F值提升了 3.3 个百分点.在检测速度变化损失很小的同时,极大地提高了检测性能.

关键词：文本检测、DBNet、注意力模块、数据增强、电力设备铭牌

所属期刊栏目：44

分类号：TP391.1(计算技术、计算机技术)

在线出版日期：2023-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：691-698