[发明专利]基于改进YOLOv3网络的电网调度图纸自动识别方法、系统及介质

说明书

本发明公开了一种基于改进YOLOv3网络的电网调度图纸自动识别方法、系统及介质，本发明将输入电网调度图纸图像进行预处理后输入完成训练的改进YOLOv3网络得到电网调度图纸图像对应的设备识别结果，改进YOLOv3网络被训练建立了电网调度图纸图像、对应的设备识别结果之间的映射关系，且激活函数采用改进的leaky ReLU激活函数，且其负区间的线性函数使用tanh函数来代替，保留了原激活函数的特点，解决了负区间造成的均值偏移，此外由于负区间的tanh函数为非线性函数，所以在进行网络训练时对于特殊数据以及错误异常数据不会过于敏感，增加鲁棒性，具有软饱和的特点。

技术领域

本发明涉及电网调度图纸自动识别技术，具体涉及一种基于改进YOLOv3网络的电网调度图纸自动识别方法、系统及介质。

背景技术

随着算法算力不断发展，数据系统逐渐成熟，国家电网也积极将人工智能应用于电网之中，也在不断的进行技术创新。随着电网逐渐智能化以及新一轮农网改造升级，不断发现电网调度存在大量的图形文件，且增长速度极快，这些重要且繁杂原始图纸资料对于智能电网的建设来说即是基石又是绊脚石。因此如何将原始图纸资料转变为图形文件，进而转变为可识别智能图形文件对于智能电网建设有着至关重要的作用。其实现不仅能够解决图纸资料不断膨胀增长而造成的处理困难以及资源浪费，而且可以建立电网数据库，使得数据更加准确，更加规范，智能化作业从而提高生产效率。

目前针对于电网调度图形图纸资料数字化处理研究尚不多，主要方法有光栅扫描、支持向量机分类、人工神经网络识别等。利用光栅图像的格式存储扫描档的电网图纸方法处理图像文件只是将纸质档转为电子档，并未解决根本问题，日常工作又会产生新的纸质图文资料需要人工转录入计算机系统，耗时耗力，且容易产生错误。采用马哈利诺贝斯分类器对电力开关、变压器及手车等电力图形并自动转为可监控的主接线图。以Hu不变矩以及Zernike矩的特征提取，并基于归一化理论改进了Zernike矩，将特征投入支持向量机进行学习训练。两种采用支持向量机的方法解决了了纸张膨胀的问题且在识别精度上可以基本满足需求，但是均为单元件分类，无法进行目标检测。采用卷积神经网络结合随机森林分类器对电力设备进行识别，对于变压器等五种电力设备平均识别精度接近90％，但仍为单元件检测分类。因此，针对电网图纸资料基数大、增长速度快的特点，已有的光栅扫描技术无法根本解决图纸资料膨胀管理问题，如何实现准确的自动识别，已成为一项亟待解决的关键技术问题。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种基于改进YOLOv3网络的电网调度图纸自动识别方法、系统及介质，本发明改进YOLOv3网络的激活函数采用leaky ReLU激活函数，且将leaky ReLU激活函数在负区间的线性函数使用tanh函数来代替，改进后的激活函数保留了原本leaky ReLU激活函数在非负区间不会过拟合，训练效果好，可防止学习率设置不合理导致的神经元坏死以及收敛速度快的特点，解决了负区间造成的均值偏移。此外，由于负区间的tanh函数为非线性函数，所以在进行网络训练时对于特殊数据以及错误异常数据不会过于敏感，增加鲁棒性，具有软饱和的特点。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于改进YOLOv3网络的电网调度图纸自动识别方法，实施步骤包括：

1)输入电网调度图纸图像，将电网调度图纸图像进行预处理；

2)将预处理后的电网调度图纸图像输入完成训练的改进YOLOv3网络，得到电网调度图纸图像对应的设备识别结果，所述改进YOLOv3网络被训练建立了电网调度图纸图像、对应的设备识别结果之间的映射关系；所述改进YOLOv3网络的激活函数采用改进的leakyReLU激活函数，且改进的leaky ReLU激活函数在负区间的线性函数使用tanh函数来代替。