[发明专利]电力专业的设备铭牌识别算法

说明书

本发明提供一种电力专业的设备铭牌识别算法，以多个神经网络搭建模型框架，利用Faster‑RCNN和BiLSTM对铭牌图像数据进行文本检测，利用DenseNet和CTC对铭牌图像数据进行文本识别。经过对电力现场作业中的设备铭牌图像的数据训练后，得到识别算法模型。该识别算法对水平横排文本信息识别率高，能排除特殊符号的干扰。该识别算法可以使用于黑底白字、白底黑字、白底红字、黄底黑字文本检测和识别，字体的类型是黑体、宋体和微软雅黑时效果最佳。

技术领域

本发明涉及智能识别领域，特别是涉及一种电力专业的设备铭牌识别算法。

背景技术

随着经济快速发展，电力建设项目日益增多，同时电力作业涉及领域众多、安全生产形势依然严峻。电力生产、建设、检修等电力存在作业任务重、时间紧，作业现场普遍存在危险源点多、作业面广的问题，传统方式完全依靠人力监管，效率低下，管理手段单一，难以做到全过程、全方位的管理，容易存在管理漏洞。建立电力现场作业的智能识别方法是提高各类作业现场的安全监督，保障电力安全生产的重要手段。

自然图片中的文字通常被称作场景文字(scene text)，场景文字检测识别是传统OCR在自然图片上的延续和升级。目前，在电力现场作业中，对图片中文字信息的识别通过NFC电子标签识别、射频识别，条形码识别等电子识别手段。上述电子识别技术，需要工作人员对电力设备建立数据库，再进行电力设备编码，前期工作量巨大，数据库的维护耗费人力。因此，针对现有技术不足，本发明提供一种电力专业的设备铭牌识别算法，以克服现有技术不足甚为必要。

发明内容

本发明的目的在于避免现有技术的不足之处而提供一种电力专业的设备铭牌识别算法，该识别算法具有无对设备需建立复杂的识别系统，算法模型体量小，对文字识别准确的特点。

本发明的上述目的通过以下技术措施实现。

提供一种电力专业的设备铭牌识别算法，按以下步骤进行：

步骤一，采集铭牌图像数据；

步骤二，使用CTPN、DenseNet和CTC构成的神经网络框架对铭牌图像数据进行文本检测和识别，获得训练图像数据；

步骤三，对训练图像数据进行训练，得到电力专业的设备铭牌识别算法模型；

步骤四，输入真实图像数据对模型进行测试，收集模型的识别准确度，优化模型；

步骤五，对模型进行实况部署调试，发布模型。

具体的，步骤一中，所述铭牌图像数据包括使用场景背景图、识别字体的类型及大小、特殊字符。

具体的，步骤二中，采用Faster-RCNN和BiLSTM对铭牌图像数据进行文本检测。

具体的，步骤二中，采用DenseNet和CTC对铭牌图像数据进行文本识别。

本发明的电力专业的设备铭牌识别算法，以多个神经网络搭建模型框架，利用Faster-RCNN和BiLSTM对铭牌图像数据进行文本检测，利用DenseNet和CTC对铭牌图像数据进行文本识别。经过对电力现场作业中的设备铭牌图像的数据训练后，得到识别算法模型。该识别算法对水平横排文本信息识别率高，能排除特殊符号的干扰。该识别算法可以使用于黑底白字、白底黑字、白底红字、黄底黑字文本检测和识别，字体的类型是黑体、宋体和微软雅黑时效果最佳。

附图说明

利用附图对本发明作进一步的说明，但附图中的内容不构成对本发明的任何限制。

图1是本发明的技术路线图。

具体实施方式

结合以下实施例对本发明作进一步说明。

一种电力专业的设备铭牌识别算法，按以下步骤进行：