[发明专利]一种基于图像识别的电力物资铭牌检测方法

说明书

本发明公开了一种基于图像识别的电力物资铭牌检测方法，包括：获取电力物资铭牌图像；基于获取的电力物资铭牌图像，基于SSD算法对信息缺失区域进行框定；基于矩阵分解对信息缺失区域进行信息补充；对信息补充后的铭牌图像进行文字的OCR。本发明解决了现有的电力物资铭牌部分信息缺失导致的难以精准识别等问题。

技术领域

本发明属于电力物资铭牌检测与识别技术领域，具体涉及一种基于图像识别的电力物资铭牌检测方法。

背景技术

近年来，随着人工智能技术的不断发展和广泛应用，使得电力、金融等领域获得了技术上的不断突破。使用人工智能技术对电力物资进行有效检测与识别可以大幅度提高生产效率，具有重大意义。传统电力物资铭牌需要手工抄写，且包含复杂的中英文字符和数字，而使用图像识别等技术时，由于工作环境狭小、光线不足等原因使得铭牌拍摄照片部分信息缺失，无法满足复杂电力场景下电力物资铭牌的识别要求。针对以上问题，本发明提出了一种基于图像识别的电力物资铭牌检测方法，可以有效地检测并通过智能补偿缺失信息来实现对电力物资铭牌的精准检测。

发明内容

本发明的目的在于提供一种基于图像识别的电力物资铭牌检测方法，以解决现有的电力物资铭牌部分信息缺失导致的难以精准识别等问题。

本发明的技术方案：

为解决上述技术问题，本发明提供一种基于图像识别的电力物资铭牌检测方法，所述方法包括：

步骤1：获取电力物资铭牌图像；

步骤2：基于获取的电力物资铭牌图像，基于SSD算法对信息缺失区域进行框定；

步骤3：基于矩阵分解对信息缺失区域进行信息补充；

步骤4：对信息补充后的铭牌图像进行文字的OCR。

优选的，步骤2中基于SSD算法对信息缺失区域进行框定具体包括以下步骤：

步骤2-1：搭建SSD网络；

步骤2-2：，按预设参数训练SSD网络，针对SSD网络中VGG-16部分进行训练，训练的预设参数包括：权重下降率，学习率，学习率下降因子以及训练批次大小；

步骤2-3：当训练网络收敛到预设值时，对网络进行微调，需要进行微调的参数包括：学习率和批次大小。

优选的，步骤3包括以下步骤：

步骤3-1：将图像灰度值转为矩阵信息，并标记步骤2中的框定区域，公式如下：

其中，V为步骤1中原始图像的矩阵信息，W为由步骤2确定的信息缺失矩阵，具体定义如下：

W＝ω_ij，i←[1，m]，j←[1，n]  (2)

其中，ω_ij为信息缺失矩阵的元素，m为矩阵W的行数，n为矩阵W的列数，若图像中位置ij的信息缺失，则ω_ij＝0，否则ω_ij＝1。

优选的，步骤3包括以下步骤：

步骤3-2:构建矩阵分解函数：

其中，矩阵E和矩阵F为待求的分解矩阵；为构建的补充信息矩阵。

优选的，步骤3包括以下步骤：

步骤3-3:构建矩阵分解的目标函数：

优选的，步骤3包括以下步骤：

步骤3-4：采用ADMM算法对公式(4)中的目标函数进行求解。