基于双层-分块检测网络的厂站接线图纸图符检测方法

2023年12月19日发(作者：哈弗6座suv图片及价格)

基于双层-分块检测网络的厂站接线图纸图符检测方法

程鑫;褚雪汝;邓旭晖;杨凯;谭林林;陈中;曹卫国

【期刊名称】《东南大学学报:自然科学版》

【年(卷),期】2022(52)6

【摘 要】为了解决高分辨率大尺寸电气厂站接线图图元符号检测精度不高、小目标图元漏检误检等问题,提出一种基于双层-分块检测网络的厂站接线图图符检测方法.该方法将电气厂站接线图按照电气逻辑切割后对断路器、隔离开关、电抗器、接地刀闸等11种典型图元进行识别.双层-分块检测网络由基于Area-YOLOv5网络的关键区域检测层和基于Obj-YOLOv5网络的具体图元识别层构成.首先,使用Area-YOLOv5网络检测出图纸的关键区域块,其关键区检测精度达到98.5%.其次,使用Obj-YOLOv5网络识别出具体图元符号,该网络采用融合了SE注意力机制和深度可分离卷积的LC_Block模块替换瓶颈部分中的普通卷积层,图符检测精度为0.963.所提方法以较高的精度实现了电气厂站接线图图元符号的识别检测.

【总页数】8页(P1137-1144)

【作 者】程鑫;褚雪汝;邓旭晖;杨凯;谭林林;陈中;曹卫国

【作者单位】东南大学软件学院;东南大学网络空间安全学院;东南大学电气工程学院

【正文语种】中 文

【中图分类】TP399;TM734

【相关文献】

1.基于堆叠自编码器神经网络的复合电磁检测铁磁性双层套管腐蚀缺陷分类识别方法2.基于双层采样主动学习的社交网络虚假用户检测方法3.基于双层注意力神经网络的入侵检测方法4.基于Python网络爬虫的学校Web站群不良信息外链检测方法研究5.基于卷积神经网络的高精度分块镜共相检测方法

因版权原因，仅展示原文概要，查看原文内容请购买