基于YOLO-E与改进OCRNet图像分割的变电站仪表读数自适应识别方法

摘要：

变电站仪表读数的准确识别对实时感知设备运行状态,提高变电设备运维智能化水平意义重大.然而,现有基于指针偏转角度检测的变电站仪表读数识别方案准确性差,未能结合表盘色带判别设备状态,无法自适应表盘量程.对此,提出了一种基于YOLO-E改进OCRNet图像分割的变电站仪表读数识别方法,首先提出了基于YOLO-E的表盘位置检测算法,通过透视变换实现图像校准;其次,使用极化注意力模块分支改进OCRNet网络结构,提出基于改进OCRNet的表盘分割算法,实现表盘刻度、指针及色带的准确分割提取;最后,基于PGNet从表盘文本中自适应识别量程信息,结合指针与刻度的分割结果实现读数识别.算例证明,与其他先进电力视觉算法相比,所提方法能适应不同量程的仪表,实现了读数与设备运行状态的准确识别,有助于推动运检数字化转型.

关键词：目标检测、图像分割、YOLO-E、OCRNet、极化注意力模块

所属期刊栏目：44

分类号：TM762(输配电工程、电力网及电力系统)

在线出版日期：2023-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：75-85