基于变电站巡检机器人数字仪表识别算法

论文摘要

当前巡检机器人使用传统的图像识别算法,传统图像识别算法需要进行字符切割以及大量人工建模操作,受环境变化影响大。文章采用深度学习CRNN模型,对数字区域进行整行识别,简化了人工建模步骤,识别正确率高,数字表计识别率达到99%以上。针对部分场景识别错误率高的问题,结合attention机制,对模型进行扩展,实验结果表明,该扩展模型获得了良好的提升效果。

论文目录

• 0 引言
• 1 CRNN模型描述
•   1.1 模型结构
•   1.2 CNN模块
•   1.3 LSTM模块
•   1.4 CTC模块
• 2 Attention机制
•   2.1 Encoder-Decoder框架
•   2.2 Attention机制
•   2.3 模型扩展
• 3 数据处理及结果分析
•   3.1 数据处理
•   3.2 参数调整
•   3.3 软硬件平台
•   3.4 实验结果
• 4 结语

文章来源

类型: 期刊论文

作者: 刘小波,徐波,宋爱国,田定胜,吴道平

关键词: 变电站,巡检机器人,深度学习,文本识别

来源: 供用电 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,计算机软件及计算机应用,自动化技术

单位: 国网江西省电力有限公司检修分公司,东南大学,科大智能电气技术有限公司

基金: 国家电网有限公司科技项目(52182316000B)~~

分类号: TM63;TP242;TP391.41

DOI: 10.19421/j.cnki.1006-6357.2019.11.013

页码: 80-86

总页数: 7

文件大小: 2624K

下载量: 213