论文题目：电气接线图自动识别技术研究
摘要：电气接线图是电网厂站设备布局和连接情况的标准化表示形式,电力系统技术人员为了可视化监控电网安全状态,需要基于SCADA系统的图形服务对大量电气接线图的图像文件重新绘制更新,耗时耗力,因此需要研究图像格式电气接线图的智能识别方法,快速识别电气接线图中的电气图元符号、电气文本标注、电气连接线和它们之间的位置关联关系,自动转化为结构化数据并进行存储,技术人员可以在SCADA系统图形服务中调用结构化数据,根据需要随时绘制电气接线图,灵活方便地构建电网安全可视化监控图形系统的接线图层。电气接线图是一种特殊的复杂文档图像,本文在总结国内外各类型复杂文档图像自动识别的研究现状基础上,给出了基于深度学习的电气接线图自动识别方法EDRS（Electrical Drawings Recognition System）,实现电气接线图中电气图元符号-文本标注的检测识别以及不同电气元素关联关系的提取。本文主要研究工作如下:（1）针对大分辨率图像文件中的多尺度电气图元符号、文本标注在模糊、扭曲等复杂干扰因素影响下难以精确定位的问题,本文构建了基于Faster R-CNN的电气图元符号检测模型,引入特征金字塔充分利用图像的多级特征,对多尺度电气图元符号精准识别,解决电气图元符号在复杂干扰影响下难以准确识别,小尺度图像不易精准定位的问题。本文还分别构建了基于CTPN的电气文本标注检测模型和基于CRNN的电气文本标注识别模型,通过考虑不同长度电气文本标注的差异和序列特点对模型进行改进,提升电气文本标注的识别效果。（2）针对复杂网状图中各类电气元素密集分布,连接关系难以精确识别判断的问题,本文构建了基于卷积神经网络的电气图元符号接线端点识别模型,实现连接线与图元连接点的定位,设计基于图像处理技术的电气连接线识别方法,结合电气图元、电气连接线以及电气文本标注的位置信息实现对各类电气元素之间位置关联关系的提取。（3）针对电气接线图中独立图元构成的图元组形态差异小,难以有效提取结构特征和准确识别困难的问题,本文基于电气图元的分布特征实现电气图元组区域的定位,设计电气图元组的向量序列表示方法,构建一维卷积神经网络实现电气图元组的类型识别,解决了电气图元组难以有效提取结构特征和难以准确识别的问题。本文利用真实电气接线图的图像文件进行测试,实验结果表明本文设计的方法能够有效识别电气接线图中各类电气元素和它们之间的位置关联关系,对复杂干扰因素具有鲁棒性。
关键词：电气接线图;自动识别;深度学习;图像处理;关联分析
学科专业：网络空间安全
摘要
ABSTRACT
第1章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 符号图像识别技术
1.2.2 文本图像识别技术
1.2.3 复杂文档图像语义分析技术
1.2.4 研究现状总结
1.3 研究目标与意义
1.4 研究内容
1.5 论文组织结构
第2章 相关研究技术
2.1 引言
2.2 深度学习相关技术
2.2.1 深度神经网络技术
2.2.2 参数学习优化算法
2.2.3 卷积神经网络模型
2.2.4 循环神经网络模型
2.3 图像处理相关技术
2.3.1 基本图像处理运算
2.3.2 低层次特征提取技术
2.3.3 图像形状提取技术
2.4 小结
第3章 电气图元符号-文本标注检测识别
3.1 基于FASTER R-CNN的电气图元符号检测
3.1.1 基于特征金字塔的特征提取网络
3.1.2 区域候选网络
3.1.3 候选区域识别网络
3.1.4 实验结果及分析
3.2 基于CTPN的电气文本标注检测
3.2.1 基于CTPN的检测流程
3.2.2 文本片段检测模型
3.2.3 文本线构造算法
3.2.4 实验结果及分析
3.3 基于CRNN的电气文本标注识别
3.3.1 基于卷积循环神经网络的特征提取
3.3.2 引入自注意力机制的特征提取网络
3.3.3 基于CTC的序列标签转录层
3.3.4 针对短文本标注的分割识别方法
3.3.5 实验结果及分析
3.4 小结
第4章 电气元素关联关系提取识别
4.1 电气接线图连接线识别
4.1.1 电气接线图图像增强
4.1.2 电气接线图图像校正
4.1.3 电气连接线提取
4.1.4 实验结果及分析
4.2 电气接线图元素关联分析
4.2.1 电气图元符号接线端点识别
4.2.2 电气图元符号连接关系识别
4.2.3 电气图元-文本标注关联
4.2.4 实验结果及分析
4.3 电气接线图图元组识别
4.3.1 电气图元组区域分割
4.3.2 电气图元组区域特征构建
4.3.3 电气图元组识别模型
4.3.4 实验结果及分析
4.4 小结
第5章 电气接线图自动识别原型系统
5.1 系统总体设计与实现
5.2 系统环境
5.3 系统运行测试
5.4 小结
第6章 总结与展望
6.1 论文总结
6.2 论文展望
致谢
参考文献
作者简历
一、学术论文
二、参与项目