CN110097041A - 一种用于电力仪表巡检的标准字符快速识别方法 - Google Patents

Abstract

本发明公开了一种用于电力仪表巡检的标准字符快速识别方法，所述方法针对变电站仪表的标准字符，在识别时通过构建深度卷积神经网络，显著地提高了识别的准确率，具有适应性强、速度快和识别精准的特点。

Description

一种用于电力仪表巡检的标准字符快速识别方法

技术领域

本发明涉及图像数据处理技术领域，特别涉及一种用于电力仪表巡检的标准字符快速识别方法。

背景技术

巡检机器人通过各种传感器可以快速有效的对变电站的设备进行运行状态监控、缺陷检测和异常分析；通过对设备仪表的字符进行识别，可以实现变电站管理***的自动校验。变电站仪表和设备巡检与识读，目前数据记录工作还依靠人工操作，这样可靠性较差且效率低下，而且由于变电站的高压环境，工作人员的人身安全也有一定的隐患，因此在巡检机器人或智能摄像机上搭载一套可靠的仪表字符的自动识别算法具有重要的意义。

目前可用于仪表字符识别方法主要有(1)模板匹配法：该方法通过实际情况构建合适大小的模板，然后在目标图像的带处理区域逐行的移动模块，选择合适的相似度公式来计算两个图像的相似度，把相似度最高的模块作为最后的输出结果，但是该方法在匹配模板的时候会消耗大量的时间，受到光照、畸变、噪声的影响识别准确率得不到保障。(2)基于结构特征法：该方法通过提取能够区别不同字符的结构特征，然后用该特征与库里的数字对比来实现字符识别，但传统的结构特征提取算法可靠性挑战较大，轮廓不全和字符歪斜都会导致识别率大大下降。

发明内容

有鉴于此，本发明的目的是提供一种用于电力仪表巡检的标准字符快速识别方法。将卷积神经网络引入仪表的字符识别，可以大大的提高识别效率和准确率。

本发明的目的是通过以下技术方案实现的：

该种用于电力仪表巡检的标准字符快速识别方法，包括以下步骤：

步骤1：将原始字符数据归一化，作为输入层；

步骤2：进入conv1层，在此第一层卷积输出特征图设为N个,所以第一个卷积层使用N 个M×M的卷积核，滑动步长为1，卷积结果经过激活后形成N个特征图；其中，N和M均为正整数；

步骤3：使用(M-1)×(M-1)的邻域最大值池化，滑动步长为2，在pool1池化层形成N个特征图；

步骤4：进入卷积核同为M×M大小的第二层卷积层conv2，滑动步长为1，在此第二层卷积输出特征图设为X个，所以输出X个特征图；X为正整数，

步骤5：设置ip1全连接层，该层有R个输出点；

步骤6：设置ip2全连接层，该层有T个输出点；

特别地，所述步骤1)中，是将将原始字符数据归一化为16×12像素大小作为输入层；

特别地，所述步骤2)中，卷积结果经过激活后形成N个10×14大小的特征图；

特别地，所述步骤3)中，在pool1池化层形成N个5×7像素大小的特征图；

特别地，所述步骤4)中，输出X个3×5像素大小的特征图；

特别地，所述步骤2)、步骤3)和步骤4)中，M为3，N为20；

特别地，所述步骤4)中，X为50；

特别地，所述步骤2)中，下采样层和卷积层之间不采用全连接的方式，避免其相关性；

特别地，所述步骤5)中，该层有500个输出点，所述步骤6)中，该层有62个输出点。

本发明的有益效果是：

在传统的识别算法里，对多维的图像数据要进行数据处理并提取特征，然后再对获得的特征进行数据重建，算法复杂度高，且只能提取到设定好的特征。卷积神经网络方法作为人工神经网络的一种，图像数据可以直接输入到神经网络中，让其自行学习并提取人工提取不到的特征，本发明将卷积神经网络引入仪表的字符识别，可以大大的提高识别效率和准确率。

本发明的其他优点、目标和特征，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为学习率变化曲线图；

图2为卷积神经网络图。

具体实施方式

以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

针对仪表字符的识别搭建卷积神经网络，本方法从输入输出层、隐藏层和激活层三部分进行设计。

1、输入输出层的设计

在神经网络中，输入输出层要根据不同目标数据的属性进行设计，本方法中通过对输入图像的大小进行试验优化，最后确定字符图像归一化的像素大小为16*12；输出的类别标签共有62类，分别为a到z的26个小写字母、A到Z的26个大写字母以及0到 9的10个数字。输出层由62组RBF(径向基)单元组成，其中神经元和类型相对应，径向RBF输出的计算如式1-1所示：

y_i＝∑_j(x_j-w_ij)² (1-1)

式中径向基单元的输出为输入值以及权值参数之间的向量距离。

2、隐藏层的设计

虽然不同仪表可能存在数字或字母格式不一致，但是由于是印刷体，识别相对于手写体容易。在兼顾识别速度的同时，考虑到输入的图像并不大，所以设计较少的网络层数。

对卷积过程的优化过程中，卷积核的数量和大小是影响到提取特征质量的关键，卷积核的数量决定了提取特征的数量，取值过大会导致网络复杂，大大增加时间开销，而且会学习噪声特征和网络过拟合，导致冗余特征信息的产生。取值过小会使得提取到的特征信息量不足，从而影响到识别的正确率。卷积提取到的特征矩阵如式(1-2)所示：

D＝K_fun.(l-a+1)(m-b+1) (1-2)

其中K_fun是指的激活函数输出的特征向量，a和b是所用卷积的长和宽，l和m是输入图像的长和宽。通过(1-1)式可以看出如何核过小，不能提取到足够的特征；如果核过大，可以带来更大的感受野，但是与图像局部链接的部分较大，会提高局部特征信息的复杂度。为了能够平衡特征信息量和识别准确率，做如下的计算比对：

为了方便计算，设padding(补白)为0，stride(步长)为1，卷积计算公式(n+2p-f+1) ×(n+2p-f+1)可以简化为(n-f+1)×(n-f+1)，对于3×3的卷积核，第一个卷积有 (n-3+1)×(n-3+1)个输出，第二个卷积则有(n-3+1)×(n-3+1)个输入，在其上做卷积有(n-3+1-3+1)×(n-3+1-3+1)个输出；同理对于5×5的卷积核，有(n-5+1) ×(n-5+1)个输出。最终统筹考虑网络深度和对***资源消耗情况，选用了2个3×3 卷积层组成一个小的网络，这样减少了参数的同时又确保了感受野范围。

在通过卷积层获取图像特征后，理论上可以直接用特征来训练分类器，但是这样容易产生过拟合现象，而且计算量巨大。为了减轻模型的过拟合程度以及减少训练参数，本方法对卷积层进行最大池的下采样方式，下采样执行的是抽样操作，仍然把上层的输出作为当前层的输入，并对上层的临近信息合并。下采样的目的就是通过Pooling(池化)对各个位置的特征进行聚合统计，并在二次特征提取的同时降低特征映射图的分辨率。将每个输入的卷积特征图分成若干连续的小块，即是池化区域大小。记原始输入矩阵为X_n，映射后得到它的第K个值即为原图中第K块中的最大值，为了避免采样中信息损失过大，池化矩阵的大小设置为2×2。通过池化操作可以提取到起决定性作用的分类特征，同时一些不重要的细节则可以忽略从来降低特征的分辨率，实现对扭曲、缩放以及平移的不变形。

3、激活函数的设计

激活函数直接关系着神经网络能否收敛以及收敛的快慢，因此选择合适的激活函数对网络的学习效率有重大的意义。

神经网络需要标签作为期望，并把获取到的特征送入到分类器，误差通过输出层一层一层向前，方向传播算出梯度，所以当进行递进式多层的反向传播后，梯度就会出现衰减或者消失的问题，导致网络的收敛较慢。

传统的sigmoid函数，算激活函数时(指数运算)，计算量大，反向传播求误差梯度时，求导涉及除法，计算量相对大，而采用Relu激活函数，整个过程的计算量节省很多。而且对于深层网络，sigmoid函数反向传播时，很容易就会出现梯度消失的情况(在 sigmoid接近饱和区时，变换太缓慢，导数趋于0，这种情况会造成信息丢失)，从而无法完成深层网络的训练。因此本方法选择了Relu函数作为激活函数。

在卷积神经网络中，合适的参数设置可以达到最佳的网络结果。如上所述，在训练过程中需要使用反向传播算法和向前传播算法，对权重就行更新迭代来获取最佳的参数。本方法采用随机梯度下降法来优化，该算法通过对权重W负梯度的线性组合以及之前的权重值对W进行更新迭代，权重更新计算公式如式(1-3)所示：

W_k+1＝W_k+V_k+1 (1-3)

上式中，V_k表示第K次迭代时权重的更新值，表示第K次迭代时损失代价函数的负梯度，W_k表示第K次迭代时的权重值，在第K+1次更新迭代时，第K+1次更新的权重W_k+1为当前的权重W_k与第K+1次迭代时权重更新值V_k+1之在卷积神经网络中，合适的参数设置可以达到最佳的网络结果。如上所述，在训练过程中需要使用反向传播算法和向前传播算法，对权重就行更新迭代来获取最佳的参数。本方法采用随机梯度下降法来优化，该算法通过对权重W负梯度的线性组合以及之前的权重值对W进行更新迭代，权重更新计算公式如式(1-3)所示：

动量u表示当前权重值的权重系数，在训练中，本方法去动量值u为0.9。学习率 a表示负梯度的权重，在训练中要对其值进行更新，本方法中使用的学习率更新公式如(1-4)所示：

α_t＝α₀.(1+γ.t)^-power (1-4)

上式中a_0表示初始的学习率，经过多次的实验对比，本方法选用的该值为0.001。power和γ为两个常量，本方法中选用值分别为0.0001和0.75。学习率随着迭代次数变化的曲线图如图1所示。

结合上述技术构想，本发明的用于电力仪表巡检的标准字符快速识别方法，包括以下步骤：

步骤1：将原始字符数据归一化，作为输入层；一种经常使用的选择方式是将原始字符数据归一化为16×12像素大小作为输入层；

步骤2：进入conv1层，在此第一层卷积输出特征图设为N个,第一个卷积层使用N个M ×M的卷积核，滑动步长为1，卷积结果经过激活后形成N个特征图；其中，N和M均为正整数；一种经常使用的选择方式是将卷积结果经过激活后形成N个10×14大小的特征图且M为3，N为20，下采样层和卷积层之间不采用全连接的方式，避免其相关性。

步骤3：使用(M-1)×(M-1)的邻域最大值池化，滑动步长为2，在pool1池化层形成N个特征图；一种经常使用的选择方式是在pool1池化层形成N个5×7像素大小的特征图且M为3，N为20。

步骤4：进入卷积核同为M×M大小的第二层卷积层conv2，滑动步长为1，在此第二层卷积输出特征图设为X个，所以输出X个特征图；X为正整数，一种经常使用的选择方式是输出X个3×5像素大小的特征图且选择M为3，N为20，X为50。

步骤5：设置ip1全连接层，该层有R个输出点；一种经常使用的选择方式是该层设置有500个输出点；

步骤6：设置ip2全连接层，该层有T个输出点。一种经常使用的选择方式是该层设置有62个输出点。

实施例：

本方法实验所采用的数据集为云台实际拍摄到的8974张仪表图像，经分割后共有26548张字符图集，将字符图集按照训练集：测试集：验证集的比例为3:1:1进行分配，训练集有15930张，测试集有5309张，验证集有5309张。

为了训练的方便，本实验一次遍历迭代128张图像，即128为一个批样本数量。当所有的训练集图片被遍历后为一个epoch，本实验中遍历一个epoch需要125次迭代，最大的迭代数量设置为125000，相当于训练集被训练了1000次，训练集每训练50次测试一次。

基于单片NVIDIA GeForce GTX 1080Ti，经测试对于2个字符，卷积升级网络的识别时间为0.21ms，测试集的整体测试成功率高达98.847％。这样的识别速度和成功率相对于原来的人工方式有显著的优势，提高了可靠性和生产效率。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种用于电力仪表巡检的标准字符快速识别方法，其特征在于：所述方法包括以下步骤：

步骤1：将原始字符数据归一化，作为输入层；

步骤2：进入conv1层，在此第一层卷积输出特征图设为N个,第一个卷积层使用N个M×M的卷积核，滑动步长为1，卷积结果经过激活后形成N个特征图；其中，N和M均为正整数；

步骤3：使用(M-1)×(M-1)的邻域最大值池化，滑动步长为2，在pool1池化层形成N个特征图；

步骤4：进入卷积核同为M×M大小的第二层卷积层conv2，滑动步长为1，在此第二层卷积输出特征图设为X个，所以输出X个特征图；X为正整数，

步骤5：设置ip1全连接层，该层有R个输出点；

步骤6：设置ip2全连接层，该层有T个输出点。

2.根据权利要求1所述的一种用于电力仪表巡检的标准字符快速识别方法，其特征在于：所述步骤1)中，是将将原始字符数据归一化为16×12像素大小作为输入层。

3.根据权利要求1所述的一种用于电力仪表巡检的标准字符快速识别方法，其特征在于：所述步骤2)中，卷积结果经过激活后形成N个10×14大小的特征图。

4.根据权利要求1所述的一种用于电力仪表巡检的标准字符快速识别方法，其特征在于：所述步骤3)中，在pool1池化层形成N个5×7像素大小的特征图。

5.根据权利要求1所述的一种用于电力仪表巡检的标准字符快速识别方法，其特征在于：所述步骤4)中，输出X个3×5像素大小的特征图。

6.根据权利要求1所述的一种用于电力仪表巡检的标准字符快速识别方法，其特征在于：所述步骤2)、步骤3)和步骤4)中，M为3，N为20。

7.根据权利要求1所述的一种用于电力仪表巡检的标准字符快速识别方法，其特征在于：所述步骤4)中，X为50。

8.根据权利要求1所述的一种用于电力仪表巡检的标准字符快速识别方法，其特征在于：所述步骤2)中，下采样层和卷积层之间不采用全连接的方式，避免其相关性。

9.根据权利要求1所述的一种用于电力仪表巡检的标准字符快速识别方法，其特征在于：所述步骤5)中，该层有500个输出点，所述步骤6)中，该层有62个输出点。