[发明专利]一种用于互感器二次回路接线端子的自动识别方法及系统

权利要求书

1.一种用于互感器二次回路接线端子的自动识别方法，所述方法包括：

基于EAST场景文本检测算法搭建深度神经网络，建立端子数据集，并以端子数据集作为所述深度神经网络的训练集，对所述深度神经网络进行训练以获取识别网络，将待检测端子的端子图片输入识别网络中进行检测，确定待检测端子的编号位置以及形状数据；

基于PCA以及最小线性回归的数据矫正方法，对所述待检测端子的编号位置以及形状数据进行矫正，获取矫正后的待检测端子的编号位置以及形状数据；

对所述矫正后的待检测端子的编号位置以及形状数据进行裁切处理，获取端子图片，针对所述端子图片使用数字识别接口进行数字识别，确定图片中的端子编号；

根据所述端子编号，查询端子编号信息与电气信息数据库，获取查询结果，根据查询结果将所述端子图片中端子标注为待检二次回路对应的端子。

2.根据权利要求1所述的方法，所述获取识别网络的具体步骤如下：

标注训练集种端子排图片中的端子，以四点形式确定一个封闭区域，给定图片中端子位置形状信息，建立端子数据集，并通过自动裁切和随机变换扩充数据集；

根据标注数据生成真值标签；

搭建EAST深度神经网络；

将标注数据分为训练集D和验证集V，在训练集中随机选取batch-size个样本(x，y)作为一个训练的批次，选择网络的损失函数L对网络参数θ的梯度方向，梯度方向的计算公式如下：

更新参数θ；

当深度神经网络的损失函数L在验证集V上不再下降时，停止训练，生成识别网络；

所述生成真值标签的生成规则包括如下：

封闭区域按比例收缩生成有效的内部区域，内部区域的首端和尾端定为头部区域和尾部区域，头部和尾部统称为边界区域；

对于待识别端子的端子图片中的每个像素，生成一个7位的标签，标签第1位的含义为该像素是否在内部区域内；标签第2位的含义为该像素是否在边界区域；标签第3位的含义为该像素为头部区域或尾部区域像素；标签4至7位为该像素与对应的头部或尾部两顶点的x、y坐标之差。

3.根据权利要求1所述的方法，所述基于PCA以及最小线性回归的数据矫正方法，对所述待检测端子的编号位置以及形状数据进行矫正，具体包括：

对于端子编号检测模块输出的图片中的端子位置形状信息，计算每个端子的中心坐标x、y；

对于一张图片中的所有端子，根据中心坐标生成协方差矩阵，协方差矩阵如下：

其中X＝(x₁,x₂,...,x_n)，Y＝(y₁,y₂,...,y_n)，Cov(X,Y)表示变量X和Y的协方差，n是该张图片中的端子数；

定义三种类型的端子分布；所述三种类型的端子分布分别是单列型、单列多线型以及双列型；

基于PCA对中心坐标进行降维，其中，协方差矩阵最大特征值对应的特征向量为e＝(α₁,α₂)^T，则将原始中心坐标降维至p_i＝e^T(x_i,y_i)^T，i为端子编号检测模块的输出顺序；

定义两个变量：PCA坐标一阶差Δ_Ι_p_i＝p_i+1-p_i和PCA坐标二阶差Δ_ΙΙ_p_i＝p_i+2-p_i，计算两个变量的均值avgΔ_Ι_p_i和avgΔ_Ι_p_i；

对于两列型端子，p_i正负交替变换，均值avgΔ_Ι_p_i接近0；对于单列型和单列多线型端子，均值avgΔ_Ι_p_i近似为avgΔ_Ι_p_i两倍；逐个判断Δ_Ι_p_i和avgΔ_Ι_p_i的差值，若超过阈值，则为分界点；若不存在分界点，则为单列型端子；若存在分界点，则为单列多线型端子；

对图片中的端子进行分组，将两列型端子每一列分为一组，将单列型端子全部分为一组，将单列多线型端子每个分界点之后端子作为一组；

将端子中心坐标作为自变量，将端子区域的四边长度及倾斜角度作为因变量，求解回归直线，将中心坐标代入到回归直线得到矫正后的待检测端子的编号位置以及形状数据。