(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111660490.4 (22)申请日 2021.12.3 0 (71)申请人 国电南京自动化股份有限公司 地址 210009 江苏省南京市 鼓楼区新模范 马路38号 (72)发明人 肖振远　宗起振　陶征勇　李实秋　 管金酉　卢沁欣　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 代理人 董建林 (51)Int.Cl. G06V 20/60(2022.01) G06V 20/70(2022.01) G06V 10/40(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于SW-FSSD的数字仪表字符检测方法 (57)摘要 本发明公开了一种基于SW ‑FSSD的数字仪表 字符检测方法， 其包 括： 构建SW ‑FSSD模型作为数 字仪表字符检测模型， 并进行模型训练； 利用IPC 采集数字仪表的字符图像； 将 字符图像输入训练 好的数字仪表字符检测模型； 利用数字仪表字 符 检测模型对字符图像进行特征提取并分类， 将模 型的高低层予以特征融合获得字符类别， 输出字 符检测结果。 本发明能够提升数字仪表字符检测 的准确性和有效性， 满足牵引变电所数字仪表字 符智能化检测的需求。 权利要求书2页 说明书8页 附图3页 CN 114399754 A 2022.04.26 CN 114399754 A 1.一种基于SW ‑FSSD的数字仪表字符检测方法， 其特 征在于， 包括如下步骤： 利用IPC采集数字 仪表的字符图像； 将字符图像输入预先构建的数字仪表字符检测模型， 其中， 所述数字仪表字符检测模 型采用SW ‑FSSD模型； 利用数字仪表字符检测模型对字符图像进行特征提取并分类， 获得字符类别， 输出字 符检测结果。 2.根据权利要求1所述的一种基于SW ‑FSSD的数字仪表字符检测方法， 其特征在于， 所 述SW‑FSSD模型包括依次连接的主干特征提取网络、 多尺度特征提取网络、 特征融合结构和 分类器， 其中， 主干特征提取网络采用VGG16网络的前十三层卷积层， 多尺度特征提取网络 包括3组不同尺度分辨 率输出的卷积层， 特 征融合结构采用FPN结构。 3.根据权利要求1所述的一种基于SW ‑FSSD的数字仪表字符检测方法， 其特征在于， 所 述SW‑FSSD模型的分类损失函数采用部分加权损失函数SW Loss。 4.根据权利要求1所述的一种基于SW ‑FSSD的数字仪表字符检测方法， 其特征在于， 数 字仪表字符检测模型的训练方法包括： 获取数字仪表的多幅字符图像； 将字符图像划分为训练集和 测试集， 并对每幅字符图像进行 标注； 初始化数字 仪表字符检测模型的模型参数； 通过数字仪表字符检测模型对训练集中的字符图像进行特征提取、 特征融合和特征分 类处理， 得到字符图像 检测结果； 根据字符图像的标注和检测结果， 利用损失函数计算数字仪表字符检测模型的总损 失； 根据总损失对数字仪表字符检测模型的模型参数进行更新， 并利用更新后的数字仪表 字符检测模型处 理训练集中的字符图像； 重复更新模型参数， 直至数字仪表字符检测模型的总损 失收敛， 得到训练好的数字仪 表字符检测模型。 5.根据权利 要求2或4所述的一种基于SW ‑FSSD的数字仪表字符检测方法， 其特征在于， 对训练集中的字符图像进行 特征提取、 特 征融合和特 征分类的方法为： 将训练集中的字符图像输入主干特 征提取网络， 通过 特征提取得到第一语义特 征； 将第一语义特征输入多尺度 特征提取网络， 通过特征提取得到第二、 第 三、 第四语义特 征； 利用特征融合结构对主干特征提取网络和多尺度 特征提取网络输出的4个语义特征进 行特征融合， 得到具有高低层语义信息的特 征图； 利用分类 器对特征图进行分类处 理， 得到字符图像对应的字符类别。 6.根据权利要求4所述的一种基于SW ‑FSSD的数字仪表字符检测方法， 其特征在于， 数 字仪表字符检测模型的总损失包括分类损失和回归损失， 总损失的计算公式如下： 其中， L(x,c,l,g)表示数字仪表字符检测模型的总损失， x表示预测锚框和标注锚框关 于任一字符类别是否匹配的指标参数， c表示数字仪表字符检测模型预测字符类别的概率权　利　要　求　书 1/2 页 2 CN 114399754 A 2值， l表示数字仪表字符检测模型预测的锚框位置， g表示标注的锚框位置， κ为多任务不平 衡因子， SWLconf(x,c)表示数字仪表字符检测模型 的部分加权分类损失， N为数字仪表字符 检测模型 预测的锚框总数量， Lloc(x,l,g)表示数字 仪表字符检测模型的回归损失。 7.根据权利要求6所述的一种基于SW ‑FSSD的数字仪表字符检测方法， 其特征在于， 部 分加权分类损失SW Lconf(x,c)的表达式如下： 其中， p为字符类别总数， k＝0,1, …,p， Lconf(x,c)表示每个字符类别的分类损失， βk表 示第k个字符类别的类别不平衡因子 。 8.根据权利要求7所述的一种基于SW ‑FSSD的数字仪表 字符检测方法， 其特征在于， Lconf (x,c)的表达式如下： 其中， Pos表示正样本， 正样本指与标注锚框的重叠度达到预设阈值的预测锚框， Neg表 示负样本， 负样 本指与标注锚框的重叠度未达到预设阈值的预测锚框， 表示第i个预测锚 框与第j个标注锚框关于第k个字符类别是否匹配的指标参数， 表示 的正则 化值， 表示第i个预测锚框预测为第k个字 符类别的概率值， 表示 的正则化值， 表示 第i个预测锚框预测为背景类的概率值， i＝1,2, …,N， j＝1,2, …,M， M为字符图像中标注锚 框的总数量。 9.根据权利要求6所述的一种基于SW ‑FSSD的数字仪表字符检测方法， 其特征在于， 回 归损失Lloc(x,l,g)的表达式如下： 其中， Pos表示正样本， cx、 cy、 w、 h分别表示锚框的中心点横坐标、 中心点纵坐标、 宽度 和高度， 分别表示第i个 预测锚框的中心点横坐标、 中心 点纵坐标、 宽度和高度转换到锚框坐标体系中的编码值 ， 分别表示第j个标注锚框的中心点横坐标、 中心点纵坐标、 宽度和高度转 换到锚框坐标体系中的编码值。 10.根据权利要求9所述的一种基于SW ‑FSSD的数字仪表字符检测方法， 其特征在于， 其中， 分别表示第j个标注锚框的中心点横坐标、 中心点纵坐标、 宽度和高 度， 分别表示第i个预测锚框对应的预先划分网格的中心点横坐标、 中 心点纵坐标、 宽度和高度。权　利　要　求　书 2/2 页 3 CN 114399754 A 3