基于深度学习的变电站钢结构图纸标题栏文字检测与识别
为实现变电站工程建设中钢结构与电力设备的配套控制管理，需要从大量的钢结构图纸标题栏中识别相关信息，并与实物进行匹配。针对标题栏中字体模糊、表格形式多样、信息量混杂等问题，提出了基于深度学习CNN+RNN模型的文本检测和CRNN模型的文字识别方法。对现有钢结构变电站工程施工现场钢结构数据集的检测与识别显示，该方法的检测精确率达到80％以上，识别准确率达到90％以上，均优于其他文本检测与识别方法。工程应用结果表明，该方法有效解决了因文字的大小、字体、颜色与排列方式等差异引起的特征提取困难，提高了变电站钢结构图纸标题栏文字识别的准确率。
变电站 钢结构 文本检测 文字识别 深度学习 图纸标题栏
秦辞海 顾万里
国网上海市电力公司,上海 200120
国内会议
第八届BIM技术国际交流会--工程项目全生命期协同应用创新发展
深圳
中文
550-555
2021-11-10（万方平台首次上网日期，不代表论文的发表时间）