基于深度学习的电力通信光纤配线标签识别研究

作者：杨志敏^*; 陈一童; 吴桂龙; 黄强; 贺云

来源：电力信息与通信技术, 2022, 20(04): 18-23.

DOI：10.16543/j.2095-641x.electric.power.ict.2022.04.003

• 文本检测
• YOLO
• PSENet
• DenseNet
• 文本纠错

电力光纤作为电力业务通道承载介质，其标签管理尤为重要。光纤配线标签通常粘贴在光纤端子处，软体材质容易导致标签堆叠、扭曲，加之光照不均、背景复杂、文本变形和文本方向不一致等干扰及影响因素，使得现有文本检测和识别方法难以正确识别光纤配线标签。针对这一问题，文章提出一种基于YOLO、PSENet文本检测和DenseNet、Seq2Seq、Attention文本识别与文本纠错技术相结合的光纤配线标签识别方法。通过实验对比，该标签识别方法具有较高的文本识别准确率，研究成果在通信资源数字化管理领域具有实际应用价值。

• 单位
  中国南方电网电力调度控制中心