基于深度学习的变电站巡检机器人自动抄表研究

摘要

为提高变电站巡检机器人自动抄表识别的精度,提出一种深度学习的自动抄表识别方法。以YOLOX网络作为基础框架,在网络通道层和空间层添加卷积注意力模块,同时采用Focal-Loss函数替代BCE-Loss函数,以提高网络的训练速度和识别精度。结果表明,相较于标准的YOLOX网络、SSD算法和DenseBox算法,改进的YOLOX网络在P_(avg)、P和R指标上表现具有明显优势,分别达91.44%,96.36%和98.89%;将改进的YOLOX网络用于变电站巡检机器人自动抄表识别中,实现了智能电表数据的准确识别,且识别的P_(avg)值达90.23%,P值达93.56%,R值达到98.12%。变电站巡检机器人的识别方法可用于自动抄表中,且具有一定的工程应用价值。