徐 劍，張 皓，徐 航，解 凱

(1.國網(wǎng)北京市電力公司,北京 100031； 2.南京南瑞繼保電氣有限公司，江蘇 南京 211102)

0 引 言

工程圖紙是當(dāng)今眾多工程行業(yè)內(nèi)日常交流的重要媒介。在計算機(jī)出現(xiàn)以前，人們通過制定相關(guān)的標(biāo)準(zhǔn)和規(guī)則來手工繪圖，形成指導(dǎo)各行業(yè)工程開發(fā)的大量紙質(zhì)工程圖。隨著計算機(jī)技術(shù)的發(fā)展和各工程行業(yè)數(shù)字化轉(zhuǎn)型的需要，人們借助工程圖紙矢量化技術(shù)將大量傳統(tǒng)工程圖紙高效轉(zhuǎn)換為矢量格式的標(biāo)準(zhǔn)圖。早在20世紀(jì)90年代末，國外的Yu等[1]學(xué)者已開展了工程圖紙自動識別系統(tǒng)的研究。同期，國內(nèi)西北工業(yè)大學(xué)張樹生教授團(tuán)隊較早針對工程圖紙矢量化中的自動識別、集成處理和后處理等問題開展了一系列的系統(tǒng)性研究工作[2-5]，南京大學(xué)蔡士杰教授團(tuán)隊也在工程圖紙質(zhì)量化的模型和算法上取得了突出成果[6-8]。這些早期的研究工作在很大程度上促進(jìn)了工程圖紙矢量化系統(tǒng)的研發(fā)和實際應(yīng)用。近年來，這種工程圖紙矢量化需求仍然不斷增加[9-12]。通過工程圖紙矢量化不僅可以恢復(fù)老舊的圖紙，同時也可以為存儲和檢索圖紙?zhí)峁┓奖鉡13]。特別在電網(wǎng)領(lǐng)域，大多數(shù)廠家希望使用圖紙自動生成施工連接線圖，因此，如何將電網(wǎng)圖紙轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)有重要的應(yīng)用價值[14-18]。然而，由于電氣元件的多樣性和輸入的圖紙角度的不確定性，目前為止，很多電網(wǎng)工程圖矢量化方法都是針對特定圖元并使用傳統(tǒng)模式識別方法進(jìn)行處理和識別，這類方法的識別通用性差，通常只能識別特定圖元，識別效果也不理想。

本文結(jié)合實際工程應(yīng)用場景，提出一種基于Faster RCNN[19]的電網(wǎng)圖元檢測方法，將需要訓(xùn)練的樣本數(shù)據(jù)進(jìn)行預(yù)處理和特征提取，其中預(yù)處理包括平滑去噪、二值化、分割等，然后采用VGG16網(wǎng)絡(luò)提取特征，并利用Faster RCNN深度學(xué)習(xí)框架對電網(wǎng)圖元進(jìn)行識別。結(jié)果表明，本文方法對電網(wǎng)工程圖紙中的電氣元件的識別和檢測具有較好效果。

1 圖像預(yù)處理

圖像預(yù)處理可以排除或者降低電網(wǎng)工程圖紙的數(shù)字圖像中存在的部分干擾元素，去掉圖片中多余的信息，使得下一步的圖元識別和檢測工作更容易進(jìn)行[20]。圖像預(yù)處理不光可以提高識別正確率，并且可以提高系統(tǒng)性能和識別速度[21-22]。本文涉及的預(yù)處理流程包括對圖像的平滑去噪、二值化、分割處理。本文所采用的數(shù)據(jù)來源于真實場景中的9種標(biāo)準(zhǔn)圖元，并根據(jù)這些圖元，通過隨機(jī)抽取和人工標(biāo)注，生成了包含1萬張圖像的數(shù)據(jù)集，其中，7000張用于訓(xùn)練，3000張用于測試。此外，圖元大小和位置則以結(jié)構(gòu)化信息的形式記錄，即數(shù)據(jù)集保存了圖片寬度和長度、圖元的左上角(x1,y1)和右下角(x2,y2)、圖元類別等信息。

1.1 平滑去噪

本文采用中值濾波的方式對圖像去噪，由于中值濾波不是線性變換的過程，所以可以降低甚至消除大噪聲的干擾，而且不會破壞原圖像的輪廓。具體方法為采用3×3的中值濾波窗口，取9個點像素值的中值作為中心點變化之后的像素值。在具體實現(xiàn)中，首先對圖像人為加入2%脈沖噪聲干擾模擬圖像噪聲干擾，然后對受噪聲干擾的圖像進(jìn)行中值濾波。平滑去噪前后的處理效果如圖1所示。

(a) 去噪前

1.2 二值化

二值化處理旨在將圖像轉(zhuǎn)化為僅用0和1表示的二值像素矩陣形式，最簡單方法是將圖像所在的區(qū)域用m×n網(wǎng)格劃分，然后將圖元通過的網(wǎng)格填入1，沒有通過的網(wǎng)格填入0，這樣就構(gòu)成了二值像素矩陣。設(shè)圖片中的一個像素點(i,j)的灰度為g(i,j)，當(dāng)有圖元經(jīng)過時，經(jīng)過的部分的像素的灰度g(i,j)小，沒有經(jīng)過的灰度g(i,j)大。實現(xiàn)中，通過灰度閾值T來完成二值化處理，當(dāng)g(i,j)值比設(shè)定的閾值大時，用“0”表示，當(dāng)g(i,j)值比設(shè)定的閾值小時，以“1”表示。電網(wǎng)工程圖紙的圖像二值化效果如圖2所示。

圖2 圖像二值化效果

1.3 水平線和垂直線檢測

在電網(wǎng)工程圖紙中，大量的線路是以水平線或垂直線的形式表示，這些線路對于電網(wǎng)圖元的識別和檢測具有幫助作用。在水平線和垂直線檢測中，本文進(jìn)一步采用文獻(xiàn)[15]和文獻(xiàn)[21]中提出的直線檢測方法來實現(xiàn)。首先，對整幅圖進(jìn)行從左到右，從上到下進(jìn)行掃描，獲取圖像中直線的寬度信息，從掃描結(jié)果獲取得到圖像的中寬度的直方圖，取最大值作為直線的寬度。然后，通過形態(tài)學(xué)分析，獲取直線的水平和垂直的線段。通過Hough直線檢測算法[23]，可以將直線段保存到文本中。垂直線和水平線提取效果如圖3所示。

(a) 水平線提取效果

經(jīng)過上述預(yù)處理，最后將二值化后的圖像減去水平和垂直方向的線段，得到圖元符號特征圖，簡稱圖元圖。由于預(yù)處理中可能存在殘余的像素點，會造成圖元圖不完整，所以接下來再對圖元圖采用形態(tài)學(xué)中的閉操作進(jìn)行修復(fù)，得到提取后的初步圖元信息。修復(fù)操作后的效果如圖4所示。

圖4 經(jīng)過預(yù)處理和修復(fù)的圖元圖

2 基于Faster CRNN的電網(wǎng)圖元檢測

2.1 圖像特征提取

本文采用VGG16網(wǎng)絡(luò)提取圖像特征，形成特征向量。輸入層為寬度×高度×3，經(jīng)過2層相同的卷積，卷積filter為3×3，stride為1，filter數(shù)為64，然后經(jīng)過一層2×2的最大池化。接著，按照相同的方式，讓寬和高越來越小，而filter數(shù)逐倍增加，直到512，同時層數(shù)增加到13層，最后連接3層全連接層，共同構(gòu)成16層網(wǎng)絡(luò)架構(gòu)。這樣簡化了卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，隨著網(wǎng)絡(luò)層數(shù)加深，圖像的寬度和高度都不斷縮小，每次池化后剛好縮小一半，通道數(shù)增加一倍。

由于全連接層主要用來匯總信息，對特征的提取作用不大，所以采用VGG16中前13層提取特征，不包括全連接層。輸入任意寬度和高度的圖片，對輸入圖像長寬做規(guī)整化操作，設(shè)定圖片寬度不超過600，長度不超過1024。具體的神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置為：1)13個卷積層的kernel_size=3×3，pad=1，stride=1；2)13個ReLU函數(shù)為激活函數(shù)；3)4個池化層的kernel_size=2，stride=2，每層pooling使圖片大小縮小一半。卷積層圖片提取了圖片特征，但是圖片的大小沒有變化，同時圖片通道數(shù)增加一倍。每次經(jīng)過池化層圖像大小變?yōu)樵瓉淼?/2。所以3通道的長寬為3×m×n，經(jīng)過卷積和池化操作后圖片變?yōu)?12× (m/8)×(n/8)=8×m×n。

2.2 基于Faster RCNN的圖元識別

Faster RCNN[19]是目前工業(yè)界目標(biāo)識別中廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)模型，它將特征提取、區(qū)域框提取、區(qū)域框回歸和目標(biāo)分類都整合到一個深度網(wǎng)絡(luò)架構(gòu)中，候選框提取和分類都放在GPU上訓(xùn)練，在檢測速度方面相比之前的算法提升比較明顯。在本文的電網(wǎng)圖元識別中，基于Faster RCNN的識別過程包括2個部分：首先，通過預(yù)訓(xùn)練的VGG16網(wǎng)絡(luò)來提取圖像中的特征，然后，這些特征供后續(xù)的區(qū)域提取層和目標(biāo)分類使用。在區(qū)域提取層中，通過二分類判讀前景和背景框，然后通過回歸獲取相對精確的候選框。在ROI層中，統(tǒng)一處理大小不同的候選框，獲取候選框的特征值，將這些送入全連接層，最后獲取電網(wǎng)圖元的最終坐標(biāo)信息和相應(yīng)類別信息。具體識別的過程如下：

Step1設(shè)置網(wǎng)絡(luò)的變量和參數(shù)(如VGG16)、訓(xùn)練樣本、學(xué)習(xí)速率和權(quán)值學(xué)習(xí)矩陣。

Step2網(wǎng)絡(luò)初始化。

Step3輸入網(wǎng)絡(luò)的訓(xùn)練樣本。

Step4候選區(qū)域生成。通過特征提取后，對特征向量中每個像素點取9個不同的矩形框，將其與標(biāo)簽信息做回歸處理得到初步的候選框，并判斷該候選框是前景還是背景。

Step5通過ROI層，將大小不同的特征圖轉(zhuǎn)換為特征向量統(tǒng)一處理。

Step6通過回歸進(jìn)一步計算圖元的相對精確位置和通過多分類對圖元的類別進(jìn)行判定，并分別設(shè)置損失函數(shù)。

Step7觀察網(wǎng)絡(luò)的學(xué)習(xí)是否達(dá)到設(shè)定的次數(shù)。

Step8觀察所有樣本是否都已經(jīng)學(xué)習(xí)完畢，若學(xué)習(xí)完則訓(xùn)練完成，重新開始新一輪的批次訓(xùn)練，直到合適的精度為止。

上述電網(wǎng)圖元識別流程如圖5所示。

圖5 基于Faster RCNN的圖元識別流程

2.3 模型訓(xùn)練及參數(shù)設(shè)置

本文的電網(wǎng)圖元識別模型訓(xùn)練分為4個階段：

Step1首先通過預(yù)訓(xùn)練好的VGG16模型來對網(wǎng)絡(luò)初始化，使得網(wǎng)絡(luò)可以產(chǎn)生候選區(qū)域提取框，接下來把訓(xùn)練好的區(qū)域提取層(RPN層)模型保存下來。

Step2通過預(yù)訓(xùn)練好的VGG16模型訓(xùn)練Faster RCNN網(wǎng)絡(luò)，同時將Step1中RPN層輸出的候選區(qū)域提取框作為輸入數(shù)據(jù)。

Step3將Step2中的Faster RCNN模型訓(xùn)練參數(shù)初始化RPN層，固定網(wǎng)絡(luò)中公共部分參數(shù)，只更新RPN的參數(shù)，將訓(xùn)練模型結(jié)果保存。

Step4使用Step3中RPN層初始化Faster RCNN模型，并生成候選提取框作為輸入數(shù)據(jù)，固定兩者公共部分參數(shù)，微調(diào)Faster RCNN參數(shù)，實現(xiàn)模型訓(xùn)練的統(tǒng)一。

上述具體過程如圖6所示。

圖6 基于Faster RCNN的圖元識別訓(xùn)練過程

接下來，在電網(wǎng)圖元檢測階段，直接將圖片輸送到Faster RCNN框架中。檢測階段需要整合區(qū)域提取層和Faster RCNN，所以需要將圖片的長寬調(diào)整為統(tǒng)一規(guī)格大小輸入。這里，選取了長寬分別為128×128、256×256和512×512，長寬比例分別為0.5、1和2，在用RPN層訓(xùn)練圖片上，使用ROI層將之前的結(jié)果做進(jìn)一步的分類和回歸，得到目標(biāo)的位置和分類信息。

在本文使用的方法中，學(xué)習(xí)速率與權(quán)值變化相關(guān)。如果學(xué)習(xí)速率大，權(quán)值每次的變化也會變大，導(dǎo)致系統(tǒng)不穩(wěn)定；學(xué)習(xí)速率小，則每次權(quán)值改變量也會減小，導(dǎo)致網(wǎng)絡(luò)訓(xùn)練的時間變長，不能夠很快收斂。為了均衡兩者，既保持系統(tǒng)的穩(wěn)定性，又可以使網(wǎng)絡(luò)快速收斂，一般在選取速率時，取值在0.01～0.8范圍內(nèi)。

最后，本文采用的模型在選取激活函數(shù)時一般要選擇在區(qū)間內(nèi)連續(xù)且可微的函數(shù)，其中經(jīng)常作為激活使用的有對數(shù)型激活(sigmoid函數(shù))、雙曲正切型激活(tanh函數(shù))、非線性激活(ReLU函數(shù))。sigmoid型激活函數(shù)的特點是輸入可以為任意值，輸出保持在0到1之間；tanh型激活函數(shù)的輸入輸出保持在-1和+1之間；ReLU型激活函數(shù)的輸入大于0則輸出的是本身，小于0則輸出的是0。在本文中，隱含層的激活函數(shù)為ReLU型。

3 實驗結(jié)果與分析

為驗證本文所提方法，在真實的應(yīng)用場景下，人工構(gòu)建了包含9種標(biāo)準(zhǔn)圖元的共1萬張電網(wǎng)工程圖紙的圖像數(shù)據(jù)集。9種圖元分別為：變電站(e1, station)、斷路器(e2, breaker)、變壓器(e3, transformer)、閘刀(e4, knife)、地閘(e5, groundknife)、充電器(e6, changer)、電容表(e7, capacitable)、充電變壓器(e8, changetransformer)、充電電壓表(e9, changeV)。

首先，在數(shù)據(jù)集上驗證所提方法對不同電網(wǎng)圖元的識別準(zhǔn)確率。實驗中，選取一張測試圖像，對圖像進(jìn)行平滑去噪、二值化、分割等操作，然后進(jìn)行特征提取，并將提取到的數(shù)據(jù)作為輸入數(shù)據(jù)，輸入訓(xùn)練好的Faster RCNN中進(jìn)行識別驗證。9種圖元的識別準(zhǔn)確率(P)、召回率(R)和F1值如表1所示。從結(jié)果可見，本文方法能實現(xiàn)較好的電網(wǎng)圖元識別效果，識別準(zhǔn)確率達(dá)到87.5%～95.0%，召回率達(dá)到85.5%～92.3%，綜合F1值達(dá)到86.4%～93.6%。上述結(jié)果的綜合性能已能滿足實際工程應(yīng)用需要，并可以減少大量的人工校正工作。

表1 電網(wǎng)圖元識別性能 單位：%

然后，進(jìn)一步通過具體實例分析對各種電網(wǎng)圖元的識別效果，識別效果如圖7所示，其中，不同的電網(wǎng)圖元識別結(jié)果用帶顏色的框標(biāo)識(因印刷原因，文中為黑白色)，并在框的旁邊給出了圖元類型和識別概率，從圖中可見，本文所提方法能夠正確識別示例中的全部電網(wǎng)圖元。同時，本文經(jīng)過大量的實驗，觀察到當(dāng)圖片的噪聲比較小或者沒有噪聲時，本文所提方法的識別正確率平均為91.4%；當(dāng)圖片受噪聲干擾較大，正確率會降低，對噪聲較大的圖像識別正確率平均為82.5%。因此，識別效果達(dá)到了預(yù)期的要求。

圖7 電網(wǎng)圖元識別效果

最后，實驗中還發(fā)現(xiàn)，模型對于一些相似圖元識別率不高。例如，嘗試增加對相似的三相線圈和兩相線圈的圖元識別，結(jié)果發(fā)現(xiàn)這類較相似的圖元識別準(zhǔn)確率不高，這說明模型設(shè)計中需要考慮增加相似圖元之間的區(qū)分度。同時，對于圖中面積比較小的圖元，由于分辨率問題，模型對這些樣本識別率也不高，后期可以考慮對小物體識別率，比如采用不同分辨率特征圖元，或者采用識別準(zhǔn)確率更先進(jìn)的如Mask RCNN模型訓(xùn)練圖元，進(jìn)一步提高訓(xùn)練精度。最后，在訓(xùn)練過程中，提供更多的訓(xùn)練樣本或者設(shè)置更小的訓(xùn)練誤差，可以進(jìn)一步地提高電網(wǎng)圖元的識別正確率，但同時會導(dǎo)致訓(xùn)練的時間變長。

4 結(jié)束語

本文提出了一種基于Faster RCNN的電網(wǎng)圖元識別方法，包括預(yù)處理、特征提取、圖元識別等過程。首先，進(jìn)行預(yù)處理，包含平滑去噪、二值化、直線檢測等步驟；然后，采用Faster RCNN模型實現(xiàn)電網(wǎng)圖元的通用特征提?。蛔詈?，設(shè)計網(wǎng)絡(luò)架構(gòu)和模型訓(xùn)練過程，并優(yōu)化模型參數(shù)對識別效果的影響。實驗結(jié)果表明，本文提出的電網(wǎng)圖元識別方法具有較好的識別效果。