基于深度神經(jīng)網(wǎng)絡(luò)的電氣元件符號(hào)識(shí)別算法

江再玉，石文娟，馬 晶，程瑛穎

（1.北京中電普華信息技術(shù)有限公司，北京 100085；2.國(guó)網(wǎng)重慶市電力公司營(yíng)銷服務(wù)中心，重慶 401121）

圖紙中電氣符號(hào)識(shí)別的主體是以電氣設(shè)施原理圖為主要形式的電氣圖紙，識(shí)別對(duì)象主要是圖紙中的電氣元件，例如主變壓器、電流互感器、電壓互感器和電能表等。目前，在電網(wǎng)公司業(yè)擴(kuò)報(bào)裝的過(guò)程中，設(shè)計(jì)圖紙的審查環(huán)節(jié)需要對(duì)電氣圖紙中的元件以及標(biāo)注信息進(jìn)行識(shí)別，但是人工識(shí)別工作流程周期長(zhǎng)，方案及設(shè)計(jì)審查依賴于業(yè)務(wù)人員對(duì)專業(yè)知識(shí)和經(jīng)驗(yàn)的掌握，效率低下。因此，急需一種高效的自動(dòng)化識(shí)別算法。

現(xiàn)階段對(duì)于電氣元件符號(hào)的識(shí)別方法主要有2種方法：一種方法是通過(guò)圖元分割的方式對(duì)電氣元件進(jìn)行分割和匹配[1-4]，這類方法的局限性在于會(huì)混淆具有相似的圖元構(gòu)成的電氣符號(hào)；另一種方法是通過(guò)計(jì)算電氣符號(hào)的局部特征來(lái)識(shí)別電氣符號(hào)的類型[5-7]，例如 SIFT[8]、LBP[9]和 HOG[10]。但上述方法都存在一個(gè)共同的問題，同種電氣元件可能會(huì)存在多種表示形式，另外技術(shù)人員在繪制圖紙時(shí)也會(huì)有不同的習(xí)慣，這就會(huì)造成同一類電氣元件會(huì)衍生出多種類型的表示方式，而上述方法對(duì)于同類電氣符號(hào)的不同表示形式的泛化能力較弱，很大程度上限制了算法在工程場(chǎng)景中的性能。卷積神經(jīng)網(wǎng)絡(luò)因其可以自主完成對(duì)目標(biāo)特征的提取和學(xué)習(xí)，具有較強(qiáng)的魯棒性和泛化能力，成為目標(biāo)檢測(cè)領(lǐng)域的主流算法。有學(xué)者應(yīng)用LeNet-5、AlexNet、GoogLeNet和VggNet等網(wǎng)絡(luò)對(duì)手寫符號(hào)分類，相比于使用HOG等基于手工特征提取的識(shí)別算法，在缺乏色彩特征和紋理特征的手寫符號(hào)上具有很大的優(yōu)勢(shì)[11-12]。

近年來(lái)，以 Fast R-CNN[13]、Faster R-CNN[14-15]、SSD[16]、YOLOv3[17]等算法作為典型代表的深度卷積神經(jīng)網(wǎng)絡(luò)發(fā)展迅速，其中YOLOv3因兼具精度與速度優(yōu)勢(shì)，在工業(yè)界得到了廣泛應(yīng)用。因此，本文提出一種基于YOLOv3的電氣符號(hào)識(shí)別算法和基于冗余的圖像預(yù)處理算法，能夠?qū)﹄姎庠?hào)進(jìn)行高精度的識(shí)別。

本文的主要貢獻(xiàn)在于提出了使用深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行電氣圖紙中元件識(shí)別的新思路，搭建了全新的特征融合網(wǎng)絡(luò)，并且采用K-means++聚類算法優(yōu)化了網(wǎng)絡(luò)參數(shù)。另外，還提出了一種針對(duì)于任意大尺寸圖片分割的預(yù)處理算法以及對(duì)應(yīng)的非極大值抑制NMS（non-maximum suppression）算法[18]。

1 相關(guān)工作

1.1 傳統(tǒng)電氣符號(hào)識(shí)別算法

早期對(duì)于電氣圖紙中電氣符號(hào)的識(shí)別主要是通過(guò)將電氣符號(hào)抽象成各種幾何圖元，建立對(duì)應(yīng)的拓?fù)?，將目?biāo)元件的拓?fù)渑c標(biāo)準(zhǔn)拓?fù)溥M(jìn)行比對(duì)來(lái)實(shí)現(xiàn)電氣符號(hào)的識(shí)別。文獻(xiàn)[1]中所述方法將幾何圖元?dú)w為一個(gè)集合{圓，水平線，垂直線，斜線，矩形，半圓，文字}，圖元之間的關(guān)系也歸為一個(gè)集合{包含，相交，貫穿，分離}，之后將元件抽象成圖元和圖元間關(guān)系的鏈表，通過(guò)判斷拓?fù)涫欠翊嬖谕瑯?gòu)關(guān)系來(lái)進(jìn)行分類，但所提方法對(duì)于圖元的劃分較為粗糙，對(duì)于結(jié)構(gòu)復(fù)雜的元件進(jìn)行圖元提取時(shí)容易損失關(guān)鍵信息；在此基礎(chǔ)上，文獻(xiàn)[2]對(duì)圖元關(guān)系之間的分類進(jìn)行了細(xì)化，增強(qiáng)了圖元對(duì)于元件的表示能力，同時(shí)采用Ullman算法來(lái)進(jìn)行圖元拓?fù)涞膱D元計(jì)算；而文獻(xiàn)[3]在圖元拓?fù)涞钠ヅ渖咸岢龈蛹?xì)粒度的方法，提出了基于圖元數(shù)目、圖元類型、圖元交點(diǎn)數(shù)目、圖元交角、圖元交點(diǎn)位置和圖元位置關(guān)系的多角度相似度計(jì)算方法，很大程度地增強(qiáng)了圖元拓?fù)涞钠ヅ渚?；文獻(xiàn)[4]則使用決策樹來(lái)對(duì)元件類型進(jìn)行分類，集成了基于特征分類和基于相似性識(shí)別方法的優(yōu)點(diǎn)。但是對(duì)于結(jié)構(gòu)復(fù)雜的元件，所抽象出的元件拓?fù)湟?guī)模變大，在進(jìn)行圖元的同構(gòu)判別是會(huì)帶來(lái)很大的計(jì)算量，識(shí)別速度明顯下降，同時(shí)這種方法只能識(shí)別單個(gè)獨(dú)立的原件，無(wú)法在整幅圖紙上進(jìn)行識(shí)別，較難進(jìn)行實(shí)際應(yīng)用。文獻(xiàn)[5-6]則提出了另外一種不同的思路，采用計(jì)算機(jī)視覺中所用的一種局部特征描述子HOG來(lái)進(jìn)行電氣元件的判別。HOG特征是通過(guò)計(jì)算局部在各個(gè)方向上的梯度來(lái)提取局部信息構(gòu)建成特征向量，采用SVM對(duì)特征進(jìn)行分類。文獻(xiàn)[7]則采用了分層梯度方向直方圖PHOG（pyramid histogram of oriented gradient）來(lái)提取局部特征，主體方法是利用Canny算子提取圖像的邊緣信息，在提取到的邊緣區(qū)域來(lái)提取HOG特征。這種方法預(yù)選對(duì)提取特征的區(qū)域進(jìn)行了篩選，集中注意到邊緣區(qū)域，既減少了無(wú)關(guān)區(qū)域的特征提取，減少了計(jì)算量，同時(shí)融入了邊緣信息，增強(qiáng)了空間表示能力。但HOG和PHOG描述子提取的特征向量維度較大，在識(shí)別大尺寸圖片是時(shí)間成本高，同時(shí)在多尺度上的識(shí)別能力較弱。

文獻(xiàn)[11]考慮到手寫符號(hào)圖像具有缺乏色彩特征和紋理特征的特性，在淺層卷積中使用了大尺寸的卷積核來(lái)提取結(jié)構(gòu)特征，相比于原有的小尺寸卷積核，減少了卷積過(guò)程中的信息損失；文獻(xiàn)[12]則對(duì)比了多種主流的卷積神經(jīng)網(wǎng)絡(luò)，驗(yàn)證了其在手寫字符分類任務(wù)上的可行性。雖然文獻(xiàn)[11-12]只針對(duì)于手寫符號(hào)的分類任務(wù)，但電氣符號(hào)與手寫符號(hào)類似，同樣缺乏色彩和紋理特征，因此對(duì)于本文所針對(duì)的電氣符號(hào)識(shí)別具有借鑒意義。

1.2 YOLOv3目標(biāo)檢測(cè)算法

相比于第1.1節(jié)中所提到的傳統(tǒng)方法，基于深度卷積神經(jīng)網(wǎng)絡(luò)的YOLOv3在特征提取和多尺度檢測(cè)上具有很大的優(yōu)勢(shì)。YOLOv3是在YOLOv2的基礎(chǔ)上進(jìn)行改進(jìn)的單階段目標(biāo)檢測(cè)算法，使用了Darknet-53作為骨干網(wǎng)絡(luò)。應(yīng)用了大量3×3和1×1的卷積層來(lái)代替原有的全連接層和池化層，有效減少了參數(shù)規(guī)模，同時(shí)為了避免過(guò)深的網(wǎng)絡(luò)結(jié)構(gòu)會(huì)產(chǎn)生梯度爆炸的現(xiàn)象，在網(wǎng)絡(luò)中添加了大量的殘差塊，網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Structure of Darknet-53 network

為了提升在多尺度目標(biāo)上的檢測(cè)精確度，YOLOv3在生成特征圖進(jìn)行預(yù)測(cè)時(shí)吸取了特征金字塔網(wǎng)絡(luò)FPN（feature pyramid network）[19]的思想來(lái)實(shí)現(xiàn)多尺度檢測(cè)，在大、中、小3種尺度(P1:52×52,P2:26×26,P3:13×13)的特征圖上進(jìn)行預(yù)測(cè)，能夠兼顧大尺寸特征圖中的低層語(yǔ)義信息和小尺寸特征圖中的高層語(yǔ)義信息，其網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。同時(shí)在每個(gè)特征圖上都預(yù)選設(shè)置3種不同的錨框，共9種不同的尺寸匹配可能出現(xiàn)的各種大小的目標(biāo)。

圖2 特征金字塔網(wǎng)絡(luò)Fig.2 Feature pyramid network

YOLOv3算法會(huì)將輸入的圖像劃分為S×S的網(wǎng)格，每個(gè)網(wǎng)格預(yù)測(cè)B個(gè)邊界框來(lái)對(duì)C類目標(biāo)進(jìn)行預(yù)測(cè)，網(wǎng)絡(luò)會(huì)對(duì)預(yù)測(cè)出每一個(gè)邊界框置信度，置信度由網(wǎng)格中包含目標(biāo)的概率和邊界框的準(zhǔn)確度兩部分組成，表示為

式中：rconf為邊界框的置信度；Pr(obj)為網(wǎng)格中包含目標(biāo)的概率；為邊界框的準(zhǔn)確度，即預(yù)測(cè)邊界與真實(shí)邊界的交并比。

每一個(gè)網(wǎng)格中預(yù)測(cè)的類別置信度為

式中，i=1,2,…,t，t為檢測(cè)類別數(shù)。

在經(jīng)過(guò)設(shè)定閾值過(guò)濾和非極大值抑制后，預(yù)測(cè)網(wǎng)絡(luò)最終輸出預(yù)測(cè)框的5個(gè)預(yù)測(cè)參數(shù)中心點(diǎn)坐標(biāo)(x,y)、預(yù)測(cè)框的寬高(w,h)和rconf，以及C個(gè)類別標(biāo)簽，因此網(wǎng)絡(luò)的輸出大小為SSB(5+C)。

YOLOv3的損失函數(shù)主要由3部分組成，分別為位置坐標(biāo)損失、置信度損失和類別損失，計(jì)算公式為

2 基于YOLOv3的電氣符號(hào)識(shí)別算法

相比于傳統(tǒng)電氣符號(hào)識(shí)別算法，基于深度神經(jīng)網(wǎng)絡(luò)的方法提取特征的能力優(yōu)勢(shì)明顯，但針對(duì)本文所提出的場(chǎng)景，YOLOv3在網(wǎng)絡(luò)超參數(shù)的設(shè)置、特征融合網(wǎng)絡(luò)以及數(shù)據(jù)預(yù)處理方面仍有不足。因此，對(duì)于基準(zhǔn)算法存在的這些問題，本文做出了針對(duì)性改進(jìn)，包括對(duì)訓(xùn)練數(shù)據(jù)標(biāo)簽進(jìn)行聚類來(lái)優(yōu)化訓(xùn)練過(guò)程，構(gòu)建了新的特征融合網(wǎng)絡(luò)，基于數(shù)據(jù)冗余的圖片預(yù)處理算法，以及與之相應(yīng)的改進(jìn)NMS篩選算法。

2.1 錨框尺寸先驗(yàn)值聚類

在YOLOv3中，F(xiàn)PN會(huì)輸出3種不同尺寸的特征圖，每一種特征圖設(shè)置3種錨框，共設(shè)置了9種不同尺寸和比例的錨框來(lái)預(yù)測(cè)目標(biāo)的位置，為了使網(wǎng)絡(luò)在訓(xùn)練時(shí)能夠平穩(wěn)快速地收斂，需要為錨框的尺寸設(shè)置一個(gè)初始值，初始值設(shè)置的與實(shí)際識(shí)別目標(biāo)的尺寸吻合程度越高，網(wǎng)絡(luò)訓(xùn)練的效果就會(huì)越好。YOLOv3中原有的錨框是根據(jù)公開數(shù)據(jù)集VOC Pascal來(lái)設(shè)置的，并不適合本文中所針對(duì)的電氣符號(hào)數(shù)據(jù)集。因此本文采用K-means++聚類算法[20]對(duì)訓(xùn)練集標(biāo)簽進(jìn)行聚類的辦法來(lái)確定網(wǎng)絡(luò)中錨框的尺寸。

原有的K-means聚類算法隨機(jī)選取9個(gè)點(diǎn)作為聚類中心，這種方法存在較大的偶然性，無(wú)法保證得到的聚類結(jié)果是最優(yōu)解。K-means++聚類算法在聚類中心的選取上進(jìn)行了優(yōu)化，降低了聚類結(jié)果的隨機(jī)性，選取方法步驟如下。

步驟1從候選數(shù)據(jù)集中隨機(jī)選取1個(gè)數(shù)據(jù)點(diǎn)作為第一個(gè)初始聚類中心c1。

步驟2計(jì)算其他每一個(gè)樣本點(diǎn)(xi,yi）與聚類中心(xc,yc)的歐氏距離D(x)和每一個(gè)樣本點(diǎn)被選為聚類中心的概率P(x)，即

選取概率最大的點(diǎn)作為下一個(gè)聚類中心。

步驟3重復(fù)步驟2，直到選擇出9個(gè)初始聚類中心。

步驟4選取初始聚類中心后的過(guò)程與K-means聚類算法一致，將每一個(gè)樣本點(diǎn)分配給距其最近的聚類中心，劃分成初始簇，之后重新計(jì)算每個(gè)簇的質(zhì)心作為新的聚類中心，不斷迭代，直到簇不再發(fā)生變化或者達(dá)到最大迭代次數(shù)為止。

經(jīng)過(guò)K-means++聚類算法得到9個(gè)聚類中心點(diǎn)后，按照聚類中心點(diǎn)長(zhǎng)和寬的乘積從小到大進(jìn)行排序，并按照大小分為3組，分別對(duì)應(yīng)FPN中、大、小不同的3種特征圖。

2.2 自下而上的特征融合網(wǎng)絡(luò)

在電氣符號(hào)數(shù)據(jù)集中，很多不同類型的符號(hào)具有相似的邊緣輪廓特征，但內(nèi)部細(xì)節(jié)特征存在差異，一些典型的電氣符號(hào)如圖3所示。以電流互感器、電壓互感器以及變壓器為例，這3類符號(hào)都是有多個(gè)圓形部分組成，在排列方式以及內(nèi)部特征上略有不同。所以在這類元件中存在部分誤識(shí)別的情況。

圖3 電氣符號(hào)示例Fig.3 Examples of electrical symbols

在YOLOv3中，應(yīng)用了特征金字塔網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)多尺度特征融合，構(gòu)建了“自下而上”和“自上而下”2條路徑的網(wǎng)絡(luò)結(jié)構(gòu)，將深層特征經(jīng)過(guò)上采樣與淺層特征進(jìn)行融合，豐富淺層特征的語(yǔ)義信息。對(duì)P1、P2、P3所輸出預(yù)測(cè)框的數(shù)量進(jìn)行統(tǒng)計(jì)，P2和P3分別貢獻(xiàn)了32%和42%的預(yù)測(cè)框。但P3只包含C3的特征，P2只包含P3和C2的特征，沒有使用到C1中所包含的淺層細(xì)節(jié)信息，無(wú)法考慮到不同類別的元件之間產(chǎn)生誤識(shí)別的情況。

針對(duì)原有模型中存在的問題，本文提出了一種全新的特征金字塔網(wǎng)絡(luò)，構(gòu)建了2條“自下而上”的路徑，網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。

圖4 自下而上的特征金字塔網(wǎng)絡(luò)Fig.4 Feature pyramid network with bottom-up pathway

自下而上的路線將包含更多細(xì)節(jié)信息的淺層特征圖進(jìn)行下采樣，然后與深層特征圖進(jìn)行合并，來(lái)豐富深層特征中的細(xì)節(jié)信息，強(qiáng)化深層特征中的細(xì)節(jié)信息，有利于提升網(wǎng)絡(luò)的分類精度。具體來(lái)說(shuō)，首先使用3×3、步長(zhǎng)為2的卷積操作來(lái)實(shí)現(xiàn)下采樣，再使用1×1卷積進(jìn)行通道對(duì)齊。特征圖合并則是采用像素點(diǎn)相加的方式，即

式中：down(Pi-1,size)為下采樣函數(shù)；size為輸出尺寸；conv(Ci)中卷積核大小為1×1、步長(zhǎng)為1；θ為特征圖的權(quán)重因子，一般情況下取0.5[19]。

2.3 基于數(shù)據(jù)冗余的圖像分割算法

深度神經(jīng)網(wǎng)絡(luò)對(duì)于輸入數(shù)據(jù)的尺寸有固定限制，雖然可以通過(guò)圖像的放縮和比例修正使圖片的尺寸滿足網(wǎng)絡(luò)的輸入要求，但會(huì)引起原有圖像比例的改變和數(shù)據(jù)損失。本文所使用的電氣元件數(shù)據(jù)集與傳統(tǒng)的圖像數(shù)據(jù)集不同，電氣元件在圖紙上不存在由于透視導(dǎo)致的形態(tài)變化和遮擋重疊等特殊情況，而圖像比例的改變可能會(huì)對(duì)目標(biāo)的識(shí)別和類別判斷產(chǎn)生影響。

為了解決大尺寸圖紙的識(shí)別問題，本文提出了一種基于數(shù)據(jù)冗余的圖片切割算法[21]，在不改變網(wǎng)絡(luò)輸入且不改變圖片原有比例的條件下，將輸入圖片切割成多張子圖，分別進(jìn)行識(shí)別以提升檢測(cè)器的識(shí)別精度。而簡(jiǎn)單的切割圖片容易將識(shí)別目標(biāo)切割成兩部分，不完整的元件有可能會(huì)造成誤識(shí)別、漏識(shí)別或重復(fù)識(shí)別，因此采用冗余分割的方法對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)處理，可以保證任何一個(gè)目標(biāo)元件都至少完整地出現(xiàn)在一張子圖中。

算法實(shí)現(xiàn)細(xì)節(jié)如下。原圖片尺寸為W×H，子圖尺寸等于網(wǎng)絡(luò)輸入尺度為w×h，在本文所提出方法中為512×512。對(duì)于橫向切割次數(shù)Cx(Cx＞0)、縱向切割次數(shù)Cy(Cy＞0)和冗余寬度Rw、冗余高度Rh，為了盡可能保證每一個(gè)目標(biāo)元件都被完整地分割到一張子圖中，Rw、Rh需要盡可能地大于所有目標(biāo)的尺寸，因此本文應(yīng)用到第2.1節(jié)中的標(biāo)簽聚類結(jié)果，取聚類得到的9個(gè)錨框中尺寸最大值（Aw,Ah），冗余切割方式如圖5所示。

冗余寬度和冗余高度的取值范圍滿足

式中，Cx和Cy分別為橫向切割次數(shù)和縱向切割次數(shù)。計(jì)算流程如下。

（1）以橫向切割次數(shù)Cx為例，Cx的初值取，代入式（9）求得 Rw。若 Rw滿足式（7），則輸出Cx和Rw；若不滿足式（7），則Cx=Cx+1，再次代入式（9），直到 Rw滿足式（7）。

（3）將每一張子圖分別輸入到網(wǎng)絡(luò)中進(jìn)行識(shí)別，得到初始識(shí)別結(jié)果集

對(duì)于從各子圖得到的檢測(cè)結(jié)果集合S，還需要篩選其中重復(fù)的檢測(cè)框，本文使用改進(jìn)的非極大值抑制算法來(lái)篩選的重復(fù)檢測(cè)框。傳統(tǒng)的非極大值抑制算法只需要計(jì)算兩個(gè)候選框的交并比IOU（intersection over union），計(jì)算公式為

當(dāng)兩候選框的IOU大于閾值y1(y1=0.7) 時(shí)，保留其中得分較高的候選框，但在本文所使用的基于冗余的數(shù)據(jù)分割預(yù)處理算法中，會(huì)出現(xiàn)如圖6所示的情況。

圖6 篩選候選框Fig.6 Filter bounding box

在圖6所示的情況中，顯然候選框a與候選框b的IOU小于閾值y1，但實(shí)際上，兩候選框只應(yīng)保留候選框a，因此在計(jì)算兩候選框IOU符合條件y1＞IOU＞0時(shí)，進(jìn)一步計(jì)算其IOE（intersection over each），即

設(shè)置閾值y2(y2=0.8) ，若 IOUa＞y2，則剔除候選框a；若IOUb＞y2，則剔除候選框b，如圖5所示的情況，IOU≈0.3，IOEa≈0.3，IOEb=1，那么根據(jù)本文提出的改進(jìn)NMS算法，候選框b將會(huì)被剔除。

3 實(shí)驗(yàn)結(jié)果分析

3.1 數(shù)據(jù)預(yù)處理

在使用實(shí)驗(yàn)數(shù)據(jù)進(jìn)行模型訓(xùn)練之前，首先要對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理，避免無(wú)關(guān)因素對(duì)于模型訓(xùn)練的干擾。由于在識(shí)別電氣符號(hào)時(shí)，只需考慮符號(hào)的形態(tài)特征，而不關(guān)心其色彩特征，因此為了消除色彩特征的干擾，本文首先將彩色圖轉(zhuǎn)化成灰度圖，再采用二值化的方式對(duì)原始數(shù)據(jù)進(jìn)行去噪，設(shè)置閾值C=155，將灰度值小于閾值的像素點(diǎn)都置為0，灰度值大于閾值的像素點(diǎn)都置為255。

3.2 數(shù)據(jù)及實(shí)驗(yàn)參數(shù)設(shè)置

在使用基于深度學(xué)習(xí)的算法來(lái)解決目標(biāo)檢測(cè)問題的過(guò)程中，訓(xùn)練集的選擇與標(biāo)簽的制作對(duì)于模型的訓(xùn)練效果影響巨大。本文在實(shí)驗(yàn)中所使用的數(shù)據(jù)來(lái)自于國(guó)網(wǎng)某地區(qū)部分變電站的電氣圖紙。數(shù)據(jù)集中包含原始圖紙共276張，共提取到圖片3 453張，其中3 108張作為訓(xùn)練集，345張作為測(cè)試集。

本文所述實(shí)驗(yàn)的實(shí)驗(yàn)環(huán)境使用Intel Xeon（R）E5 2678 v3處理器、NVIDIA GeForce RTX 2080Ti顯卡，在Ubuntu 18.04系統(tǒng)下進(jìn)行實(shí)驗(yàn)，使用CUDA10.0、cuDNN7.2調(diào)用顯卡進(jìn)行加速。

模型的輸數(shù)據(jù)尺寸設(shè)置為640×640；訓(xùn)練時(shí)將16個(gè)樣本作為一個(gè)batch，在每一次更新權(quán)重時(shí)使用BN（batch normalization）進(jìn)行正則化，降低模型訓(xùn)練的復(fù)雜度，模型訓(xùn)練初始學(xué)習(xí)率設(shè)置為0.000 1。

3.3 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)

本文采用客觀實(shí)驗(yàn)指標(biāo)來(lái)評(píng)估算法的性能，使用準(zhǔn)確率（precision）和召回率（recall）以及平均AP值mAP（mean average precision）來(lái)評(píng)估實(shí)驗(yàn)結(jié)果。另外對(duì)于不同聚類方法采用輸出正確預(yù)測(cè)框與真實(shí)標(biāo)簽的平均交并比TPAIOU（true positive average intersection over union）來(lái)進(jìn)行評(píng)估，計(jì)算公式為

式中：TP為識(shí)別正確的預(yù)測(cè)框數(shù)量；IOU(pi,G) 為識(shí)別正確的預(yù)測(cè)框pi與其對(duì)應(yīng)的真實(shí)標(biāo)簽的交并比，用于衡量預(yù)測(cè)框與真實(shí)標(biāo)簽的吻合程度。

3.4 實(shí)驗(yàn)結(jié)果對(duì)比

為進(jìn)一步驗(yàn)證本文提出方法的有效性，需要在對(duì)比實(shí)驗(yàn)結(jié)果的基礎(chǔ)上分析。首先對(duì)先驗(yàn)錨框的聚類結(jié)果進(jìn)行實(shí)驗(yàn)，在相同的訓(xùn)練參數(shù)下，分別采用機(jī)器學(xué)習(xí)中常用的譜聚類（spectral clustering）[22]、層次聚類（hierarchical clustering）[23]，利用層次方法的平衡迭代規(guī)約和聚類（BIRCH clustering）[24]、混合高斯模型聚類（Gaussian mixture model clustering）、K-means聚類算法與本文所使用的K-means++聚類算法的聚類結(jié)果進(jìn)行對(duì)比。使用不同聚類方法得到的錨框作為預(yù)測(cè)框回歸時(shí)的初始大小，分別計(jì)算準(zhǔn)確率、召回率和TPAIOU，結(jié)果如表1所示。

表1 不同聚類方法的實(shí)驗(yàn)結(jié)果Tab.1 Experimental results of different clustering methods

通過(guò)對(duì)比不同聚類算法的實(shí)驗(yàn)結(jié)果分析，錨框的優(yōu)化可以在一定程度上提升檢測(cè)算法的精度，而更加重要的貢獻(xiàn)在于有效地提升了預(yù)測(cè)框與真實(shí)標(biāo)簽的吻合程度。

本文統(tǒng)計(jì)了改進(jìn)特征融合網(wǎng)絡(luò)中各層特征圖所提供的預(yù)測(cè)框的占比，與原始FPN的對(duì)比結(jié)果如表2所示。

表2 FPN中各層提供的預(yù)測(cè)框比例Tab.2 Proportion of prediction boxes provided by each layer in FPN

從統(tǒng)計(jì)結(jié)果可知，P2和P3層對(duì)于網(wǎng)絡(luò)的預(yù)測(cè)起到主要作用，將淺層特征圖中的信息融合到深層特征中后，能夠有效地提升P2和P3層中所提取到的特征質(zhì)量，相比于原始FPN，P2和P3所提供預(yù)測(cè)框的比例分別提高5%和7%，mAP提升了2%，這一結(jié)果印證了深層特征在融合淺層信息之后具有更強(qiáng)的特征提取能力。

表3對(duì)比了不進(jìn)行圖片分割、無(wú)冗余分割以及冗余分割的識(shí)別結(jié)果。不進(jìn)行分割的識(shí)別結(jié)果明顯低于圖片分割的識(shí)別精度，原因是直接將原始圖片下采樣到網(wǎng)絡(luò)輸入的尺度，會(huì)損失原圖中很多信息。而在進(jìn)行冗余分割之后，會(huì)避免因?yàn)槟繕?biāo)被分割所引起的誤識(shí)別、漏識(shí)別以及重復(fù)識(shí)別的出現(xiàn)。

表3 不同分割方式的實(shí)驗(yàn)結(jié)果Tab.3 Experimental results of different segmentation methods

本文還對(duì)比了一些傳統(tǒng)方法以及主流的單階段方法，如表4所示，可見在不同指標(biāo)上都有所提升。

從表4中的結(jié)果可以看出，傳統(tǒng)圖像識(shí)別算法在這項(xiàng)工作的表現(xiàn)上存在較大缺陷，尤其是在識(shí)別準(zhǔn)確率上，難以達(dá)到一個(gè)較高的水平。這一問題的原因主要在于目標(biāo)數(shù)據(jù)集中的圖片主要由單色線條組成，而且圖片中存在大量空白區(qū)域，基于局部特征的傳統(tǒng)方法無(wú)法提取到足夠的特征，提取到的特征向量也不具有足夠的區(qū)分度，因此才會(huì)有較多誤識(shí)別出現(xiàn)。而本文提出的算法具有更加優(yōu)秀的特征提取能力，彌補(bǔ)了傳統(tǒng)方法在這方面的不足，同時(shí)，傳統(tǒng)圖像識(shí)別算法通過(guò)滑動(dòng)窗口的方式遍歷整張圖片，只能在單一尺度上檢測(cè)目標(biāo)，因此對(duì)于目標(biāo)的回歸精度較低，而本文提出的方法應(yīng)用了錨框機(jī)制以及特征金字塔網(wǎng)絡(luò)，因此在多尺度預(yù)測(cè)上具有很大的改進(jìn)。也可以看到與SSD、YOLOv3等基準(zhǔn)模型相比，本文所提出的模型針對(duì)于數(shù)據(jù)集優(yōu)化了模型超參數(shù)，使得預(yù)測(cè)框的回歸精度要高于基準(zhǔn)模型的預(yù)測(cè)精度。而針對(duì)數(shù)據(jù)的特性以及基準(zhǔn)模型的上的表現(xiàn)，重構(gòu)了特征融合網(wǎng)絡(luò)，并針對(duì)性地進(jìn)行了數(shù)據(jù)預(yù)處理，進(jìn)一步提升了網(wǎng)絡(luò)的性能。

表4 本文方法與其他方法對(duì)比Tab.4 Comparison between the proposed method and other methods

4 結(jié)語(yǔ)

本文針對(duì)于傳統(tǒng)圖像識(shí)別算法對(duì)于電氣元件符號(hào)的魯棒性差的缺點(diǎn)，提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的電氣符號(hào)識(shí)別算法，在對(duì)訓(xùn)練標(biāo)簽進(jìn)行聚類來(lái)優(yōu)化訓(xùn)練過(guò)程、構(gòu)建了新的特征融合網(wǎng)絡(luò)、基于數(shù)據(jù)冗余的圖片預(yù)處理算法三個(gè)方面進(jìn)行了針對(duì)性的改進(jìn)，在仿真實(shí)驗(yàn)中，本文提出的算法取得了遠(yuǎn)優(yōu)于傳統(tǒng)方法和基準(zhǔn)方法的效果，具有很大的應(yīng)用價(jià)值。目前文中提到的仿真的實(shí)驗(yàn)還只針對(duì)于幾類有代表性的元件，在以后的工作中還會(huì)在有更多數(shù)據(jù)的支撐下實(shí)現(xiàn)更多元件類型的識(shí)別。