典型文献
基于深度学习的电力通信光纤配线标签识别研究
文献摘要：
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.
文献关键词：
文本检测;YOLO;PSENet;DenseNet;文本纠错
中图分类号：
作者姓名：
杨志敏;陈一童;吴桂龙;黄强;贺云
作者机构：
中国南方电网电力调度控制中心,广东 广州 510525
文献出处：
引用格式：
[1]杨志敏;陈一童;吴桂龙;黄强;贺云-.基于深度学习的电力通信光纤配线标签识别研究)[J].电力信息与通信技术,2022(04):18-23
A类：
B类：
电力通信,通信光纤,光纤配线,标签识别,电力光纤,电力业务,标签管理,粘贴,端子,软体,堆叠,光照不均,文本检测,检测和识别,YOLO,PSENet,DenseNet,Seq2Seq,Attention,文本识别,文本纠错,纠错技术,技术相结合,实验对比,识别准确率,通信资源,数字化管理,管理领域
AB值：
0.424532
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
