基于实时目标监测的屏柜标签施工质量检测方法及装置制造方法及图纸

本申请提供了一种基于实时目标监测的屏柜标签施工质量检测方法、基于实时目标监测的屏柜标签施工质量检测装置、计算机可读存储介质和屏柜标签自动检测系统。该方法通过实时采集屏柜图像获取第一目标图像，并将其输入基于YOLOv8结构训练的目标检测模型，定位标签文字区域生成第二目标图像，随后将第二目标图像输入OCR识别模型，提取字符并得到第一目标字符，最后基于第一目标字符与预设标准字符串进行匹配，判断标签是否符合施工标准。本申请将YOLOv8目标检测算法与OCR文字识别技术结合，增强了泛化能力、检测速度和准确率，解决了现有技术中依赖单一目标进行检测的模型存在对细节信息识别能力不足，导致检测准确性下降的问题。

【技术实现步骤摘要】

本专利技术涉及电力系统安全保障，具体而言，涉及一种基于实时目标监测的屏柜标签施工质量检测方法、基于实时目标监测的屏柜标签施工质量检测装置、计算机可读存储介质和屏柜标签自动检测系统。

技术介绍

1、电力二次系统的安全可靠运行是整个电力系统稳定运行的关键基础，任何潜在的质量隐患都可能带来严重后果。其中，屏柜接线质量问题是常见且高风险的隐患之一，如标准化连接器插接质量不达标、端子排接线错误或遗漏连接等，往往是系统故障甚至安全事故的主要诱因。因此，在施工安装过程中，及时、高效地对接线质量进行检测、验收与记录尤为重要。这不仅能迅速发现并纠正质量问题，还能显著提升施工效率，确保电力二次系统的安全稳定运行。

2、近年来，随着人工智能和自动化技术的迅速发展，将图像识别、移动机器人以及机械臂冗余自由度运动控制技术应用于屏柜安装质量检测成为研究热点。这些技术能够实现施工过程中的实时检测、自主验收和操作留痕，有效发现并解决质量问题，全面提升施工效率和接线质量，从而为电力二次系统的安全运行提供有力保障。

3、然而，现有技术在具体实现中仍然存在一定局限性。例如：cn115409816a提出了基于预训练压板区域检测模型的屏柜图像处理方法，能够对压板区域进行定位和状态分析。然而，该方法依赖于图像预处理技术，对图像质量要求较高。同时，其检测模型的泛化能力有限，对于复杂施工场景的适应性较弱。cn113221687a基于mobilenetv3-yolov5s网络进行压板状态识别，通过稀疏化训练、通道剪枝和模型蒸馏等优化手段实现了轻量化。然而，该方法在提升检测效率的同时牺牲了一定的准确性，尤其在细节处理和复杂场景适应上表现不足。cn115909032a采用双向网络和多层特征融合技术对屏柜目标进行高精度检测，具备较强的抗干扰能力。然而，该方法仍然对细节特征提取存在不足，对于屏柜中包含的文字信息等精细特征的识别精度不高。

4、现有技术中依赖单一目标进行检测的模型，往往在细节信息的识别能力上存在不足，尤其在面对复杂的施工环境或图像中包含文字、符号等细节信息时，检测准确性显著下降。这一问题使得现有方法在一些实际应用场景中难以满足高精度要求，影响了其在电力二次系统接线质量检测中的有效性和可靠性。总体来看，现有技术在模型精度、泛化性能以及对复杂施工场景的适应性等方面仍有较大的改进空间。

技术实现思路

1、本申请的主要目的在于提供一种基于实时目标监测的屏柜标签施工质量检测方法、基于实时目标监测的屏柜标签施工质量检测装置、计算机可读存储介质和屏柜标签自动检测系统，以至少解决现有技术中依赖单一目标进行检测的模型存在对细节信息识别能力不足，导致检测准确性下降的问题。

2、为了实现上述目的，根据本申请的一个方面，提供了一种基于实时目标监测的屏柜标签施工质量检测方法，包括：获取第一目标图像，所述第一目标图像为实时采集的屏柜图像；将所述第一目标图像输入目标检测模型，以确定所述第一目标图像中包含标签文字的区域，得到第二目标图像，所述目标检测模型为基于yolov8结构训练得到；将所述第二目标图像输入ocr识别模型，以提取所述第二目标图像中的字符，得到第一目标字符；基于所述第一目标字符与预设字符串进行匹配，并根据匹配结果确定屏柜标签是否符合施工标准。

3、可选地，所述目标检测模型包括主干网络、颈部网络和头部网络，将所述第一目标图像输入目标检测模型，以确定所述第一目标图像中包含标签文字的区域，得到第二目标图像，包括：控制所述主干网络至少通过不同数量的卷积层对所述第一目标图像进行特征提取并输出，得到第一特征组；控制所述颈部网络通过对所述第一特征组进行组合，得到第二特征组；控制所述头部网络通过对所述第二特征组分析，以进行边界框检测和类别信息标注，得到所述第二目标图像。

4、可选地，所述主干网络包括输入模块、c2f模块、卷积层和sppf模块，控制所述主干网络至少通过不同数量的卷积层对所述第一目标图像进行特征提取并输出，得到第一特征组，包括：通过所述输入模块对所述第一目标图像进行第一预处理，得到第二目标图像，所述第一预处理包括裁剪、翻转、缩放、亮度调整和对比度调整；依次通过两个所述卷积层和一个所述c2f模块对所述第二目标图像进行处理，得到备选特征；依次通过一个所述卷积层和一个所述c2f模块对所述备选特征进行处理，得到第一目标特征；依次通过一个所述卷积层和一个所述c2f模块对所述第一目标特征进行处理，得到第二目标特征；依次通过一个所述卷积层、一个所述c2f模块和一个所述sppf模块对所述第二目标特征进行处理，得到第三目标特征；将所述第一目标特征、所述第二目标特征和所述第三目标特征确定为所述第一特征组。

5、可选地，所述颈部网络包括upsample模块、concat模块、c2f模块和卷积层，控制所述颈部网络通过对所述第一特征组进行组合，得到第二特征组，包括：通过所述upsample模块对所述第三目标特征进行上采样，并通过所述concat模块将上采样后的所述第三目标特征和所述第二目标特征进行连接操作，得到第四目标特征；通过所述c2f模块对所述第四目标特征进行处理，通过所述upsample模块对处理后的所述第四目标特征进行上采样，并通过所述concat模块将上采样后的所述第四目标特征和所述第一目标特征进行连接操作，得到第五目标特征；通过所述c2f模块对所述第五目标特征进行处理，得到第六目标特征；通过所述卷积层对所述第六目标特征进行处理，通过所述concat模块对处理后的所述第六目标特征进行连接操作，并通过所述c2f模块对连接操作后的所述第六目标特征进行处理，得到第七目标特征；通过所述卷积层对所述第七目标特征进行处理，通过所述concat模块对处理后的所述第七目标特征与所述第三目标特征进行连接操作，得到第八目标特征；通过c2f模块对所述第八目标特征进行处理得到第九目标特征；将所述第六目标特征、所述第七目标特征和所述第九目标特征确定为所述第二特征组。

6、可选地，所述头部网络包括卷积层、二维卷积层、boxs loss模块和cls loss模块，控制所述头部网络通过对所述第二特征组分析，以进行边界框检测和类别信息标注，得到所述第二目标图像，包括：通过所述卷积层对所述第六目标特征进行处理，并通过所述二维卷积层对处理后的所述第六目标特征进一步处理，并分别通过所述boxs loss模块和clsloss模块对进一步处理后的boxs loss模块和cls loss模块进行损失函数计算，得到第一损失函数值和第二损失函数值；通过所述卷积层对所述第七目标特征进行处理，并通过所述二维卷积层对处理后的所述第七目标特征进一步处理，并分别通过所述boxs loss模块和cls loss模块对进一步处理后的boxs loss模块和cls loss模块进行损失函数计算，得到第三损失函数值和第四损失函数值；通过所述卷积层对所述第八目标特征进行处理，并通过所述二维卷积层对处理后的所述第八目标特征进一步处理，并分别通过所述boxsloss模块和本文档来自技高网...

【技术保护点】

1.一种基于实时目标监测的屏柜标签施工质量检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述目标检测模型包括主干网络、颈部网络和头部网络，将所述第一目标图像输入目标检测模型，以确定所述第一目标图像中包含标签文字的区域，得到第二目标图像，包括：

3.根据权利要求2所述的方法，其特征在于，所述主干网络包括输入模块、C2F模块、卷积层和SPPF模块，控制所述主干网络至少通过不同数量的卷积层对所述第一目标图像进行特征提取并输出，得到第一特征组，包括：

4.根据权利要求3所述的方法，其特征在于，所述颈部网络包括Upsample模块、Concat模块、C2F模块和卷积层，控制所述颈部网络通过对所述第一特征组进行组合，得到第二特征组，包括：

5.根据权利要求4所述的方法，其特征在于，所述头部网络包括卷积层、二维卷积层、Boxs Loss模块和Cls Loss模块，控制所述头部网络通过对所述第二特征组分析，以进行边界框检测和类别信息标注，得到所述第二目标图像，包括：

6.根据权利要求1所述的方法，其特征在于，所述OCR识别模型包括多个CNN网络和CNN+softmax网络，将所述第二目标图像输入OCR识别模型，以提取所述第二目标图像中的字符，得到第一目标字符，包括：

7.根据权利要求1所述的方法，其特征在于，基于所述第一目标字符与预设字符串进行匹配，并根据匹配结果确定屏柜标签是否符合施工标准，包括：

8.一种基于实时目标监测的屏柜标签施工质量检测装置，其特征在于，所述装置包括：

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的方法。

10.一种屏柜标签自动检测系统，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的方法。

...

【技术特征摘要】

1.一种基于实时目标监测的屏柜标签施工质量检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述目标检测模型包括主干网络、颈部网络和头部网络，将所述第一目标图像输入目标检测模型，以确定所述第一目标图像中包含标签文字的区域，得到第二目标图像，包括：

3.根据权利要求2所述的方法，其特征在于，所述主干网络包括输入模块、c2f模块、卷积层和sppf模块，控制所述主干网络至少通过不同数量的卷积层对所述第一目标图像进行特征提取并输出，得到第一特征组，包括：

4.根据权利要求3所述的方法，其特征在于，所述颈部网络包括upsample模块、concat模块、c2f模块和卷积层，控制所述颈部网络通过对所述第一特征组进行组合，得到第二特征组，包括：

5.根据权利要求4所述的方法，其特征在于，所述头部网络包括卷积层、二维卷积层、boxs loss模块和cls loss模块，控制所述头部网络通过对所述第二特征组分析，以进行边界框检测和类别信息标注，得到所述第二目...

【专利技术属性】
技术研发人员：雷宇，汤瑞欣，梁志豪，黄焕傑，宁鸿光，蒋尹润，梁凯茗，李婧，景业恒，黄佳允，甘锴，陈仲铎，何娅，黄汉生，赵菲，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：