电线杆标识牌用来标注电杆属性与编号信息,是供电部门管理电网线路的重要参考标识。经调研发现,目前电网信息采集工作主要通过传统人工测绘来完成,人力与物力资源投入比较高。随着图像识别技术在电力行业中的深入发展与应用,电网对GIS数据智能化采集与管理的需求越来越迫切,利用计算机视觉技术取代传统方式,减少对人工的依赖,是解决电网信息采集与管理问题的有效手段。然而,国内电力行业至今还未形成一套统一的目标检测与识别引擎,特别是在电网信息采集方面,检索到的相关研究成果很少,所使用的算法模型无法较好地满足当前业务需求,因此OCR技术在电杆信息采集这一业务应用上存在较大的研究空间。基于以上现实问题和需求,本文通过对电线杆标识牌图像中文本特征的研究,融合OCR识别技术,建立适用于自然环境下电线杆标识牌文本检测与识别的网络模型,并结合实际业务场景搭建原型系统,实现电线杆标识牌文本的自动检测与识别。本文研究成果如下:(1)电线杆标识牌图像数据的预处理。实地采集电线杆标识牌图像并结合数据增强手段丰富字符样本特征,利用人工标注数据针对性地调整网络模型参数。实验表明,增强后的数据样本能够有效辅助文本检测与识别网络提高模型泛化能力。(2)研究并实现了一种基于改进EAST的电线杆标识牌文本检测模型。该模型利用非极大值抑制算法将电线杆标识牌文本特征融入全卷积特征学习网络,通过缩减特征提取网络参数、加深网络层次,提高模型的特征学习能力,并调整模型损失函数参数,提高网络的特征分类能力。实验表明,改进后的EAST网络模型比原始算法有更好的文本检测效果。(3)研究并实现了一种基于CRNN的电线杆标识牌文本识别模型。该模型使用了循环长短时记忆网络能够更充分的学习样本空间信息特征,并利用连接时序分类器消除文本切割步骤,实现端到端的文本特征提取任务。实验表明,该模型在确保识别精度的前提下有更快的识别速度,更适合应用于工业领域。(4)设计并实现了电线杆标识牌自动识别原型系统。结合电网实际业务场景和应用需求,与电网GIS平台衔接设计多个功能模块,完成前端和后台的开发。综上所述,本文经过数据预处理、特征标注等工作,建立基于改进的EAST+CRNN的文本检测与识别网络模型,实现端到端的电线杆标识牌自动识别原型系统,该系统有望未来应用于国网信通数据智能化采集与管理系统中,为电网企业搭建GIS大数据平台提供了可行思路。