一种轻量化电气图纸多目标检测模型构建方法及装置与流程

本技术涉及电气图纸智能识别，尤其涉及一种轻量化电气图纸多目标检测模型构建方法及装置。

背景技术：

1、电气图纸是表达电力系统控制、保护、测量等回路逻辑的核心工程文件，随着计算机视觉的发展与电力工程设计数字化进程的推进，对电气图纸进行元器件自动检测与结构化提取，已成为提升设计效率与图纸质量管理的关键技术环节。

2、然而，目前通用的目标检测方法在面对电气图纸元器件检测任务时，面临以下挑战：一方面，电气图纸结构复杂、干扰强烈，电气图纸中元器件符号普遍具有小目标密集、尺寸差异大、连线交织等特点，符号尺寸细小、视觉特征薄弱，在深度网络多次下采样过程中特征易丢失，且图纸中大量无语义背景线条与目标符号在视觉上高度相似，极易引发误检与漏检；另一方面，现有检测方法存在一定局限，目前学术界针对电气图纸的检测研究多聚焦于单目标检测，而实际电气图纸上元器件种类繁杂、数量众多，亟需面向多类别、多目标的同时检测；同时，现有部分方法采用的多头自注意力、空间到深度等模块计算开销大，不利于实际的工程部署。

技术实现思路

1、本技术提供了一种轻量化电气图纸多目标检测模型构建方法及装置，用于解决相关技术中电气图纸中元器件符号尺寸细小、连线交织，在深度网络多次下采样过程中特征易丢失的问题。

2、本技术第一方面提供了一种轻量化电气图纸多目标检测模型构建方法，所述轻量化电气图纸多目标检测模型构建方法包括：

3、获取已脱敏的电气图纸图像集，对所述电气图纸图像集中的多个元器件符号进行标注，确定每个元器件符号的类别及位置框，对标注后的电气图纸图像集进行数据增强，生成电气图纸多目标检测数据集；

4、对所述电气图纸多目标检测数据集进行预处理，得到所述电气图纸多目标检测数据集对应的训练集；

5、以三级协同轻量化主干网络、多分支跨尺度特征融合网络以及无锚框解耦检测头，构建高频注意力引导轻量化网络；

6、根据所述训练集以及目标损失函数对所述高频注意力引导轻量化网络进行训练，得到电气图纸的多目标检测模型，所述多目标检测模型用于确定电气图纸中多个元器件符号的类别及位置框。

7、可选的，在本技术第一方面的第一种实现方式中，所述三级协同轻量化主干网络采用部分卷积、无参数小波变换下采样和动态蛇形卷积构建，所述部分卷积和所述无参数小波变换下采样构成高频反馈协同模块，所述动态蛇形卷积嵌入所述主干网络的各级内部，所述无锚框解耦检测头包括分类分支和回归分支。

8、可选的，在本技术第一方面的第二种实现方式中，所述根据所述训练集以及目标损失函数对所述高频注意力引导轻量化网络进行训练，得到电气图纸的多目标检测模型的步骤，包括：

9、将所述训练集中的电气图纸图像输入所述高频注意力引导轻量化网络，通过所述三级协同轻量化主干网络提取多尺度特征，通过所述多分支跨尺度特征融合网络对所述多尺度特征进行跨尺度特征融合，得到融合特征；

10、通过所述检测头输出所述融合特征中各特征点的分类分数和位置参数；

11、根据所述训练集中各元器件符号的类别标注和位置框标注，以及所述分类分数和所述位置参数，采用所述目标损失函数确定损失值；

12、根据所述损失值对所述高频注意力引导轻量化网络的参数进行更新，得到更新后的高频注意力引导轻量化网络；

13、将所述训练集输入所述更新后的高频注意力引导轻量化网络，重复执行上述确定损失值和更新参数的步骤，直至满足训练终止条件；

14、将满足所述训练终止条件时的高频注意力引导轻量化网络确定为所述电气图纸的多目标检测模型。

15、可选的，在本技术第一方面的第三种实现方式中，所述根据所述训练集以及目标损失函数对所述高频注意力引导轻量化网络进行训练，得到电气图纸的多目标检测模型的步骤之前，还包括：

16、根据所述训练集中每个元器件符号的类别标注构建分类损失；

17、根据所述训练集中每个元器件符号的位置框标注构建回归损失；

18、根据所述训练集中每个元器件符号的类别标注与位置框标注之间的对应关系，构建类别尺寸一致性损失；

19、根据所述分类损失、所述回归损失和所述类别尺寸一致性损失，确定目标损失函数。

20、可选的，在本技术第一方面的第四种实现方式中，所述目标损失函数表示为：

21、

，

22、其中，所述为所述分类损失，所述为所述回归损失，所述为平衡系数，所述为所述类别尺寸一致性损失。

23、可选的，在本技术第一方面的第五种实现方式中，所述根据所述训练集以及目标损失函数对所述高频注意力引导轻量化网络进行训练，得到电气图纸的多目标检测模型的步骤之后，还包括：

24、获取目标电气图纸，并对所述目标电气图纸进行预处理，得到目标图像；

25、将所述目标图像输入所述多目标检测模型，通过所述多目标检测模型的三级协同轻量化主干网络提取目标多尺度特征；

26、通过所述多目标检测模型的多分支跨尺度特征融合网络对所述目标多尺度特征进行跨尺度特征融合，得到目标融合特征；

27、通过所述多目标检测模型的无锚框解耦检测头，根据所述目标融合特征输出各特征点的目标分类分数和目标位置参数；

28、根据所述目标分类分数和所述目标位置参数，确定所述目标电气图纸中多个元器件符号的预测框及对应的类别；

29、根据预设置信度阈值对所述目标分类分数进行过滤，并根据预设交并比阈值对所述预测框进行非极大值抑制，确定所述目标电气图纸中多个元器件的类别及位置框。

30、本技术第二方面提供了一种轻量化电气图纸多目标检测模型构建装置，所述轻量化电气图纸多目标检测模型构建装置用于实现轻量化电气图纸多目标检测模型构建方法，所述轻量化电气图纸多目标检测模型构建装置包括：

31、获取模块，用于获取已脱敏的电气图纸图像集，对所述电气图纸图像集中的多个元器件符号进行标注，确定每个元器件符号的类别及位置框，对标注后的电气图纸图像集进行数据增强，生成电气图纸多目标检测数据集；

32、预处理模块，用于对所述电气图纸多目标检测数据集进行预处理，得到所述电气图纸多目标检测数据集对应的训练集；

33、构建模块，用于以三级协同轻量化主干网络、多分支跨尺度特征融合网络以及无锚框解耦检测头，构建高频注意力引导轻量化网络；

34、训练模块，用于根据所述训练集以及目标损失函数对所述高频注意力引导轻量化网络进行训练，得到电气图纸的多目标检测模型，所述多目标检测模型用于确定电气图纸中多个元器件符号的类别及位置框。

35、本技术实施例第三方面提供了一种电子设备，包括存储器及处理器，其中，所述处理器用于执行存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序时，实现上述本技术实施例第一方面提供的轻量化电气图纸多目标检测模型构建方法中的各步骤。

36、本技术实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现上述本技术实施例第一方面提供的轻量化电气图纸多目标检测模型构建方法中的各步骤。

37、与现有技术相比，本技术具有如下有益效果：

38、本技术通过多目标检测模型的高频注意力引导与轻量化设计，在保留图纸高频边缘和细线细节、增强小目标特征表达的同时降低模型资源消耗，使模型能够同时检测多个元器件符号，兼顾检测精度与工程部署轻量化需求。