摘要:仪表能准确反映变电站电气设备的运行状态,为了克服人工巡检造成仪表漏读与错读等情况,提出一种基于PAT-Unet(Pyramid split attention And Transformer Unet,PAT-Unet)神经网络的仪表示数智能识读算法对泄露电流仪表的示数进行智能识读。首先设计PAT-Unet神经网络对仪表的指针与密集刻度进行分割,网络中在编码层构建特征聚合模块与残差特征分散模块,增强特征的提取能力;设计Transformer特征浓缩模块,进行深层语义信息融合,以增强对细小目标分割精度;引入金字塔切分注意力机制,加强网络编码层与译码层之间的信息交互能力。结合轮廓检测算法与最小外接矩形算法,计算刻度分割结果的关键点,利用透视变换完成倾斜仪表的校正;再使用K-means聚类算法定位泄露电流仪表圆心;最后,根据仪表圆心利用极坐标变换将扇形表盘展开为矩形,通过分别计算零刻度与指针以及最大刻度之间的距离关系得到泄露电流仪表示数。实验证明,所提算法能对倾斜仪表盘进行校正,在保证读数准确度的同时,能对泄露电流仪表示数进行智能识读。