案例簡介

該案例主要運用在電力行業中，處理端子排接線檢測問題。傳統的OCR識別技術并不能完成在非平面上字符的準確識別，因此需使用深度學習技術提升準確率。在對比了眾多深度學習模型后，最終采用百度飛槳開源深度學習平臺開發AI方案中OCR技術，替代技術人員進行掃描檢測、分析任務，提高流程的智能化程度，實現AI技術的落地應用。

相關產品

PaddleOCR

合作伙伴簡介

國機智能技術研究院有限公司是世界500強大型央企“國機集團”下智能制造旗艦“國機智能”的所屬公司。公司以打造自主可控的央企智造品牌為己任，致力于開展智能制造領域關鍵平臺技術及產品的研發工作。公司在研發共性技術基礎上，開發面向市場、應用性較強的系列化產品，為客戶提供以智能裝備及工業軟件為核心的智能制造整體解決方案。

業務挑戰

隨著經濟社會發展，人們對工業產品也提出了越來越高的要求，生產自動化、高效化需求日益增加，安全生產更是備受重視。在接線機柜場景下，有大量的設備間端子排接線，而這些端子排接線的正確與否直接關系到生產安全甚至是人身安全，對其進行檢測是企業生產的必要環節；然而大量的生產需求使得檢測工作越來越繁重。

目前，對接線柜的檢查主要依靠人眼目檢或者人工手持掃描設備掃描檢測。這兩種檢查方式都離不開人員作業，消耗大量人力資源，無法適應自動化生產的要求。人眼目檢不僅效率低，而且隨著人眼的作業疲勞，檢測準確性大大降低。人工手持設備掃描效率低、誤檢、漏檢率高。

流程中存在的問題可以總結為三點：

1、單試驗件檢測時間長：人工檢測對照檢測效率低，平均一個控制柜的檢測需15-30分鐘。

2、檢測準確率低：人為對照線號管字符容易出現誤檢、漏檢等現象。

3、安全性低：檢測時箱體為帶電工作狀態，人為檢測存在觸電風險。

綜上所述，傳統的依靠人員作業的檢測方式大大增加了企業生產成本、嚴重阻礙企業的生產效率，已經不能滿足企業對高效、自動化生產的需求。

在捕獲到人工檢測效率比較低的問題之后，國機智能技術研究院有限公司對檢測中的幾種方法也進行了比較：人工檢測存在成本高、效率低、檢測標準不統一的問題；傳統機器視覺技術的辨別能力比較差，抗干擾能力弱，對圓柱面上的字符識別效果不佳，算法無法復用。深度學習技術的適應能力強，算法精度高，模型可復用，意義可迭代，具有很強的產業升級的潛力。

解決方案

針對深度學習落地中面臨的問題，國機智能技術研究院有限公司找到了解決方案，就是使用百度飛槳PaddleOCR進行線號管上英文字符及數字的檢測。PaddleOCR具有輕量化、準確率高等特點，可以很好地解決以上問題，有效的幫助傳統行業的技術人員進行AI算法的開發。整體結構圖：

第一階段：數據采集測試

通過高清矩陣相機對控制柜進行拍照，獲取高清圖像。采用不同的拍照角度、光纖環境進行圖像收集。獲取圖像后對其進行一定的濾波處理。

第二階段：模型選擇

PaddleOCR配置示例十分簡單，根據需求選用相應的模型。由于我們的設備可作為服務端，選用了服務端大模型，識別效果更佳。

第三階段：測試及評估

經過多次測試，識別成功率較別的OCR方法已經相對較高，且實現操作簡便，代碼量小。在不同光纖環境、線號管平整度下也識別較好。

第四階段：業務上線

當識別完成后，可對識別結果進行導出，并通過開發的軟件界面進行結果展示。 至此，基于飛槳的端子排接線檢測就完成了。下圖為開發好的軟件工具，界面簡單、應用效果很好，可以有效地提高端子排接線的檢測效率。

價值成果

經過試驗驗證，本設備取得以下成果：

1、大大提高檢測效率：系統運行穩定，圖像采集、處理和識別效率高，可快速完成端子排接線的檢測，大大降低檢測時間，有效提高檢測效率。

2、檢測準確：依靠圖像處理和視覺檢測技術，能夠準確的識別出端子排字符，誤檢、漏檢率低，可靠性高。

3、安全性好：利用相機采集圖像，利用圖像處理技術實現檢測，檢測方式為非接觸檢測，可在箱體帶電狀態下工作，避免觸電事故發生，安全性能好。

4、經濟效益好：本設備代替人工檢測，實現自動化檢測。檢測效率高，檢測準確。為企業減少生產成本、降低誤檢、漏檢率，避免損失，有效提高了企業經濟效益。