目前,发电厂设备巡检主要依靠人工巡检,该巡检方式存在作业环境恶劣、劳动强度大、重复性高的问题,巡检机器人可以减少高危环境下巡检作业的危险,提高巡检的质量和效率。发电厂每个电气设备拥有唯一的铭牌文本编码,使用智能巡检机器人上装备的数字摄像设备采集电气设备图像,然后采用图像处理技术识别电气设备铭牌上的编码可以协助机器人进行电气设备识别。为了进行发电厂电气设备识别,本文研究了基于图像处理技术的电气设备识别系统,该系统由电气设备图像检测算法和电气图像识别算法两个部分组成。本文的主要研究内容及研究成果如下:(1)提出一种基于改进EAST算法的电气设备铭牌图像文本检测方法,采用ResNet网络进行深层特征提取以抑制背景的干扰。通过实验验证了改进后的EAST算法准确率比原算法提高了6.1%,说明该方法具有较好的环境适应性。(2)针对不同尺度图像铭牌文本差异大影响铭牌文本检测准确率的问题,提出了结合多尺度训练实现同一算法对不同尺度图像的铭牌文本检测;针对同一张图像中存在文本尺度不平衡的问题,提出了运用平衡权重策略提高算法检测小文本的准确率;实验验证了结合多尺度训练和平衡权重策略能够有效提高多尺度图像和小文本检测的准确率。(3)提出一种基于STN+ResNet+BiLSTM+CTC的电气设备图像识别算法。首先使用STN将不规则文本校正为水平方向的文本解决不规则文本难以识别的问题,然后用ResNet提取深层特征,抑制背景干扰,再通过BiLSTM提取文本序列的上下文信息,避免将非文本区域误识别成文本,最后采用CTC损失函数滤除重复的字符,解决有些位置没有字符的问题。通过实验验证了本文提出的算法具有较高的识别准确率和较快的运算速度。(4)设计并实现了电气设备识别系统软件。将电气设备铭牌文本检测和识别算法融合后,编写软件进行电气设备识别,通过实验验证电气设备识别系统软件和算法的有效性。