近期，我院赵永标高工与浙江工业大学毛科技研究员团队在电网塔图CAD图纸信息智能提取方法领域取得新的研究进展。相关成果以 “基于深度学习的CAD电网塔图信息提取方法研究”为题，发表于传感技术学报。赵永标为论文通讯作者，合作作者包括本科生孟彬然与博士生陈俊豪等。

随着电力工程行业的不断发展，电网塔图图纸在设计、施工和维护过程中扮演着至关重要的角色。这些图纸通常以CAD格式存储，包含了丰富的塔型结构、设计参数以及相关标注信息。然而，传统的方法在处理和分析这些CAD格式的电网塔图图纸时存在效率低下、信息提取不准确等问题。为了解决这些问题，提出了一种基于深度学习的塔图图纸信息智能检测方法，融合改进YOLOv8和滑动窗口技术。通过将CAD图纸转换为图像格式，并应用改进的YOLOv8模型进行目标检测，结合滑动窗口技术对局部区域进行精细化分析，该方法能够高效、准确地提取塔图图纸中的关键信息。实验结果表明，与传统方法相比，该方法在检测精度、召回率和F1分数等指标上均有显著提升，验证了其在电网塔图图纸信息智能检测方面的有效性和实用性。

(a)原始图片

(b)部分分片

图 1 图像分片处理