CN109002824A - 一种基于OpenCV的建筑图纸标签信息检测方法 - Google Patents

一种基于OpenCV的建筑图纸标签信息检测方法 Download PDF

Info

Publication number
CN109002824A
CN109002824A CN201810680048.XA CN201810680048A CN109002824A CN 109002824 A CN109002824 A CN 109002824A CN 201810680048 A CN201810680048 A CN 201810680048A CN 109002824 A CN109002824 A CN 109002824A
Authority
CN
China
Prior art keywords
image
architectural drawing
label information
opencv
architectural
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810680048.XA
Other languages
English (en)
Other versions
CN109002824B (zh
Inventor
朱全银
刘涛
严云洋
高尚兵
冯万利
潘舒新
许康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaiyin Institute of Technology
Original Assignee
Huaiyin Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huaiyin Institute of Technology filed Critical Huaiyin Institute of Technology
Priority to CN201810680048.XA priority Critical patent/CN109002824B/zh
Publication of CN109002824A publication Critical patent/CN109002824A/zh
Application granted granted Critical
Publication of CN109002824B publication Critical patent/CN109002824B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于OpenCV的建筑图纸标签信息检测方法，本发明通过对OpenCV提供的部分算法的进行优化与组合，结合OCR文字识别，有效的提取了建筑图纸中的标签信息。首先对pdf格式的建筑图纸文件转换为OpenCV支持的png格式，接着进行灰度化、二值化和Canny边缘检测，然后通过膨胀，形成图像上的连通域，并根据轮廓特征确定标签区域，最后使用OCR进行标签信息识别。本发明方法有效的实现了建筑图纸中标签区域的信息检测，实现了建筑图纸的预审查工作，并提高了建设图纸的审查效率。

Description

一种基于OpenCV的建筑图纸标签信息检测方法
技术领域
本发明涉及一种检测方法，特别是一种基于OpenCV的建筑图纸标签信息检测方法。
背景技术
本发明中的建筑图纸标签信息检测方法面向设计单位、图审专家，在建筑图纸审查过程中起到辅助审查的作用，提高审查效率。随着数字化应用的推广，建筑图纸的审查工作转变为线上平台审查，实现了图纸的并行审查，但还需要设计单位上传图纸，对应专业图审专家下载图纸后进行审查。如何有效的进行图纸标签信息检测，从而为设计单位及图审专家提供图纸预审查功能，在设计单位提交图纸时，反馈该图纸的标签信息是否缺失及有效并减少图审专家的工作量。
冯万利，朱全银等人已有的研究基础包括：Wanli Feng.Research of themestatement extraction for chinese literature based on lexicalchain.International Journal of Multimedia and Ubiquitous Engineering,Vol.11,No.6(2016),pp.379-388；Wanli Feng,Ying Li,Shangbing Gao,Yunyang Yan,JianxunXue.A novel flame edge detection algorithm via a novel active contourmodel.International Journal of Hybrid Information Technology,Vol.9,No.9(2016),pp.275-282；刘金岭,冯万利.基于属性依赖关系的模式匹配方法[J].微电子学与计算机,2011,28(12):167-170；刘金岭,冯万利,张亚红.初始化簇类中心和重构标度函数的文本聚类[J].计算机应用研究,2011,28(11):4115-4117；刘金岭,冯万利,张亚红.基于重新标度的中文短信文本聚类方法[J].计算机工程与应用,2012,48(21):146-150.；朱全银,潘禄,刘文儒,等.Web科技新闻分类抽取算法[J].淮阴工学院学报,2015,24(5):18-24；李翔,朱全银.联合聚类和评分矩阵共享的协同过滤推荐[J].计算机科学与探索,2014,8(6):751-759；Quanyin Zhu,Sunqun Cao.ANovel Classifier-independent FeatureSelection Algorithm for Imbalanced Datasets.2009,p:77-82；Quanyin Zhu,YunyangYan,Jin Ding,Jin Qian.The Case Study for Price Extracting of Mobile PhoneSell Online.2011,p:282-285；Quanyin Zhu,Suqun Cao,Pei Zhou,Yunyang Yan,HongZhou.Integrated Price Forecast based on Dichotomy Backfilling and DisturbanceFactor Algorithm.International Review on Computers and Software,2011,Vol.6(6):1089-1093；朱全银，冯万利等人申请、公开与授权的相关专利：冯万利,邵鹤帅,庄军.一种智能冷藏车状态监测无线网络终端装置:CN203616634U[P].2014；朱全银，胡蓉静，何苏群，周培等.一种基于线性插补与自适应滑动窗口的商品价格预测方法.中国专利:ZL2011 1 0423015.5,2015.07.01；朱全银，曹苏群，严云洋，胡蓉静等，一种基于二分数据修补与扰乱因子的商品价格预测方法.中国专利:ZL 2011 1 0422274.6,2013.01.02；李翔，朱全银，胡荣林，周泓.一种基于谱聚类的冷链物流配载智能推荐方法.中国专利公开号:CN105654267A,2016.06.08。
数字化图审平台的建设提高了建筑图纸的审查效率，但还需要图审专家进行人工审查。随着工作时长的增加，容易引起视觉疲劳，容易造成对与标签区域误审或漏审现象，以及设计单位在设计图纸时忘记对该图纸添加签章等标签，导致图纸的无效。
发明内容
发明目的：针对上述问题，本发明提供一种通过对OpenCV中灰度化、二值化、边缘检测和膨胀等算法进行优化组合，并使用OCR技术实现对建筑图纸标签信息的检测，为设计单位及图审专家提供图纸标签信息检测的功能的基于OpenCV的建筑图纸标签信息检测方法。
技术方案：本发明提出一种基于OpenCV的建筑图纸标签信息检测方法，包括如下步骤：
(1)获取建筑图纸文件G1，并将pdf格式的建筑图纸文件G1转换为png格式图像G2；
(2)对建筑图纸图像G2依次进行灰度化、二值化和边缘检测的预处理操作，得到预处理图像G3；
(3)定义轮廓特征，对预处理后的图像G3进行膨胀操作，对膨胀后形成的连通域进行判定，确定图纸中待识别的标签区域并分割，得到标签区域图像G4；
(4)对处理后的标签区域图像G4进行OCR识别，得到图纸标签信息集G5。
进一步的，所述步骤(1)中获取建筑图纸文件G1，并将pdf格式的建筑图纸文件G1转换为png格式图像G2的具体步骤如下：
利用PyMuPDF库，与原建筑图纸G1等比例将格式转换为png格式建筑图纸图像G2，保证建筑图纸图像的信息完整性。
进一步的，所述步骤(2)中得到预处理图像G3的具体步骤如下：
(2.1)定义png格式图像G2中像素点集C＝{c1,c2,…,cN}，其中像素点cN的表示形式为cN(RN,GN,BN)，RN,GN,BN为第N个像素点的红色分量，绿色分量和蓝色分量，其中RN,GN,BN∈[0,255]；
(2.2)定义灰度化公式g＝0.114*R+0.587*G+0.299*B，其中R、G、B分别为像素点的红色分量、绿色分量和蓝色分量；
(2.3)定义循环变量m，用来遍历C。使用灰度化公式g计算G2中每个像素点的灰度值，得到G2像素点灰度值集Gray＝{g1,g2,…gm}，其中gm∈[0,255]，从而将彩色图纸图像转换灰度化图像R1；
(2.4)定义循环变量n，用来遍历Gray，定义T＝{t1,t2,…tn}为灰度建筑图纸图像R1中每个像素点的灰度值，定义阈值th＝230；
(2.5)如果tn≤th，则跳转到步骤(2.6)，否则跳转到步骤(2.7)；
(2.6)tn＝0；
(2.7)tn＝255；
(2.8)得到二值化的像素点灰度值集T1＝{t1,t2,…tn}，其中tn＝{0,255}，则将灰度建筑图纸图像转换为二值建筑图纸图像R2；
(2.9)利用OpenCV中的Canny算子对R2进行边缘检测，并设定低阈值tl＝50，高阈值tg＝170，得到预处理后图像G3。
进一步的，所述步骤(3)中得到标签区域图像G4的具体步骤如下：
(3.1)对预处理后的建筑图纸图像G3，使用OpenCV中dilate函数进行膨胀操作，与进行卷积，形成连通域；
(3.2)分别使用OpenCV中contourArea函数和arcLength函数计算连通域的轮廓面积A和轮廓长度L；
(3.3)定义轮廓面积阈值集are＝{are1,are2…aren}和轮廓长度阈值集len＝{len1,len2…lenn}，分别对A和L进行筛选从而确定标签信息区域TA；
(3.4)将标签信息区域TA进行分割，得到标签信息图像G4。
进一步的，所述步骤(4)中得到图纸标签信息集G5的具体步骤如下：
(4.1)对标签信息图像G4，使用百度提供的basicAccurat函数进行文字识别，返回识别的置信度TR和识别结果集RE；
(4.2)设定置信度阈值为TV；
(4.3)如果TR<TV，则跳转至步骤(4.4)，否则跳转至步骤(4.5)；
(4.4)标记为不可识别；
(4.5)提取出识别结果RE中的注册签章信息R1，出图签章信息R2，详细信息R3，得到图纸标签信息集G5＝{R1,R2,R3}。
本发明采用上述技术方案，具有以下有益效果：
本发明方法利用OpenCV中的灰度化、二值化、边缘检测以及膨胀等算法进行优化整合实现对建筑图纸的预处理操作，对膨胀过后形成的连通域，根据轮廓形状及大小特征确定图纸标签区域并分割，最后将分割后的标签信息使用OCR进行识别，并对信息进行判断，实现对建筑图纸标签信息的检测。
附图说明
图1为本发明的整体流程图；
图2为图1中建筑图纸预处理的流程图；
图3为图1中标签信息区域分割的流程图；
图4为图1中标签信息检测的流程图。
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1-4所示，本发明所述的一种基于OpenCV的建筑图纸标签信息检测方法，包括如下步骤：
步骤1：利用PyMuPDF库，与原建筑图纸G1等比例将格式转换为png格式建筑图纸图像G2，保证建筑图纸图像的信息完整性。
步骤2：对建筑图纸图像G2依次进行灰度化、二值化和边缘检测的预处理操作，得到预处理图像G3，具体的如图2所示：
步骤2.1：定义png格式图像G2中像素点集C＝{c1,c2,…,cN}，其中像素点cN的表示形式为cN(RN,GN,BN)，RN,GN,BN为第N个像素点的红色分量，绿色分量和蓝色分量，其中RN,GN,BN∈[0,255]；
步骤2.2：定义灰度化公式g＝0.114*R+0.587*G+0.299*B，其中R、G、B分别为像素点的红色分量、绿色分量和蓝色分量；
步骤2.3：定义循环变量m，用来遍历C。使用灰度化公式g计算G2中每个像素点的灰度值，得到G2像素点灰度值集Gray＝{g1,g2,…gm}，其中gm∈[0,255]，从而将彩色图纸图像转换灰度化图像R1；
步骤2.4：定义循环变量n，用来遍历Gray，定义T＝{t1,t2,…tn}为灰度建筑图纸图像R1中每个像素点的灰度值，定义阈值th＝230；
步骤2.5：如果tn≤th，则跳转到步骤2.6，否则跳转到步骤2.7；
步骤2.6：tn＝0；
步骤2.7：tn＝255；
步骤2.8：得到二值化的像素点灰度值集T1＝{t1,t2,…tn}，其中tn＝{0,255}，则将灰度建筑图纸图像转换为二值建筑图纸图像R2；
步骤2.9：利用OpenCV中的Canny算子对R2进行边缘检测，并设定低阈值tl＝50，高阈值tg＝170，得到预处理后图像G3。
步骤3：定义轮廓特征，对预处理后的图像G3进行膨胀操作，对膨胀后形成的连通域进行判定，确定图纸中待识别的标签区域并分割，得到标签区域图像G4，具体的如图3所示：
步骤3.1：对预处理后的建筑图纸图像G3，使用OpenCV中dilate函数进行膨胀操作，与进行卷积，形成连通域；
步骤3.2：分别使用OpenCV中contourArea函数和arcLength函数计算连通域的轮廓面积A和轮廓长度L；
步骤3.3：定义轮廓面积阈值集are＝{are1,are2…aren}和轮廓长度阈值集len＝{len1,len2…lenn}，分别对A和L进行筛选从而确定标签信息区域TA；
步骤3.4：将标签信息区域TA进行分割，得到标签信息图像G4。
步骤4：对处理后的标签区域图像G4进行OCR识别，得到图纸标签信息集G5，具体的如图4所示：
步骤4.1：对标签信息图像G4，使用百度提供的basicAccurat函数进行文字识别，返回识别的置信度TR和识别结果集RE；
步骤4.2：设定置信度阈值为TV；
步骤4.3：如果TR<TV，则跳转至步骤4.4，否则跳转至步骤4.5；
步骤4.4：标记为不可识别；
步骤4.5：提取出识别结果RE中的注册签章信息R1，出图签章信息R2，详细信息R3，得到图纸标签信息集G5＝{R1,R2,R3}。
通过对2136张建筑图纸进行实验，首先使用PyMuPDF得到png格式建筑图纸图像，再通过灰度化、二值化操作得到二值建筑图纸图像，，然后对二值建筑图纸图像分别进行Canny边缘检测及膨胀操作，根据膨胀后形成二值图像上的连通域进行特征选择确定标签信息区域，最后调用OCR进行字符识别。改进的图像处理算法运用在建筑图纸图像效果良好，标签的检出率为98％，检出的信息准确率为99％，较好的实现了建筑图纸的标签信息检测。

Claims (5)

1.一种基于OpenCV的建筑图纸标签信息检测方法，其特征在于，包括如下步骤：
(1)获取建筑图纸文件G1，并将pdf格式的建筑图纸文件G1转换为png格式图像G2；
(2)对建筑图纸图像G2依次进行灰度化、二值化和边缘检测的预处理操作，得到预处理图像G3；
(3)定义轮廓特征，对预处理后的图像G3进行膨胀操作，对膨胀后形成的连通域进行判定，确定图纸中待识别的标签区域并分割，得到标签区域图像G4；
(4)对处理后的标签区域图像G4进行OCR识别，得到图纸标签信息集G5。
2.根据权利要求1所述的一种基于OpenCV的建筑图纸标签信息检测方法，其特征在于，所述步骤(1)中获取建筑图纸文件G1，并将pdf格式的建筑图纸文件G1转换为png格式图像G2的具体步骤如下：
利用PyMuPDF库，与原建筑图纸G1等比例将格式转换为png格式建筑图纸图像G2，保证建筑图纸图像的信息完整性。
3.根据权利要求1所述的一种基于OpenCV的建筑图纸标签信息检测方法，其特征在于，所述步骤(2)中得到预处理图像G3的具体步骤如下：
(2.1)定义png格式图像G2中像素点集C＝{c1,c2,…,cN}，其中像素点cN的表示形式为cN(RN,GN,BN)，RN,GN,BN为第N个像素点的红色分量，绿色分量和蓝色分量，其中RN,GN,BN∈[0,255]；
(2.2)定义灰度化公式g＝0.114*R+0.587*G+0.299*B，其中R、G、B分别为像素点的红色分量、绿色分量和蓝色分量；
(2.3)定义循环变量m，用来遍历C。使用灰度化公式g计算G2中每个像素点的灰度值，得到G2像素点灰度值集Gray＝{g1,g2,…gm}，其中gm∈[0,255]，从而将彩色图纸图像转换灰度化图像R1；
(2.4)定义循环变量n，用来遍历Gray，定义T＝{t1,t2,…tn}为灰度建筑图纸图像R1中每个像素点的灰度值，定义阈值th＝230；
(2.5)如果tn≤th，则跳转到步骤(2.6)，否则跳转到步骤(2.7)；
(2.6)tn＝0；
(2.7)tn＝255；
(2.8)得到二值化的像素点灰度值集T1＝{t1,t2,…tn}，其中tn＝{0,255}，则将灰度建筑图纸图像转换为二值建筑图纸图像R2；
(2.9)利用OpenCV中的Canny算子对R2进行边缘检测，并设定低阈值tl＝50，高阈值tg＝170，得到预处理后图像G3。
4.根据权利要求1所述的一种基于OpenCV的建筑图纸标签信息检测方法，其特征在于，所述步骤(3)中得到标签区域图像G4的具体步骤如下：
(3.1)对预处理后的建筑图纸图像G3，使用OpenCV中dilate函数进行膨胀操作，与进行卷积，形成连通域；
(3.2)分别使用OpenCV中contourArea函数和arcLength函数计算连通域的轮廓面积A和轮廓长度L；
(3.3)定义轮廓面积阈值集are＝{are1,are2…aren}和轮廓长度阈值集len＝{len1,len2…lenn}，分别对A和L进行筛选从而确定标签信息区域TA；
(3.4)将标签信息区域TA进行分割，得到标签信息图像G4。
5.根据权利要求1所述的一种基于OpenCV的建筑图纸标签信息检测方法，其特征在于，所述步骤(4)中得到图纸标签信息集G5的具体步骤如下：
(4.1)对标签信息图像G4，使用百度提供的basicAccurat函数进行文字识别，返回识别的置信度TR和识别结果集RE；
(4.2)设定置信度阈值为TV；
(4.3)如果TR<TV，则跳转至步骤(4.4)，否则跳转至步骤(4.5)；
(4.4)标记为不可识别；
(4.5)提取出识别结果RE中的注册签章信息R1，出图签章信息R2，详细信息R3，得到图纸标签信息集G5＝{R1,R2,R3}。
CN201810680048.XA 2018-06-27 2018-06-27 一种基于OpenCV的建筑图纸标签信息检测方法 Active CN109002824B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810680048.XA CN109002824B (zh) 2018-06-27 2018-06-27 一种基于OpenCV的建筑图纸标签信息检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810680048.XA CN109002824B (zh) 2018-06-27 2018-06-27 一种基于OpenCV的建筑图纸标签信息检测方法

Publications (2)

Publication Number Publication Date
CN109002824A true CN109002824A (zh) 2018-12-14
CN109002824B CN109002824B (zh) 2021-11-12

Family

ID=64600889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810680048.XA Active CN109002824B (zh) 2018-06-27 2018-06-27 一种基于OpenCV的建筑图纸标签信息检测方法

Country Status (1)

Country Link
CN (1) CN109002824B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109685066A (zh) * 2018-12-24 2019-04-26 中国矿业大学(北京) 一种基于深度卷积神经网络的矿井目标检测与识别方法
CN110175563A (zh) * 2019-05-27 2019-08-27 上海交通大学 金属切削刀具图纸标注识别方法及系统
CN110378337A (zh) * 2019-07-05 2019-10-25 上海交通大学 金属切削刀具图纸标识信息视觉输入方法及系统
CN110378206A (zh) * 2019-06-10 2019-10-25 万翼科技有限公司 一种智能审图系统及方法
CN110717489A (zh) * 2019-09-19 2020-01-21 平安科技（深圳）有限公司 Osd的文字区域的识别方法、装置及存储介质
CN110767292A (zh) * 2019-10-12 2020-02-07 腾讯科技（深圳）有限公司 病理编号识别方法、信息识别方法、装置及信息识别系统
CN112419208A (zh) * 2020-11-23 2021-02-26 泰兴市建设工程施工图审查服务中心 一种基于施工图审查矢量图纸编译方法及系统
CN112528755A (zh) * 2020-11-19 2021-03-19 上海至冕伟业科技有限公司 一种消防疏散设施智能识别方法
CN112906469A (zh) * 2021-01-15 2021-06-04 上海至冕伟业科技有限公司 一种基于建筑平面图的消防传感器及报警设备的识别方法
CN114581360A (zh) * 2021-04-01 2022-06-03 正泰集团研发中心(上海)有限公司 光伏组件标签检测方法、装置、设备和计算机存储介质
CN116311333A (zh) * 2023-02-21 2023-06-23 南京云阶电力科技有限公司 针对电气图纸中边缘细小文字识别的预处理方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110063468A1 (en) * 2009-09-11 2011-03-17 Samsung Electronics Co., Ltd. Method and apparatus for retrieving label
CN102609687A (zh) * 2012-01-31 2012-07-25 华中科技大学 一种地铁施工图纸及工程参数自动识别方法
CN103246751A (zh) * 2013-05-28 2013-08-14 国家电网公司 二次图纸信息识别及阅读系统
CN105057899A (zh) * 2015-08-18 2015-11-18 河海大学常州校区 一种应用于智能激光切割的扫描图像识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110063468A1 (en) * 2009-09-11 2011-03-17 Samsung Electronics Co., Ltd. Method and apparatus for retrieving label
CN102609687A (zh) * 2012-01-31 2012-07-25 华中科技大学 一种地铁施工图纸及工程参数自动识别方法
CN103246751A (zh) * 2013-05-28 2013-08-14 国家电网公司 二次图纸信息识别及阅读系统
CN105057899A (zh) * 2015-08-18 2015-11-18 河海大学常州校区 一种应用于智能激光切割的扫描图像识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
方乃伟 等: "机械设计图像主轮廓提取算法研究", 《计算机工程与设计》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109685066A (zh) * 2018-12-24 2019-04-26 中国矿业大学(北京) 一种基于深度卷积神经网络的矿井目标检测与识别方法
CN109685066B (zh) * 2018-12-24 2021-03-09 中国矿业大学(北京) 一种基于深度卷积神经网络的矿井目标检测与识别方法
CN110175563A (zh) * 2019-05-27 2019-08-27 上海交通大学 金属切削刀具图纸标注识别方法及系统
CN110175563B (zh) * 2019-05-27 2023-03-24 上海交通大学 金属切削刀具图纸标注识别方法及系统
CN110378206B (zh) * 2019-06-10 2021-09-17 万翼科技有限公司 一种智能审图系统及方法
CN110378206A (zh) * 2019-06-10 2019-10-25 万翼科技有限公司 一种智能审图系统及方法
CN110378337A (zh) * 2019-07-05 2019-10-25 上海交通大学 金属切削刀具图纸标识信息视觉输入方法及系统
CN110378337B (zh) * 2019-07-05 2023-03-31 上海交通大学 金属切削刀具图纸标识信息视觉输入方法及系统
CN110717489A (zh) * 2019-09-19 2020-01-21 平安科技（深圳）有限公司 Osd的文字区域的识别方法、装置及存储介质
CN110717489B (zh) * 2019-09-19 2023-09-15 平安科技（深圳）有限公司 Osd的文字区域的识别方法、装置及存储介质
CN110767292A (zh) * 2019-10-12 2020-02-07 腾讯科技（深圳）有限公司 病理编号识别方法、信息识别方法、装置及信息识别系统
CN112528755A (zh) * 2020-11-19 2021-03-19 上海至冕伟业科技有限公司 一种消防疏散设施智能识别方法
CN112419208A (zh) * 2020-11-23 2021-02-26 泰兴市建设工程施工图审查服务中心 一种基于施工图审查矢量图纸编译方法及系统
CN112906469A (zh) * 2021-01-15 2021-06-04 上海至冕伟业科技有限公司 一种基于建筑平面图的消防传感器及报警设备的识别方法
CN114581360A (zh) * 2021-04-01 2022-06-03 正泰集团研发中心(上海)有限公司 光伏组件标签检测方法、装置、设备和计算机存储介质
CN114581360B (zh) * 2021-04-01 2024-03-12 正泰集团研发中心(上海)有限公司 光伏组件标签检测方法、装置、设备和计算机存储介质
CN116311333A (zh) * 2023-02-21 2023-06-23 南京云阶电力科技有限公司 针对电气图纸中边缘细小文字识别的预处理方法及系统
CN116311333B (zh) * 2023-02-21 2023-12-01 南京云阶电力科技有限公司 针对电气图纸中边缘细小文字识别的预处理方法及系统

Also Published As

Publication number Publication date
CN109002824B (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
CN109002824A (zh) 一种基于OpenCV的建筑图纸标签信息检测方法
CN109117713A (zh) 一种全卷积神经网络的图纸版面分析与文字识别方法
CN111914612B (zh) 一种基于改进的卷积神经网络的施工图图元自适应识别方法
CN110070091B (zh) 用于街景理解的基于动态插值重建的语义分割方法及系统
CN110399916A (zh) 一种基于图像增强和Inception网络的皮肤癌图像分类方法
CN102332097B (zh) 一种基于图割的复杂背景文本图像分割方法
CN114694038A (zh) 基于深度学习的高分辨率遥感影像分类方法及系统
CN110210538A (zh) 一种家居图像多目标识别方法及装置
CN105825214A (zh) 一种基于tesseract引擎的文字识别方法及装置
CN105915440A (zh) 邮件识别方法及装置
CN108376257B (zh) 一种燃气表不完整码字识别方法
CN109740553A (zh) 一种基于识别的图像语义分割数据筛选方法及系统
CN109117715A (zh) 一种基于ssd模型的建筑图纸非构件识别方法
CN110188787A (zh) 一种基于区块链互证和卷积神经网络的凭证式记账方法
CN116308400B (zh) 基于用户扫码核销行为轨迹分析的客户维护方法及系统
Yang et al. Recursive algorithms of maximum entropy thresholding on circular histogram
CN113704474A (zh) 银行网点设备操作指引生成方法、装置、设备及存储介质
Wang et al. Food image recognition and food safety detection method based on deep learning
CN101094481A (zh) 数据分析和挖掘系统与操作型crm系统的互动支撑方法
Prakash et al. Information extraction in unstructured multilingual web documents
Chaudhury et al. Model-guided segmentation and layout labelling of document images using a hierarchical conditional random field
WO2023284670A1 (zh) 图形码提取模型构建方法、识别方法、装置、设备和介质
CN110188595A (zh) 一种基于ar和cnn算法的动物园游览系统及游览方法
CN114693435A (zh) 催收名单的智能回访的方法、装置、电子设备及存储介质
WO2021068682A1 (zh) 表格文本智能过滤方法、装置及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20181214

Assignee: Suzhou Hongtu Intelligent Technology Co.,Ltd.

Assignor: HUAIYIN INSTITUTE OF TECHNOLOGY

Contract record no.: X2021980014034

Denomination of invention: A label information detection method of architectural drawings based on OpenCV

Granted publication date: 20211112

License type: Common License

Record date: 20211208

EE01 Entry into force of recordation of patent licensing contract