CN111027429B - 一种用于电气图纸智能识别的数据预处理方法及系统 - Google Patents
一种用于电气图纸智能识别的数据预处理方法及系统 Download PDFInfo
- Publication number
- CN111027429B CN111027429B CN201911206281.5A CN201911206281A CN111027429B CN 111027429 B CN111027429 B CN 111027429B CN 201911206281 A CN201911206281 A CN 201911206281A CN 111027429 B CN111027429 B CN 111027429B
- Authority
- CN
- China
- Prior art keywords
- straight line
- text
- data
- electrical
- preprocessing
- 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.)
- Active
Links
- 238000007781 pre-processing Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于电气图纸智能识别的数据预处理方法及系统,方法包括:对电气图纸的文本进行第一预处理,得到处理后的文本数据;对电气图纸的圆弧进行第二预处理,得到处理后的圆弧数据;对电气图纸的直线进行第三预处理,得到处理后的直线数据;对电气图纸的圆和椭圆进行第四预处理,得到处理后的圆和椭圆数据;对电气图纸的图签进行过滤处理,得到处理后的图签数据。本发明使用预设的方法对电气图纸进行数据预处理,对图纸中文本、圆弧、直线、圆和椭圆以及图签进行数据预处理或过滤处理,由于图纸数据经过了预处理,显著提升了后续智能识别算法的准确率和识别效率。本发明可广泛应用于电气行业人工智能技术领域。
Description
技术领域
本发明涉及电气行业人工智能技术领域,尤其是一种用于电气图纸智能识别的数据预处理方法及系统。
背景技术
在电气行业,成套电气报价员需要根据从用户拿到的CAD电气设计图给出成套电气设备的报价。根据用户给的CAD图纸列出清单列表,是报价中最重要的一个环节,也是成套电气报价的基础。作为一个有些枯燥繁琐但又需要有一定领域知识的环节,传统的成套电气报价员的报价方式主要是通过手工输入Excel的方式或者用软件的方式把元器件文本扒取出来,列出清单列表,再汇总出报价清单,最后再根据这样的清单进行报价。
但这是一种手工半手工的处理方式,不仅很大程度上依赖于报价员本人的背景知识和能力,需要报价员根据背景知识快速判断和查找出元器件的文本及类型,以及去推断设计师在图纸中所表达的真正意图。因此报价环节是一项非常繁琐和花费时间,效率十分低下的工作,整个工作过程还很容易出错,需要在后期的过程中反复校对以避免出错,严重影响工程的进度,甚至导致企业竞标失败或亏损。总之,这种传统的只能通过手工或半手工列清单的方式,极大程度上限制了报价员报价的速度与精度,不能满足用户及公司的对快速精准报价方面要求,也影响了工程的进度。
针对成套电气报价领域,通过人工智能的方式去识别图纸时必然之路。由于数据的预处理在人工智能算法中占据了很大的比重,数据的预处理是人工智能识别图纸必然需要处理的步骤。数据预处理过程需要结合特定应用领域的知识和背景来与处理数据,但是目前在电气工业人工智能领域,还没有专门针对电气图纸智能识别行之有效的数据预处理方法。
发明内容
有鉴于此,本发明实施例提供一种有效的电气图纸智能识别的预处理方法及系统。
本发明提供了一种用于电气图纸智能识别的数据预处理方法,包括以下步骤:
对电气图纸的文本进行第一预处理,得到处理后的文本数据;
对电气图纸的圆弧进行第二预处理,得到处理后的圆弧数据;
对电气图纸的直线进行第三预处理,得到处理后的直线数据;
对电气图纸的圆和椭圆进行第四预处理,得到处理后的圆和椭圆数据;
对电气图纸的图签进行过滤处理,得到处理后的图签数据。
进一步,所述对电气图纸的文本进行第一预处理,得到处理后的文本数据这一步骤,包括以下步骤:
获取电气图纸的文本高度,并处理得到第一文本阈值和第二文本阈值,过滤掉文本高度大于第一文本阈值或小于第二文本阈值的文本;
使用正则表达式过滤所述电气图纸的文本;
对所述过滤后的文本进行拼接合并;
用分隔符将所述过滤后的文本分隔。
进一步,所述对电气图纸的圆弧进行预处理,得到处理后的圆弧数据这一步骤,包括以下步骤:
根据圆弧的起始角度,将圆弧处理为圆;
将多条半径一致且形成闭环的圆弧处理为圆;
删除对两条所述直线起连接作用的圆弧,所述直线包括两条横线或竖线。
进一步,所述对电气图纸的直线进行预处理,得到处理后的直线数据这一步骤,包括以下步骤:
将所述直线绘制为灰度图,通过对灰度图的直线检测,得到处理后的直线数据;
删除所述电气图纸中含有的网格线;
删除所述电气图纸中含有的表格线。
进一步,所述对电气图纸的圆和椭圆进行预处理,得到处理后的圆和椭圆数据这一步骤,包括以下步骤:
获取电气图纸的直线及文本,通过处理直线得到第一圆阈值和第二圆阈值,过滤半径不处于所述阈值之间的圆和椭圆;
删除所述电气图纸中在直线交接点上的圆和椭圆。
进一步,所述对电气图纸的图签进行过滤处理,得到处理后的图签数据这一步骤,包括以下步骤:
按照横坐标对所述电气图纸中的直线分类,并得到横坐标距离阈值;
对所述分类直线进行分析,根据横坐标距离阈值获取异常的直线类;
按照纵坐标对所述电气图纸中的直线分类,并得到纵坐标距离阈值;
对所述分类直线进行分析,根据纵坐标距离阈值获取异常的直线类;
进一步,所述对电气图纸的图签进行过滤处理,得到处理后的图签数据这一步骤,还包括以下步骤:
对于所述异常的直线类,删除中心坐标位置在预设范围内的直线。
本发明还提供了一种用于电气图纸智能识别的数据预处理系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如上所述的一种用于电气图纸智能识别的数据预处理方法。
本发明还提供了一种用于电气图纸智能识别的数据预处理系统,包括:
文本预处理模块,用于对电气图纸的文本进行预处理,得到处理后的文本数据;
圆弧预处理模块,用于对电气图纸的圆弧进行预处理,得到处理后的圆弧数据;
直线预处理模块,用于对电气图纸的直线进行预处理,得到处理后的直线数据;
圆和椭圆预处理模块,用于对电气图纸的圆和椭圆进行预处理,得到处理后的圆和椭圆数据;
图签预处理模块,用于对电气图纸的图签进行过滤处理,得到处理后的图签数据。
上述本发明实施例中的一个或多个技术方案具有如下优点:本发明使用预设的方法对电气图纸进行数据预处理,对图纸中文本、圆弧、直线、圆和椭圆以及图签进行数据预处理或过滤处理,由于图纸数据经过了预处理,显著提升了后续智能识别算法的准确率和识别效率。
附图说明
图1为本发明一种用于电气图纸智能识别的数据预处理方法的流程图;
图2为本发明一种用于电气图纸智能识别的数据预处理方法中文本拼接处理步骤的流程图;
图3为本发明一种用于电气图纸智能识别的数据预处理方法中检测网格线步骤的流程图;
图4为本发明一种用于电气图纸智能识别的数据预处理系统的结构示意图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参考图1,一种用于电气图纸智能识别的数据预处理方法,包括以下步骤:
S1对电气图纸的文本进行第一预处理,得到处理后的文本数据;
S2对电气图纸的圆弧进行第二预处理,得到处理后的圆弧数据;
S3对电气图纸的直线进行第三预处理,得到处理后的直线数据;
S4对电气图纸的圆和椭圆进行第四预处理,得到处理后的圆和椭圆数据;
S5对电气图纸的图签进行过滤处理,得到处理后的图签数据。
其中,S1的步骤包括有:得到电气图纸内所有的文本,处理并获得两个阈值thresholdmin和thresholdmax,过滤掉文本高度小于thresholdmin或者大于thresholdmax的文本,其中两个阈值的具体获取公式为:Hi和 Hi,其中/>和11.26是根据测试用例,结合召回率和准备率计算出的比较合理的值。然后,遍历获取的所有文本中的每条文本,并判断这条文本是否匹配给定的用于过滤词的正则表达式,或者采用数据库查询的方式,删除掉被正则过滤的文本,而该正则表达式的典型例子如表1所示:
表1
参考图2,对文本进行合并拼接处理,文本拼接的处理逻辑步骤如下:
S101遍历得到文本长度小于7的文本列表,
S102从文本列表中选择一个短文本:
S102-1得到与这条文本同一水平高度的其他文本,
S102-2使用预先训练好的模型来判断是否该合并拼接该文本,
S102-3如果可以合并,则合并后更新文本列表,并回到S102-1步骤,处理当前合并后的文本,
S103输出合并后的文本。
其中,S102-2步骤采用的预训练模型基于LSTM网络,该模型进行训练所使用的数据集,是被设计师拆分成多条文本,并通过word2vec的方式,将这些文本转成词向量,从而生成的对应的数据集。它的输入为一条文本对应的词向量,记为x,输出为这条文本是否为一条完整文本的概率,记为y。如果合并后的一条文本为完整文本概率大于合并前的两条文本为完整文本概率之和的话,则合并两条文本。而且该预测模型设定的置信度较高。
最后则遍历每条文本,判断其文本的是否有很多的(>=5)空格符,并判断如果以这些空格符分隔开的话,分隔后的文本是否都大于一定的文本长度,如果是,则利用这些分隔符分隔开来。
其中,S2的步骤包括有:若是圆弧的其实角度差大约为360度左右(其中判断的容忍度小于5度),则将这个圆弧处理为圆。
若是面对两个可以拼接成圆的半圆弧的情况下,判断两个半圆弧的中心和半径是否一致,如果一致则将两个半圆弧处理为圆。
若是处理多条(一般大于等于三条)半径一致的且可以形成闭环的圆弧,则同样将这些多条圆弧处理为圆。
如果有对两条直线起连接作用的圆弧(如圆弧的两个端点连接着两条直线的端点),所述直线包括两条横线或竖线;则将测改圆弧的两个端点处是否都连接着横线或者竖线,如果是的话,则删除该圆弧,并且对这两条被连接的直线进行拼接处理。
其中,S3的步骤包括有:先把电气图纸上的直线绘制成一张灰度图,再使用霍夫变换进行直线检测,再根据像素点还原出直线的坐标值。
若是处理一条直线因为圆弧而断开,则检测断开的两条直线是否可以通过圆弧的两端点连接起来,如果可以,则对该支线进行拼接处理。
参考图3,若是检测到图中有网格线,则将网格线全部删除。具体的检测网格线的方法步骤如下:
S301筛选出所有长度大于图的长度的0.8倍的横线,组成横线集LongHoriLines;以及所有长度大于图的长度的0.8倍的竖线,组成竖线集LongVertiLines。
S302对这些横竖线按长度进行分组。
S303遍历每个分组的横线,判断这些横线的高度差是否一致,并得到高度差一致的分组列表。
S304判断分组列表中覆盖的图的区域面积的比率,如果这个比率大于0.9,则认为这些横线为候选网格横线。
S305从竖线分组中,找到与候选网格横线有交叉的竖线,并计算这些竖线是否覆盖所有的网格横线区域,如果是的话,含有竖线数量最多的分组作为候选网格竖线。
S306对候选网格竖线数量verti_num和候选网格横线数量hori_num进行判断,如果满足如下条件之一:
verti_num>30&hori_num>10;
verti_num>25&hori_num>20;
hori_num>25&verti_num>10;
则认为这些候选网格横竖线是网格线。
S307输出网格线。
检测是否有多条形成表格的横竖线,如果表格里面全是文字,由于表格基本只是用于描述性使用,所以删除掉该表格的横竖线。
其中,S4的步骤包括有:根据当前的图的直线和文本,获取合理的第一圆阈值和第二圆阈值,然后过滤掉半径大于第一圆阈值或者小于第二圆阈值的圆和椭圆。
检测出所有的直线的交接点,遍历每个圆和椭圆,判断是否在这些交接点上,因为这些交接点上的圆只起到图形的描述性作用,对后面的智能识别会造成干扰,所以删除在直线交接点上的圆。
其中,S5的步骤包括有:
按照横坐标对所述电气图纸中的直线分类,并得到横坐标距离阈值;
利用离群点分析对所述分类直线进行分析,根据横坐标距离阈值获得异常的直线类,并依次判断每个类的直线的中心横坐标是否在一定范围内,是则删除该类直线。
按照纵坐标对所述电气图纸中的直线分类,并得到纵坐标距离阈值;
利用离群点分析对所述分类直线进行分析,根据纵坐标距离阈值获得异常的直线类,并依次判断每个类内部直线的中心横坐标是否在一定范围内,是的话则删除该类直线。
本发明还提出了一种用于电气图纸智能识别的数据预处理系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如上所述的用于电气图纸智能识别的数据预处理方法。
参考图4,本发明还提出了一种用于电气图纸智能识别的数据预处理系统,包括以下模块:
文本预处理模块,用于对电气图纸的文本进行预处理,得到处理后的文本数据;
圆弧预处理模块,用于对电气图纸的圆弧进行预处理,得到处理后的圆弧数据;
直线预处理模块,用于对电气图纸的直线进行预处理,得到处理后的直线数据;
圆和椭圆预处理模块,用于对电气图纸的圆和椭圆进行预处理,得到处理后的圆和椭圆数据;
图签预处理模块,用于对电气图纸的图签进行过滤处理,得到处理后的图签数据。
综上所述,相较于现有技术,本发明具有以下优点:
(1)本发明使用预设的方法对电气图纸进行数据预处理,对图纸中文本、圆弧、直线、圆和椭圆以及图签进行数据预处理或过滤处理,由于图纸数据经过了预处理,显著提升了后续智能识别算法的准确率和识别效率。
(2)本发明由于可以不使用人工,而是采用全自动系统智能对电气图纸数据进行数据预处理,显著的提升了电气图纸数据预处理的效率。
(3)本发明的各个模块及各个步骤可以用通用的计算系统实现,它们可以集中在单个计算系统上,或者分布在多个计算系统所组成的网络上,可选地,它们可以用不同的计算机语言来实现,从而,可以将它们存储在存储系统中由计算系统来执行。这样,本发明不限制于任何特定的硬件和软件结合。
(4)本发明由于采用了拼接文本或者分隔文本等文本预处理方式,考虑到了设计师在撰写标注文本时的做法,很大程度上真实还原了设计师在CAD图纸中想要表达的意图。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (2)
1.一种用于电气图纸智能识别的数据预处理方法,其特征在于,包括以下步骤:
对电气图纸的文本进行第一预处理,得到处理后的文本数据;
对电气图纸的圆弧进行第二预处理,得到处理后的圆弧数据;
对电气图纸的直线进行第三预处理,得到处理后的直线数据;
对电气图纸的圆和椭圆进行第四预处理,得到处理后的圆和椭圆数据;
对电气图纸的图签进行过滤处理,得到处理后的图签数据;
所述对电气图纸的文本进行第一预处理,得到处理后的文本数据这一步骤,包括以下步骤:
获取电气图纸的文本高度,并处理得到第一文本阈值和第二文本阈值,过滤掉文本高度大于第一文本阈值或小于第二文本阈值的文本;
使用正则表达式过滤所述电气图纸的文本;
对所述过滤后的文本进行拼接合并;
用分隔符将所述过滤后的文本分隔;
所述对电气图纸的圆弧进行第二预处理,得到处理后的圆弧数据这一步骤,包括以下步骤:
根据圆弧的起始角度,将圆弧处理为圆;
将多条半径一致且形成闭环的圆弧处理为圆;
删除对两条所述直线起连接作用的圆弧,所述直线包括两条横线或竖线;
所述对电气图纸的直线进行第三预处理,得到处理后的直线数据这一步骤,包括以下步骤:
将所述直线绘制为灰度图,通过对灰度图的直线检测,得到处理后的直线数据;
删除所述电气图纸中含有的网格线;
删除所述电气图纸中含有的表格线;
所述对电气图纸的圆和椭圆进行第四预处理,得到处理后的圆和椭圆数据这一步骤,
包括以下步骤:
获取电气图纸的直线及文本,通过处理直线得到第一圆阈值和第二圆阈值,过滤半径不处于所述阈值之间的圆和椭圆;
删除所述电气图纸中在直线交接点上的圆和椭圆;
所述对电气图纸的图签进行过滤处理,得到处理后的图签数据这一步骤,包括以下步骤:
按照横坐标对所述电气图纸中的直线分类,并得到横坐标距离阈值;
对按照横坐标对所述电气图纸中的直线分类得到的分类直线进行分析,根据横坐标距离阈值获得异常的第一直线类;
按照纵坐标对所述电气图纸中的直线分类,并得到纵坐标距离阈值;
对按照纵坐标对所述电气图纸中的直线分类得到的分类直线进行分析,根据纵坐标距离阈值获得异常的第二直线类;
其中,异常的直线类包括所述异常的第一直线类和所述异常的第二直线类;
所述对电气图纸的图签进行过滤处理,得到处理后的图签数据这一步骤,还包括以下步骤:
对于所述异常的直线类,删除中心坐标位置在预设范围内的直线。
2.一种用于电气图纸智能识别的数据预处理系统,其特征在于,包括:
文本预处理模块,用于对电气图纸的文本进行预处理,得到处理后的文本数据;
圆弧预处理模块,用于对电气图纸的圆弧进行预处理,得到处理后的圆弧数据;
直线预处理模块,用于对电气图纸的直线进行预处理,得到处理后的直线数据;
圆和椭圆预处理模块,用于对电气图纸的圆和椭圆进行预处理,得到处理后的圆和椭圆数据;
图签预处理模块,用于对电气图纸的图签进行过滤处理,得到处理后的图签数据;所述对电气图纸的文本进行第一预处理,得到处理后的文本数据,包括以下步骤:
获取电气图纸的文本高度,并处理得到第一文本阈值和第二文本阈值,过滤掉文本高度大于第一文本阈值或小于第二文本阈值的文本;
使用正则表达式过滤所述电气图纸的文本;
对所述过滤后的文本进行拼接合并;
用分隔符将所述过滤后的文本分隔;
所述对电气图纸的圆弧进行第二预处理,得到处理后的圆弧数据,包括以下步骤:
根据圆弧的起始角度,将圆弧处理为圆;
将多条半径一致且形成闭环的圆弧处理为圆;
删除对两条所述直线起连接作用的圆弧,所述直线包括两条横线或竖线;
所述对电气图纸的直线进行第三预处理,得到处理后的直线数据,包括以下步骤:
将所述直线绘制为灰度图,通过对灰度图的直线检测,得到处理后的直线数据;
删除所述电气图纸中含有的网格线;
删除所述电气图纸中含有的表格线;
所述对电气图纸的圆和椭圆进行第四预处理,得到处理后的圆和椭圆数据,包括以下步骤:
获取电气图纸的直线及文本,通过处理直线得到第一圆阈值和第二圆阈值,过滤半径不处于所述阈值之间的圆和椭圆;
删除所述电气图纸中在直线交接点上的圆和椭圆;
所述对电气图纸的图签进行过滤处理,得到处理后的图签数据,包括以下步骤:
按照横坐标对所述电气图纸中的直线分类,并得到横坐标距离阈值;
对按照横坐标对所述电气图纸中的直线分类得到的分类直线进行分析,根据横坐标距离阈值获得异常的第一直线类;
按照纵坐标对所述电气图纸中的直线分类,并得到纵坐标距离阈值;
对按照纵坐标对所述电气图纸中的直线分类得到的分类直线进行分析,根据纵坐标距离阈值获得异常的第二直线类;
其中,异常的直线类包括所述异常的第一直线类和所述异常的第二直线类;
所述对电气图纸的图签进行过滤处理,得到处理后的图签数据,还包括以下步骤:对于所述异常的直线类,删除中心坐标位置在预设范围内的直线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911206281.5A CN111027429B (zh) | 2019-11-29 | 2019-11-29 | 一种用于电气图纸智能识别的数据预处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911206281.5A CN111027429B (zh) | 2019-11-29 | 2019-11-29 | 一种用于电气图纸智能识别的数据预处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111027429A CN111027429A (zh) | 2020-04-17 |
CN111027429B true CN111027429B (zh) | 2024-01-12 |
Family
ID=70207765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911206281.5A Active CN111027429B (zh) | 2019-11-29 | 2019-11-29 | 一种用于电气图纸智能识别的数据预处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111027429B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036232B (zh) * | 2020-07-10 | 2023-07-18 | 中科院成都信息技术股份有限公司 | 一种图像表格结构识别方法、系统、终端以及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09237339A (ja) * | 1995-12-26 | 1997-09-09 | Meidensha Corp | 円/円弧の認識方法 |
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 |
CN102880868A (zh) * | 2012-08-06 | 2013-01-16 | 上海中和软件有限公司 | 工程图纸矢量化和图元语义提取方法 |
CN104036060A (zh) * | 2013-03-07 | 2014-09-10 | 纬衡浩建科技(深圳)有限公司 | 一种工程图在线审核方法和系统 |
CN108846398A (zh) * | 2018-06-26 | 2018-11-20 | 北京天工矩阵信息技术有限公司 | Cad识图方法和装置 |
CN109255041A (zh) * | 2018-08-22 | 2019-01-22 | 国网山西省电力公司 | 一种电气图纸的智能识别方法 |
CN109299675A (zh) * | 2018-09-07 | 2019-02-01 | 广州算易软件科技有限公司 | 一种基于电气图纸的配电箱识别方法和装置 |
CN109446885A (zh) * | 2018-09-07 | 2019-03-08 | 广州算易软件科技有限公司 | 一种基于文本的元器件识别方法、系统、装置和存储介质 |
CN109508676A (zh) * | 2018-11-14 | 2019-03-22 | 武汉万安智能技术有限公司 | 一种逻辑电路图信息提取的机器视觉检测算法 |
-
2019
- 2019-11-29 CN CN201911206281.5A patent/CN111027429B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09237339A (ja) * | 1995-12-26 | 1997-09-09 | Meidensha Corp | 円/円弧の認識方法 |
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 |
CN102880868A (zh) * | 2012-08-06 | 2013-01-16 | 上海中和软件有限公司 | 工程图纸矢量化和图元语义提取方法 |
CN104036060A (zh) * | 2013-03-07 | 2014-09-10 | 纬衡浩建科技(深圳)有限公司 | 一种工程图在线审核方法和系统 |
CN108846398A (zh) * | 2018-06-26 | 2018-11-20 | 北京天工矩阵信息技术有限公司 | Cad识图方法和装置 |
CN109255041A (zh) * | 2018-08-22 | 2019-01-22 | 国网山西省电力公司 | 一种电气图纸的智能识别方法 |
CN109299675A (zh) * | 2018-09-07 | 2019-02-01 | 广州算易软件科技有限公司 | 一种基于电气图纸的配电箱识别方法和装置 |
CN109446885A (zh) * | 2018-09-07 | 2019-03-08 | 广州算易软件科技有限公司 | 一种基于文本的元器件识别方法、系统、装置和存储介质 |
CN109508676A (zh) * | 2018-11-14 | 2019-03-22 | 武汉万安智能技术有限公司 | 一种逻辑电路图信息提取的机器视觉检测算法 |
Also Published As
Publication number | Publication date |
---|---|
CN111027429A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11681925B2 (en) | Techniques for creating, analyzing, and modifying neural networks | |
US11640539B2 (en) | Techniques for visualizing the operation of neural networks using samples of training data | |
CN116049397B (zh) | 基于多模态融合的敏感信息发现并自动分类分级方法 | |
US20210012209A1 (en) | Techniques for modifying neural network definitions | |
CN112214576B (zh) | 舆情分析方法、装置、终端设备及计算机可读存储介质 | |
CN110992307A (zh) | 基于yolo的绝缘子定位识别方法及装置 | |
CN114913386A (zh) | 一种多目标跟踪模型的训练方法以及多目标跟踪方法 | |
CN111027429B (zh) | 一种用于电气图纸智能识别的数据预处理方法及系统 | |
CN112418320A (zh) | 一种企业关联关系识别方法、装置及存储介质 | |
CN112634612A (zh) | 路口流量分析方法、装置、电子设备及存储介质 | |
US11615321B2 (en) | Techniques for modifying the operation of neural networks | |
CN113010683A (zh) | 基于改进图注意力网络的实体关系识别方法及系统 | |
US20230162041A1 (en) | Neural network model, method, electronic device, and readable medium | |
CN108804581B (zh) | 一种基于深度学习的同类物体检索方法及系统 | |
CN115129896B (zh) | 基于对比学习的网络安全应急响应知识图谱关系提取方法 | |
CN116776157A (zh) | 支持模态增加的模型学习方法及其装置 | |
CN115641470A (zh) | 分类模型及车辆图像分类模型的训练方法、装置及设备 | |
CN116229175B (zh) | 图像处理方法、装置、设备及存储介质 | |
CN111783891A (zh) | 一种定制化物体检测方法 | |
CN110705695A (zh) | 搜索模型结构的方法、装置、设备和存储介质 | |
CN111274894A (zh) | 一种基于改进YOLOv3的人员在岗状态检测方法 | |
CN115374130B (zh) | 一种大气污染历史数据存储方法及介质 | |
EP0513653A2 (en) | Method for estimating similarity function coefficients from object classification data | |
CN116883880B (zh) | 一种基于ar技术的起重机识别方法、装置和电子设备 | |
US20220207416A1 (en) | System and method of providing correction assistance on machine learning workflow predictions |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200927 Address after: 510000 No. 729 Dongfeng East Road, Guangdong, Guangzhou Applicant after: GUANGDONG University OF TECHNOLOGY Address before: 510006 Xiaoguwei Street, Panyu District, Guangzhou City, Guangdong Province, No. 100, West Ring Road, Guangzhou University Town, Eastern Living District, Guangdong University of Technology Applicant before: Chen Taowen |
|
GR01 | Patent grant | ||
GR01 | Patent grant |