CN111160144A - 电气图纸图文结合的元器件识别方法、系统及存储介质 - Google Patents
电气图纸图文结合的元器件识别方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111160144A CN111160144A CN201911290272.9A CN201911290272A CN111160144A CN 111160144 A CN111160144 A CN 111160144A CN 201911290272 A CN201911290272 A CN 201911290272A CN 111160144 A CN111160144 A CN 111160144A
- Authority
- CN
- China
- Prior art keywords
- component
- text
- graph
- matching
- determining
- 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
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种电气图纸图文结合的元器件识别方法，方法包括：匹配元器件图形与元器件文本；获取元器件图形与文本参考距离阈值，对未匹配文本和元器件图形进行再次匹配；处理已匹配的元器件图形与元器件文本类型的冲突；确定未匹配元器件文本的合理性，并与元器件图形进行匹配；确定未匹配元器件图形的合理性，根据合理性结果对图形进行保留或删除处理；对缺省的元器件进行补充和回填。本发明通过预设的匹配方法对元器件文本和图形进行匹配处理，处理匹配类型冲突的情况和文本图形缺省的情况，提供了一种高速的节省人力的电气图纸元器件识别方法，减少了识别元器件人力成本，提高了工程的速度。本发明可广泛应用于电气行业人工智能领域。
Description
技术领域
本发明涉及电气行业人工智能技术领域，尤其涉及电气图纸图文结合的元器件识别方法、系统及存储介质。
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。伴随着人工智能的火热开展，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。
在电气行业，电气图纸中元器件的智能识别有两个方面基础:文本的识别及图形的识别。这两个方面相互依赖，相辅相成，都可以通过规则及机器学习的方法来处理。电气图纸的特殊性，决定了只有元器件图形和文本结合在一起才能真正做好元器件的识别，而且实践中常需要面对：元器件有图形但缺乏文本，元器件有文本却缺少图形等情况。然而在目前，电气行业人工智能领域，还没有专门针对电气图纸图文结合识别元器件的行之有效的方法。
发明内容
为了解决上述技术问题，本发明的目的是提供一种高速的节省人力的电气图纸图文结合的元器件识别方法、系统及存储介质。
本发明提出了一种电气图纸图文结合的元器件识别方法，包括以下步骤：
匹配元器件图形与元器件文本；
获取元器件图形与文本参考距离阈值，对未匹配文本和元器件图形进行再次匹配；
处理已匹配的元器件图形与元器件文本类型的冲突；
确定未匹配元器件文本的合理性，并与元器件图形进行匹配；
确定未匹配元器件图形的合理性，根据合理性结果对图形进行保留或删除处理；
对缺省的元器件进行补充和回填。
进一步，所述匹配元器件图形与元器件文本这一步骤，包括以下步骤：
获取元器件的图形与元器件文本的识别结果；
通过所述图形和所述文本的距离，对同一类型的元器件图形及文本进行匹配；
对完成匹配的元器件图形及文本确定合理性，对识别结果合理的文本进行元器件图形补充处理。
进一步，所述获取元器件图形与文本参考距离阈值，对未匹配文本和元器件图形进行再次匹配这一步骤，包括以下步骤：
获取元器件图形与文本的参考距离阈值；
根据所述参考距离阈值，对文本匹配最近的元器件图形。
进一步，所述处理已匹配的元器件图形与元器件文本类型的冲突这一步骤，包括以下步骤：
确定第一参考匹配距离阈值；
获取类型不一致的元器件图形和元器件文本，所述元器件图形和元器件文本距离小于第一参考匹配距离阈值；
获取电气图纸的树结构，通过树结构确定元器件文本类型与图形类型的一致性；
获取元器件图形对应类型的第一概率，以及元器件文本对应类型的第二概率，并通过所述第一概率和第二概率确定元器件类型。
进一步，所述确定未匹配元器件文本的合理性，并与元器件图形进行匹配这一步骤，包括以下步骤：
根据所述电气图纸的树结构，确定所述元器件文本的位置合理性；
对于具有位置合理性的元器件文本，确定所述元器件文本的文本合理性；
根据位置合理性和文本合理性，对元器件文本匹配图形。
进一步，所述确定未匹配元器件图形的合理性，根据合理性结果对图形进行保留或删除处理这一步骤，包括以下步骤：
删除在所述树结构外的元器件图形；
将包含在其他元器件内部的图形与该元器件合并；
对缺省文本的元器件图形进行保留或填充文本处理。
进一步，所述补充所述电气图纸上省略的元器件这一步骤，包括以下步骤：
对所述电气图纸进行省略号检测，获取省略号；
获取所述电气图纸的回路编号文本；
通过省略号和回路编号文本，获取对应的元器件及该元器件的数量。
本发明还提出了一种电气图纸图文结合的元器件识别系统，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电气图纸图文结合的元器件识别方法。
本发明还提出了一种电气图纸图文结合的元器件识别系统，包括：
元器件匹配模块，用于匹配元器件图形与元器件文本；
补充匹配模块，用于获取元器件图形与文本参考距离阈值，对未匹配文本和元器件图形进行再次匹配；
匹配冲突处理模块，用于处理已匹配的元器件图形与元器件文本类型的冲突；
缺省文本处理模块，用于确定未匹配元器件文本的合理性，并与元器件图形进行匹配；
缺省图形处理模块，用于确定未匹配元器件图形的合理性，根据合理性结果对图形进行保留或删除处理；
省略元器件补充模块，用于对缺省的元器件进行补充和回填。
本发明还提出了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行如上所述的一种电气图纸图文结合的元器件识别方法。
上述本发明的实施例中的一个或多个技术方案具有如下优点：本发明根据电气图纸的文本和图形的识别结果，通过预设的匹配方法对文本和图形进行匹配处理，而且处理匹配类型冲突的情况，以及处理文本或图形缺省以及省略的情况，提供了一种高速的节省人力的电气图纸元器件识别方法，解决了电气图纸元器件的识别问题，减少了识别元器件所需要的人力成本和时间成本，提高了工程的速度。
附图说明
图1是本发明一种电气图纸图文结合的元器件识别方法的流程图；
图2是本发明一种电气图纸图文结合的元器件识别系统的结构示意图。
具体实施方式
下面结合附图，对本发明的技术方案进行详细描述。
参考图1，一种电气图纸图文结合的元器件识别方法，包括以下步骤：
S1：匹配元器件图形与元器件文本；
S2：获取元器件图形与文本参考距离阈值，对未匹配文本和元器件图形进行再次匹配；
S3：处理已匹配的元器件图形与元器件文本类型的冲突；
S4：确定未匹配元器件文本的合理性，并与元器件图形进行匹配；
S5：确定未匹配元器件图形的合理性，根据合理性结果对图形进行保留或删除处理；
S6：对缺省的元器件进行补充和回填。
在步骤S1中，使用预设规则和机器学习的方法，获取配电箱内的各种元器件文本及元器件图形的识别结果。该识别结果采用概率形式表示。
根据识别结果，即概率的大小进行判定，如果概率大于预设的阈值，则判定某一图形和文本的类型。获取同一类型的图形和文本，并计算该类图形与文本两两之间的距离，按照最小距离，对元器件文本和图形进行匹配。但图形与文本的距离不得超过预设的最大距离阈值，而且一条元器件文本只能匹配一个元器件，且一个元器件不能同时匹配两个相同或相似的文本。因此利用上述限定，在匹配时对文本格式还可以进行一定的限制处理。
其中，最大距离阈值一般取10倍平均文本高度值。
最后确定此前的匹配结果的合理性，判断的主要依据是元器件本身和文本的数量。例如此前漏识别了一个元器件的图形，则文本匹配过后会剩余一条未匹配文本，如果确认该文本识别的正确性，则对该文本进行如下的调整处理：
循环遍历每种类型的元器件：
S101：获取该类型的元器件的匹配文本，将这些匹配文本划分为一个文本集合AssignTexts。
S102：在配电箱的范围内，获取和这些匹配文本内容相同的剩余文本，将这些剩余文本划分为一个集合RemainTexts。
S103：遍历集合RemainTexts中的每个文本块，记为RTexts：
S103-1：如果该文本块内的文本数量不少于2条，则新增一个该类型的元器件，并进行匹配；
S103-2：如果该文本块内的文本数量为1条，则根据文本块与其他同一类型的图形元器件的距离进行判断，如果距离超过预设的阈值，新增一个该类型的元器件，并进行匹配；否则，对该文本块与图形元器件进行匹配；
S104：遍历每个已匹配的文本块，如果该文本块内的文本数量少于其他文本块，则在该文本块附近查找是否存在其他未使用的文本，并判断是否可以进行结合，可以结合则将其合并。
在步骤S2中，对于一些不能直接判断出元器件具体类型的文本，首先计算并获取参考距离阈值，参考距离阈值是根据此前步骤S1的匹配结果，计算而得到的元器件图形与文本的平均匹配距离，如果平均匹配距离不合适或者S1没有得到匹配结果，则使用默认的参考距离阈值。所述参考距离阈值的计算公式如下：
其中disdefault表示参考距离阈值，N表示已匹配的图形，文本的数量，Hi表示第i个文本的高度。
对于未匹配的文本，获取与该文本距离最近的元器件图形，如果该文本与图形的距离小于参考距离阈值，则将该文本与元器件图形匹配。
在步骤S3中，使用了一定的电气行业背景知识和领域知识对该元器件图形与文本类型冲突进行处理，主要包含如下步骤：
根据此前S1及S2步骤完成的匹配结果，计算得到第二参考匹配距离阈值ref，获取在第二参考匹配距离阈值ref的范围内，类型不一致的元器件图形和元器件文本，以及获取第一参考匹配距离阈值，计算公式如下：
其中，ref为第二参考指派距离阈值，N表示已经匹配的图形，文本的数量，为第i条匹配的距离，Max(dis)表示已经匹配的距离的最大值。
根据配电箱的树结构进行，判断元器件文本类型和元器件图形类型是否存在不合理的情况，如果有的话，以其配对的另一个图形或文本的类型为准。
利用电气行业背景知识对判断结果进行调整。如某些KB0在画法上经常还含有热继的画法，因此，如果文本的类型是KB0,而元器件图形的类型为热继的话，则认为是KB0。
获取元器件图形对应类型的第一概率，以及元器件文本对应类型的第二概率，并通过所述第一概率和第二概率确定元器件类型，以概率大的类型作为该元器件的类型。
在步骤S4中，如果存在一些用一个矩形去表示“双电源”、“智能照明模块”的做法，那么该图形将很难被识别出来。而对类似情况的分析，采用如下的步骤：
结合配电箱的树结构，对元器件文本的位置合理性进行确定，然后对于确定拥有合理的位置的元器件文本，结合此前所述的电气行业背景知识和领域知识对该元器件进行分析，确定其文本合理性。最终根据位置合理性和文本合理性对该文本进行匹配。例如在该元器件文本位于某个矩形中，那么可以将该矩形识别为对应的元器件；如果该元器件附近有大小适中的矩形，那么可以将该矩形作为匹配的元器件图形，进行匹配。
在步骤S5中，一般是出现了识别出元器件，但缺乏对应的元器件文本的情况，此时的处理方法包括以下的步骤：
确定元器件图形的位置合理性。如果元器件的位置已经位于配电箱的树结构范围之外，那么不需要进行识别，直接删除该元器件图形即可。
确定该元器件图形是否包含在其他元器件范围内。例如KB0有时候会画成1个KB0+1个热继的元器件符号，因此需要结合此前所述的电气行业背景知识和领域知识，确定该元器件图形是包含在其他元器件范围内，还是为多余图形。如果包含在其他元器件范围内则进行合并处理。
确定该元器件图形的文本缺省的情况。因为可能在书写该元器件文本的时候，只标注了最上方的元器件，但是对下方同类型的元器件文本进行了缺省处理，如双电源前面有两个进线开关,但可能只对一个开关做了文本标注。对于此种文本缺省的情况，将最上方同类型的元器件所匹配的文本，对该元器件也进行匹配。如果是习惯性不标注文本的情况，例如“浪涌保护器”前面在的熔断器经常出现没有对应元器件文本的情况，属于确实缺乏文本的元器件，那么对该元器件图形做保留处理，待日后用户或设计师填写该文本。
在步骤S6中，由于该配电箱图纸可能使用省略号来省略一些支线和元器件，因此主要有以下步骤对省略号进行识别和补充：
对配电箱进行省略号检测，主要匹配三个或多个小圆表示的省略号，以及用“。。。”表示的省略号，结合此前元器件文本和图形的匹配结果，以及三个圆是否处于合适的间隔范围内的方式，对省略号进行检测。
获取配电箱内的回路编号文本。
对于此前识别出省略号的情况，利用此前识别出的省略号，对回路编号进行识别，计算出中间缺省的支线的数量，还原出对应的元器件及元器件数量。例如在回路编号中，出现“WL2～WL18”这样字样的文本时，则可判定配电箱中省略了一些支线。这里，应当通过分析“WL2～WL18”中省略的支线的数量，对相应的支线上的所有元器件进行复制。
对于没有识别出省略号的情况，对回路编号进行分析，检测回路编号是否有缺省的状况，有的话将对应的元器件及元器件数量进行还原。
一种电气图纸图文结合的元器件识别系统，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电气图纸图文结合的元器件识别方法。
参考图2，一种电气图纸图文结合的元器件识别系统，包括：
元器件匹配模块，用于匹配元器件图形与元器件文本；
补充匹配模块，用于获取元器件图形与文本参考距离阈值，对未匹配文本和元器件图形进行再次匹配；
匹配冲突处理模块，用于处理已匹配的元器件图形与元器件文本类型的冲突；
缺省文本处理模块，用于确定未匹配元器件文本的合理性，并与元器件图形进行匹配；
缺省图形处理模块，用于确定未匹配元器件图形的合理性，根据合理性结果对图形进行保留或删除处理；
省略元器件补充模块，用于对缺省的元器件进行补充和回填。
一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行如上所述的一种电气图纸图文结合的元器件识别方法。
对于上述方法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。
以上是对本发明的较佳实施进行了具体说明，但本发明创造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 (10)
1.一种电气图纸图文结合的元器件识别方法，其特征在于，包括以下步骤：
匹配元器件图形与元器件文本；
获取元器件图形与文本参考距离阈值，对未匹配文本和元器件图形进行再次匹配；
处理已匹配的元器件图形与元器件文本类型的冲突；
确定未匹配元器件文本的合理性，并与元器件图形进行匹配；
确定未匹配元器件图形的合理性，根据合理性结果对图形进行保留或删除处理；
对缺省的元器件进行补充和回填。
2.根据权利要求1所述的一种电气图纸图文结合的元器件识别方法，其特征在于：所述匹配元器件图形与元器件文本这一步骤，包括以下步骤：
获取元器件的图形与元器件文本的识别结果；
通过所述图形和所述文本的距离，对同一类型的元器件图形及文本进行匹配；
对完成匹配的元器件图形及文本确定合理性，对识别结果合理的文本进行元器件图形补充处理。
3.根据权利要求1所述的一种电气图纸图文结合的元器件识别方法，其特征在于：所述获取元器件图形与文本参考距离阈值，对未匹配文本和元器件图形进行再次匹配这一步骤，包括以下步骤：
获取元器件图形与文本的参考距离阈值；
根据所述参考距离阈值，对文本匹配最近的元器件图形。
4.根据权利要求1所述的一种电气图纸图文结合的元器件识别方法，其特征在于：所述处理已匹配的元器件图形与元器件文本类型的冲突这一步骤，包括以下步骤：
确定第一参考匹配距离阈值；
获取类型不一致的元器件图形和元器件文本，所述元器件图形和元器件文本距离小于第一参考匹配距离阈值；
获取电气图纸的树结构，通过树结构确定元器件文本类型与图形类型的一致性；
获取元器件图形对应类型的第一概率，以及元器件文本对应类型的第二概率，并通过所述第一概率和第二概率确定元器件类型。
5.根据权利要求4所述的一种电气图纸图文结合的元器件识别方法，其特征在于：所述确定未匹配元器件文本的合理性，并与元器件图形进行匹配这一步骤，包括以下步骤：
根据所述电气图纸的树结构，确定所述元器件文本的位置合理性；
对于具有位置合理性的元器件文本，确定所述元器件文本的文本合理性；
根据位置合理性和文本合理性，对元器件文本匹配图形。
6.根据权利要求4所述的一种电气图纸图文结合的元器件识别方法，其特征在于：所述确定未匹配元器件图形的合理性，根据合理性结果对图形进行保留或删除处理这一步骤，包括以下步骤：
删除在所述树结构外的元器件图形；
将包含在其他元器件内部的图形与该元器件合并；
对缺省文本的元器件图形进行保留或填充文本处理。
7.根据权利要求1所述的一种电气图纸图文结合的元器件识别方法，其特征在于：所述补充所述电气图纸上省略的元器件这一步骤，包括以下步骤：
对所述电气图纸进行省略号检测，获取省略号；
获取所述电气图纸的回路编号文本；
通过省略号和回路编号文本，获取对应的元器件及该元器件的数量。
8.一种电气图纸图文结合的元器件识别系统，其特征在于：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权利要求1-7中任一项所述的一种电气图纸图文结合的元器件识别方法。
9.一种电气图纸图文结合的元器件识别系统，其特征在于：包括：
元器件匹配模块，用于匹配元器件图形与元器件文本；
补充匹配模块，用于获取元器件图形与文本参考距离阈值，对未匹配文本和元器件图形进行再次匹配；
匹配冲突处理模块，用于处理已匹配的元器件图形与元器件文本类型的冲突；
缺省文本处理模块，用于确定未匹配元器件文本的合理性，并与元器件图形进行匹配；
缺省图形处理模块，用于确定未匹配元器件图形的合理性，根据合理性结果对图形进行保留或删除处理；
省略元器件补充模块，用于对缺省的元器件进行补充和回填。
10.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7中任一项所述的一种电气图纸图文结合的元器件识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911290272.9A CN111160144B (zh) | 2019-12-16 | 2019-12-16 | 电气图纸图文结合的元器件识别方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911290272.9A CN111160144B (zh) | 2019-12-16 | 2019-12-16 | 电气图纸图文结合的元器件识别方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111160144A true CN111160144A (zh) | 2020-05-15 |
| CN111160144B CN111160144B (zh) | 2023-04-07 |
Family
ID=70557126
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911290272.9A Active CN111160144B (zh) | 2019-12-16 | 2019-12-16 | 电气图纸图文结合的元器件识别方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111160144B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111581461A (zh) * | 2020-06-19 | 2020-08-25 | 腾讯科技（深圳）有限公司 | 字符串搜索方法、装置、计算机设备及介质 |
| CN111814791A (zh) * | 2020-07-24 | 2020-10-23 | 西门子（中国）有限公司 | 识别系统图中元器件的方法和装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102262618A (zh) * | 2010-05-28 | 2011-11-30 | 北京大学 | 一种版面信息识别的方法及装置 |
| US20150046784A1 (en) * | 2013-08-08 | 2015-02-12 | Peking University Founder Group Co., Ltd. | Extraction device for composite graph in fixed layout document and extraction method thereof |
| CN107315817A (zh) * | 2017-06-30 | 2017-11-03 | 华自科技股份有限公司 | 电子图纸文本匹配方法、装置、存储介质和计算机设备 |
| CN107563386A (zh) * | 2017-09-04 | 2018-01-09 | 广州视源电子科技股份有限公司 | 元器件验证方法、装置、设备与计算机可读存储介质 |
| CN109376758A (zh) * | 2018-09-07 | 2019-02-22 | 广州算易软件科技有限公司 | 一种基于图形的元器件识别方法、系统、装置和存储介质 |
| 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 |
| CN110309807A (zh) * | 2019-07-08 | 2019-10-08 | 西北工业大学 | Cad图纸智能识别方法 |
-
2019
- 2019-12-16 CN CN201911290272.9A patent/CN111160144B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102262618A (zh) * | 2010-05-28 | 2011-11-30 | 北京大学 | 一种版面信息识别的方法及装置 |
| US20150046784A1 (en) * | 2013-08-08 | 2015-02-12 | Peking University Founder Group Co., Ltd. | Extraction device for composite graph in fixed layout document and extraction method thereof |
| CN107315817A (zh) * | 2017-06-30 | 2017-11-03 | 华自科技股份有限公司 | 电子图纸文本匹配方法、装置、存储介质和计算机设备 |
| CN107563386A (zh) * | 2017-09-04 | 2018-01-09 | 广州视源电子科技股份有限公司 | 元器件验证方法、装置、设备与计算机可读存储介质 |
| CN109376758A (zh) * | 2018-09-07 | 2019-02-22 | 广州算易软件科技有限公司 | 一种基于图形的元器件识别方法、系统、装置和存储介质 |
| 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 |
| CN110309807A (zh) * | 2019-07-08 | 2019-10-08 | 西北工业大学 | Cad图纸智能识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 秦红斌等: "三牙轮钻头牙轮图形标注识别技术研究", 《组合机床与自动化加工技术》 * |
| 陈志远等: "基于AutoCAD轴类零件的图形识别及视图匹配", 《现代制造工程》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111581461A (zh) * | 2020-06-19 | 2020-08-25 | 腾讯科技（深圳）有限公司 | 字符串搜索方法、装置、计算机设备及介质 |
| CN111581461B (zh) * | 2020-06-19 | 2023-04-25 | 腾讯科技（深圳）有限公司 | 字符串搜索方法、装置、计算机设备及介质 |
| CN111814791A (zh) * | 2020-07-24 | 2020-10-23 | 西门子（中国）有限公司 | 识别系统图中元器件的方法和装置 |
| CN111814791B (zh) * | 2020-07-24 | 2024-03-19 | 西门子（中国）有限公司 | 识别系统图中元器件的方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111160144B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111563509B (zh) | 一种基于tesseract的变电站端子排识别方法及系统 | |
| EP3916634A2 (en) | Text recognition method and device, and electronic device | |
| CN111160144B (zh) | 电气图纸图文结合的元器件识别方法、系统及存储介质 | |
| CN113642584B (zh) | 文字识别方法、装置、设备、存储介质和智能词典笔 | |
| CN109376758B (zh) | 一种基于图形的元器件识别方法、系统、装置和存储介质 | |
| US20220138193A1 (en) | Conversion method and systems from natural language to structured query language | |
| CN109299675B (zh) | 一种基于电气图纸的配电箱识别方法和装置 | |
| CN115273112A (zh) | 表格识别方法、装置、电子设备及可读存储介质 | |
| CN114782970A (zh) | 一种表格提取方法、系统及可读介质 | |
| CN113780276A (zh) | 一种结合文本分类的文本检测和识别方法及系统 | |
| CN115392198A (zh) | 一种基于国产终端下的富文本编辑器的留痕方法及系统 | |
| CN113283233B (zh) | 文本纠错方法、装置、电子设备和存储介质 | |
| CN114187448A (zh) | 文档图像识别方法和装置、电子设备、计算机可读介质 | |
| CN116309963B (zh) | 一种图像的批量标注方法、装置、电子设备及存储介质 | |
| CN113360685A (zh) | 笔记内容处理方法、装置、设备和介质 | |
| CN115995087B (zh) | 基于融合视觉信息的文档目录智能生成方法及系统 | |
| CN112084103B (zh) | 界面测试方法、装置、设备和介质 | |
| CN112149506A (zh) | 结合rpa和ai的图像中的表格生成方法、设备及存储介质 | |
| CN111160018A (zh) | 电气图纸非元器件文本识别方法、系统及存储介质 | |
| CN115600570A (zh) | 一种电网设备预警限值表格重构方法、录入方法及装置 | |
| CN114239562B (zh) | 文档中程序代码块的识别方法、装置和设备 | |
| CN113377476B (zh) | 界面显示方法、相关装置及计算机程序产品 | |
| CN114694159A (zh) | 一种工程图bom识别方法、装置、电子设备和存储介质 | |
| CN115359505A (zh) | 一种电力图纸检测提取方法及系统 | |
| CN102567302B (zh) | 排版方式识别方法和装置 |
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 |