CN112149548A - 一种适用于端子排的cad图纸智能录入和识别方法及其装置 - Google Patents
一种适用于端子排的cad图纸智能录入和识别方法及其装置 Download PDFInfo
- Publication number
- CN112149548A CN112149548A CN202010981418.0A CN202010981418A CN112149548A CN 112149548 A CN112149548 A CN 112149548A CN 202010981418 A CN202010981418 A CN 202010981418A CN 112149548 A CN112149548 A CN 112149548A
- Authority
- CN
- China
- Prior art keywords
- terminal row
- line
- terminal
- line segment
- line segments
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000010586 diagram Methods 0.000 claims abstract description 75
- 230000003321 amplification Effects 0.000 claims abstract description 10
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 10
- 238000005352 clarification Methods 0.000 claims abstract description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
- G06T3/147—Transformations for image registration, e.g. adjusting or mapping for alignment of images using affine transformations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
一种适用于端子排的CAD图纸智能录入和识别方法及其装置,先将端子排CAD图纸统一为dxf文件,提取dxf文件中的端子排连线图所在的参照块,抽取参照块中的实体元素,对抽取到的实体元素进行规范化和归并处理,自动筛除与端子排内连线无关的元素,生成图片格式的端子排结构图及连线图,并对连线图图片做清晰化和放大处理;同时由连线图图片还生成对应的Excel表:先由端子排结构图识别出端子排子模块的表头,根据表头切分为多个子模块,在维持子模块结构特征不变的情况下,将每个子模块对应的连线图内容分别导出到Excel表的不同表单。本发明解决端子排CAD图纸查看和操作不便,且现有CAD图纸录入技术无法有效处理端子排实际场景下结构混乱难以识别的问题。
Description
技术领域
本发明属于数据分析技术领域,涉及对专业电子设备的图纸识别,用于对变电站二次回路接线进行智能识别,为一种适用于端子排的CAD图纸智能录入和识别方法及其装置。
技术背景
智能变电站数字化设计与建设中,接线员在查看和连接端子排连线时往往需要对照相关CAD接线图纸,然而原始接线图纸必须使用专用软件查看,不方便的同时也难以使用便携移动设备查看,直接导出一般格式图片又会同步导出大量不必要的信息,手动提取又需要大量复杂的操作。专用的CAD图纸智能录入和识别技术可以准确高效的提取相关接线信息,便于在移动设备查看甚至使用,有效提高接线员的工作效率和降低成本。
一般的CAD图纸使用两种格式文件存储,分别是dwg和dxf文件,其中dwg文件无法脱离AutoCAD平台工作,而dxf文件则能够在没有安装AutoCAD的计算机系统上用程序读取和写入。Pyautocad和dxfgrabber分别是python用于操作dwg和dxf文件的API接口,提供了最基本的绘图、实体元素抽取等功能。
目前现有的如dxfgrabber之类的API接口仅仅提供了最基础的能力,无法提供对实体元素之间关系和内容的理解,而dxf文件本身也缺乏对绘图者不规范操作的鲁棒性,一旦绘图者没有显式地指定实体元素之间的关联,则dxf文件本身就只会忠实的记录每个独立的实体元素,如图4和图5所示,dxf文件将每个实体元素视为一个独立的个体,缺乏层次式的组织结构信息,因此难以从dxf文件中直观的发现实体元素之间的关联性,例如,在CAD图纸中肉眼观测到的某条线段可能由两条首尾相连的子线段组成,而在dxf文件中,这两条线段除了坐标点临近以外可能毫无关联性,必须通过空间坐标信息对实体元素进行复杂的计算才能确定他们之间的关系。而在实际使用中,出于绘图方便的考虑,大部分绘图者都只会零散绘制众多实体元素,因此当前的API接口往往只被用于批量绘制一些简单图形,或用于批量生成特定CAD模板,很少被用于读取和理解图纸内容,同时其自身也缺乏这方面的能力。
发明内容
本发明要解决的问题是:端子排CAD图纸由于文件格式存在查看和操作不便的问题,且端子排dxf图纸在实际场景下结构混乱难以识别的问题,目的是对变电站端子排CAD图纸进行快速准确的识别,并形成易于查看的一般图片格式,和易于查看和操作的表单格式文件。
本发明的技术方案为:一种适用于端子排的CAD图纸智能录入和识别方法,先将端子排CAD图纸统一为dxf文件,提取dxf文件中的端子排连线图所在的参照块,抽取参照块中的实体元素,对抽取到的实体元素进行规范化和归并处理,自动筛除与端子排内连线无关的元素,生成图片格式的端子排结构图及连线图,并对连线图图片做清晰化和放大处理;同时由连线图图片还生成对应的Excel表:先由端子排结构图识别出端子排子模块的表头,根据表头切分为多个子模块,在维持子模块结构特征不变的情况下,将每个子模块对应的连线图内容分别导出到Excel表的不同表单。
进一步的,所述对抽取到的实体元素进行规范化和归并处理包括:
1)使用预排序、矢量夹角计算和线段重合度判断的方法对端点距离小于设定阈值,且线段夹角小于设定阈值的线段进行合并,同时修正每条线段的倾斜角,使得任意两条线段所在直线之间仅为平行或者垂直的关系;
2)通过计算合并后的线段的位置和长度,分离用于构成端子排结构图的线段和用于表示端子排内部连线的线段,使用投票选举法推测图纸中端子排真实区域的大小和位置,并删除区域外的冗余实体元素。
进一步的,对连线图图片做放大处理具体为:
1)根据dxf文件识别出的端子排结构图计算平均行高,和预设大小比对,判断是否需要放大清晰化,如果需要则根据行数计算放大后的目标图像大小;
2)根据端子排结构图的行高和角度判断连线图中的文字是否需要进行仿射变换,如果需要则计算对应仿射变换矩阵,然后根据仿射变换矩阵计算变换后文字符号的对应位置和字号,以生成放大的图片格式连线图。
对放大的连线图中的文字进行清晰化,具体为:首先查找文本元素的最小字号,假如小于设定阈值,则使用一个自适应的正整数作为缩放因子,使用缩放因子计算仿射矩阵,将文本缩放为适应于端子排结构图行高的大小。
进一步的,Excel表的生成具体为:
1)分析端子排结构图,识别出具有较少列数的行作为端子排子模块的表头,用于表征该子模块的连线作用和编号组;
2)根据识别出的表头将端子排结构图和对应的连线图文本内容分离成多个子模块,分别导出到Excel文件的不同表单,以标号组命名每个表单。
本发明方法提供了一种针对变电站端子排的实际应用场景,研究变电站机柜端子排CAD设计图纸的智能录入和识别技术。本发明灵活的组合使用了多种算法思想,成功解决了CAD图纸录入和识别的实际问题,一方面提供了准确高效的识别能力,能够以实时的速度准确识别CAD图纸信息;另一方面又充分发挥了传统算法的优势,相比需要大量数据学习且可解释性差的机器学习方法,更能适应数据难以采集和标注的端子排图纸的应用场景,且拥有优异的表现。由于大幅度减少了数据量,并且优化了部分计算过程,机器的运算开销大幅降低,即便在嵌入式机器上也能有可观的性能,可实现对图纸快速并准确的识别。
本发明还提出一种适用于端子排的CAD图纸智能录入和识别装置,所述装置包括数据处理模块,数据处理模块配置有计算机程序,所述计算机程序被执行时实现上述的CAD图纸智能录入和识别方法。
本发明的有效利益是:提出了一种适用于端子排的CAD图纸智能录入和识别技术,有助于解决端子排CAD图纸查看和操作不便,且端子排图纸在实际场景下结构混乱难以识别的问题,实现对变电站端子排CAD图纸快速准确的识别,并形成易于查看和操作的文件。本发明方法具有良好的广泛性与实用性。
附图说明
图1为本发明的实施流程图。
图2为本发明实施例原始dwg格式文件内容示意。
图3为本发明端子排字符识别过程中的相关结果:图3a为规范化录入的端子排结构图、图3b为最小字号为6的图片格式文件结果的示意图,即端子排连线图、图3c为子模块识别结果的示意图,即导出的Excel表。
图4为实施例的dxf文件图,显示了通过dxfgrabber直接抽取后的实体元素。
图5为实施例dxf文件中线型实体元素存在的部分问题。
具体实施方式
本发明提出了一种适用于端子排的CAD图纸智能录入和识别技术,如图1所示。先将端子排CAD图纸统一为dxf文件,提取dxf文件中的端子排连线图所在的参照块,抽取参照块中的实体元素,对抽取到的实体元素进行规范化和归并处理,自动筛除与端子排内连线无关的元素,生成图片格式的端子排结构图及连线图,并对连线图图片做清晰化和放大处理;同时由连线图图片还生成对应的Excel表:先由端子排结构图识别出端子排子模块的表头,根据表头切分为多个子模块,在维持子模块结构特征不变的情况下,将每个子模块对应的连线图内容分别导出到Excel表的不同表单。
下面结合本发明实施例及附图,对本发明实例中的技术方案进行清楚、完整地描述,所描述的实例仅仅是本发明的一部分实例,而不是全部的实例。基于本发明的实例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实例,都属于本发明的保护范围。本发明的具体实施包括以下步骤:
1)对输入的CAD图纸进行预处理,dwg格式CAD图像如图3所示,虽然清楚,但无法脱离AutoCAD软件环境工作,无法在便携设备上快速查看,与本发明的便利性目的不符,因此检测到dwg文件时先通过命令行使用oda file converter工具将其转化为dxf文件,然后统一处理;
2)在实际使用场景下,dxf文件的实体元素信息往往缺乏层次结构,手动输入连线图所在区域的大致范围,或者连线图所在块参照的名称;
3)使用dxfgrabber抽取范围内或者块参照内的全部实体元素;
4)对抽取到的实体元素进行规范化和归并处理,包括:使用预排序、矢量夹角计算和线段重合度判断的方法对端点距离小于设定阈值,且线段夹角小于设定阈值的线段进行合并,同时修正每条线段的倾斜角,使得任意两条线段所在直线之间仅为平行或者垂直的关系;通过计算合并后的线段的位置和长度,分离用于构成端子排结构图的线段和用于表示端子排内部连线的线段,使用投票选举法推测图纸中端子排真实区域的大小和位置,并删除区域外的冗余实体元素。
具体如下:
4.1)首先提取所有文本元素,将拥有最多文本元素的文本倾斜角作为端子排结构图的倾斜角。
4.2)提取所有的线段元素,计算每个线段的倾斜角与端子排结构图倾斜角之间的夹角,将线段分为水平线与垂直线两类,同步微调每个线段的倾斜角偏差,使得所有线段所在直线之间仅存在平行或垂直的关系,保证端子排结构图内部线段为正交;此操作只保证端子排结构图内部线段为正交,不保证整体图像倾斜角为0。
4.3)对两类线段进行循环相似归并,直到没有新的线段被判定为可归并为一条线段,为了控制计算成本,在进入循环之前先根据线段的坐标使用快排对线段进行预排序,引入预排序操作后,大部分情况下可以将循环次数控制为1;归并方式具体如下。
4.3.1)归并重合线段,具体方法为首先基于bucket算法思想对线段进行分行/分列,然后对同行/同列线段元素进行重合判断,如果存在重合则归并为同一条新的线段。
4.3.2)归并断裂线段,假如两条同类线段端点之间的距离小于某特定阈值(实验中设定为3),则归并两条线段,为了简化计算,在此之前对所有线段矢量做同向化处理,可以只需要比较两对端点对的距离,减少50%计算量。
4.4)对归并后的线段使用投票选举法进行外部规范化,每个独立的线段持有一张选票,对端子排结构图真实区域的位置和长宽进行投票选举,然后对近似票选目标进行合并,最终胜出的选民作为有效数据集,其余线段作为无效数据被删除,随后计算有效数据的平均值作为端子排结构图真实区域的位置和长宽。
4.5)对归并后的线段使用投票选举法进行内部规范化,每个独立的且端点位于端子排结构图真实区域边缘的水平线段持有一张选票,对端子排结构图内部的行高进行投票选举,最终胜出的选民作为有效数据集,并对有效数据求平均行高。
5)根据端子排结构图的倾斜角计算仿射矩阵,将端子排结构图的倾斜角调整为0。
6)端子排结构图即是不包含文本内容的端子排连线图,如果端子排结构图过小,放大后会导致文字过模糊无法看清,因此对连线图进行清晰化方法处理:
6.1)根据dxf文件识别出的端子排结构图计算平均行高,和预设大小比对,判断是否需要放大清晰化,如果需要则根据行数计算放大后的目标图像大小;
6.2)根据端子排结构图的行高和角度判断连线图中的文字是否需要进行仿射变换,如果需要则计算对应仿射变换矩阵,然后根据仿射变换矩阵计算变换后文字符号的对应位置和字号,以生成放大的图片格式连线图。
6.3)对放大的连线图中的文字进行清晰化,首先查找文本元素的最小字号,假如小于某个特定阈值,实施例中设定为6,则使用一个自适应的正整数作为缩放因子,使用缩放因子计算仿射矩阵,将端子排结构图和对应文本缩放为目标大小。
7)将结果保存为一般图片格式文件,实施例中为PNG格式。
8)根据步骤4.5)的投票结果,将行高大于平均行高的行作为每个子模块的表头,或采用所有行中具有较少列数的行作为端子排子模块的表头,从而将端子排结构图和对应的连线图文本内容分离成多个子模块,提取每个子模块内的文本的内容和位置信息,并将每个子模块保存在Excel表的独立表单内,如图3c,得到Excel表。
附图3a显示了根据实施例CAD图像录入识别得到的规范化后的端子排结构图,图3b是放大后的端子排连线图,即结构图填入文字后放大查看的结果,能够看出图片放大后能够查看出其内部文字信息,且此倍数可以被容易地调整,相比较图4的格式混乱、放大后字体模糊无法辨认、线条粗糙凌乱,本发明的显示效果有着显著的提高。
基于上述录入和识别方法,本发明还提供一种适用于端子排的CAD图纸智能录入和识别装置,所述装置包括数据处理模块,数据处理模块配置有计算机程序,所述计算机程序被执行时实现上述的CAD图纸智能录入和识别方法。
Claims (8)
1.一种适用于端子排的CAD图纸智能录入和识别方法,其特征是先将端子排CAD图纸统一为dxf文件,提取dxf文件中的端子排连线图所在的参照块,抽取参照块中的实体元素,对抽取到的实体元素进行规范化和归并处理,自动筛除与端子排内连线无关的元素,生成图片格式的端子排结构图及连线图,并对连线图图片做清晰化和放大处理;同时由连线图图片还生成对应的Excel表:先由端子排结构图识别出端子排子模块的表头,根据表头切分为多个子模块,在维持子模块结构特征不变的情况下,将每个子模块对应的连线图内容分别导出到Excel表的不同表单。
2.根据权利要求1所述的一种适用于端子排的CAD图纸智能录入和识别方法,其特征是所述对抽取到的实体元素进行规范化和归并处理包括:
1)使用预排序、矢量夹角计算和线段重合度判断的方法对端点距离小于设定阈值,且线段夹角小于设定阈值的线段进行合并,同时修正每条线段的倾斜角,使得任意两条线段所在直线之间仅为平行或者垂直的关系;
2)通过计算合并后的线段的位置和长度,分离用于构成端子排结构图的线段和用于表示端子排内部连线的线段,使用投票选举法推测图纸中端子排真实区域的大小和位置,并删除区域外的冗余实体元素。
3.根据权利要求2所述的一种适用于端子排的CAD图纸智能录入和识别方法,其特征是对实体元素规范化和归并处理具体为;
1)首先提取所有文本元素,将拥有最多文本元素的文本倾斜角作为端子排结构图的倾斜角;
2)提取所有的线段元素,计算每个线段的倾斜角与端子排结构图倾斜角之间的夹角,将线段分为水平线与垂直线两类,同步微调每个线段的倾斜角偏差,使得所有线段所在直线之间仅存在平行或垂直的关系,保证端子排结构图内部线段为正交;
3)根据线段的坐标对线段进行预排序,然后分别对平行或垂直两类线段进行相似归并,直到没有新的线段被判定为可归并;
4)对归并后的线段使用投票选举法进行外部规范化,每个独立的线段持有一张选票,对端子排结构图真实区域的位置和长宽进行投票选举,然后对近似票选目标进行合并,最终胜出的选民作为有效数据集,其余线段作为无效数据被删除,随后计算有效数据的平均值作为端子排结构图真实区域的位置和长宽;
5)对归并后的线段使用投票选举法进行内部规范化,每个独立的且端点位于端子排结构图真实区域边缘的水平线段持有一张选票,对端子排结构图内部的行高进行投票选举,最终胜出的选民作为有效数据集,并对有效数据求平均行高;
6)根据端子排结构图的倾斜角计算仿射矩阵,将端子排结构图的倾斜角调整为0。
4.根据权利要求3所述的一种适用于端子排的CAD图纸智能录入和识别方法,其特征是3)的线段归并包括:
3.1)归并重合线段,首先基于bucket算法思想对线段进行分行/分列,然后对同行/同列线段元素进行重合判断,如果存在重合则归并为同一条新的线段;
3.2)归并断裂线段,假如两条同类线段端点之间的距离小于设定阈值,则归并两条线段,为了简化计算,在此之前对所有线段矢量做同向化处理,则只需要比较两对端点对的距离即可。
5.根据权利要求1-4任一项所述的一种适用于端子排的CAD图纸智能录入和识别方法,其特征是对连线图图片做放大处理具体为:
1)根据dxf文件识别出的端子排结构图计算平均行高,和预设大小比对,判断是否需要放大清晰化,如果需要则根据行数计算放大后的目标图像大小;
2)根据端子排结构图的行高和角度判断连线图中的文字是否需要进行仿射变换,如果需要则计算对应仿射变换矩阵,然后根据仿射变换矩阵计算变换后文字符号的对应位置和字号,以生成放大的图片格式连线图。
6.根据权利要求5所述的一种适用于端子排的CAD图纸智能录入和识别方法,其特征是对放大的连线图中的文字进行清晰化,具体为:首先查找文本元素的最小字号,假如小于设定阈值,则使用一个自适应的正整数作为缩放因子,使用缩放因子计算仿射矩阵,将文本缩放为适应于端子排结构图行高的大小。
7.根据权利要求1所述的一种适用于端子排的CAD图纸智能录入和识别方法,其特征是Excel表的生成具体为:
1)分析端子排结构图,识别出具有较少列数的行作为端子排子模块的表头,用于表征该子模块的连线作用和编号组;
2)根据识别出的表头将端子排结构图和对应的连线图文本内容分离成多个子模块,分别导出到Excel文件的不同表单,以标号组命名每个表单。
8.一种适用于端子排的CAD图纸智能录入和识别装置,其特征是所述装置包括数据处理模块,数据处理模块配置有计算机程序,所述计算机程序被执行时实现权利要求1-7任一项所述的CAD图纸智能录入和识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010981418.0A CN112149548B (zh) | 2020-09-17 | 2020-09-17 | 一种适用于端子排的cad图纸智能录入和识别方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010981418.0A CN112149548B (zh) | 2020-09-17 | 2020-09-17 | 一种适用于端子排的cad图纸智能录入和识别方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112149548A true CN112149548A (zh) | 2020-12-29 |
CN112149548B CN112149548B (zh) | 2022-10-21 |
Family
ID=73894113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010981418.0A Active CN112149548B (zh) | 2020-09-17 | 2020-09-17 | 一种适用于端子排的cad图纸智能录入和识别方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149548B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113158999A (zh) * | 2021-05-26 | 2021-07-23 | 南京云阶电力科技有限公司 | 基于模板匹配的电气设计图纸中端子跳线识别方法及装置 |
CN113255499A (zh) * | 2021-05-18 | 2021-08-13 | 中国能源建设集团安徽省电力设计院有限公司 | 一种变电站电缆二次回路数字化自动建模方法 |
CN114627486A (zh) * | 2022-03-22 | 2022-06-14 | 国家电网有限公司华东分部 | 电力图纸组成分析方法及系统 |
CN114970441A (zh) * | 2022-06-06 | 2022-08-30 | 江苏泰治科技股份有限公司 | Ic芯片封装自动布线方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070002647A1 (en) * | 2005-06-30 | 2007-01-04 | Fujitsu Limited | Semiconductor memory |
CN104376171A (zh) * | 2014-11-17 | 2015-02-25 | 陕西合信诚铭软件科技有限公司 | 端子排图纸、电缆清册自动设计的方法及其系统 |
CN105117573A (zh) * | 2015-10-06 | 2015-12-02 | 北京工业大学 | 基于cad排水管网图纸信息的自动水力模型构建方法 |
CN106815392A (zh) * | 2016-11-29 | 2017-06-09 | 江苏科能电力工程咨询有限公司 | 一种厂家端子排图智能读取方法 |
CN107729583A (zh) * | 2016-08-10 | 2018-02-23 | 南京南瑞继保电气有限公司 | 一种在cad环境中自动计算端子排长度的方法 |
CN110503727A (zh) * | 2019-08-09 | 2019-11-26 | 长江水利委员会长江科学院 | 一种cad任意多段线批量快速拼接方法 |
CN111523352A (zh) * | 2019-02-02 | 2020-08-11 | 宁波艾腾湃智能科技有限公司 | 一种智能化快速识别违法改装车的方法及其监控系统 |
-
2020
- 2020-09-17 CN CN202010981418.0A patent/CN112149548B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070002647A1 (en) * | 2005-06-30 | 2007-01-04 | Fujitsu Limited | Semiconductor memory |
CN104376171A (zh) * | 2014-11-17 | 2015-02-25 | 陕西合信诚铭软件科技有限公司 | 端子排图纸、电缆清册自动设计的方法及其系统 |
CN105117573A (zh) * | 2015-10-06 | 2015-12-02 | 北京工业大学 | 基于cad排水管网图纸信息的自动水力模型构建方法 |
CN107729583A (zh) * | 2016-08-10 | 2018-02-23 | 南京南瑞继保电气有限公司 | 一种在cad环境中自动计算端子排长度的方法 |
CN106815392A (zh) * | 2016-11-29 | 2017-06-09 | 江苏科能电力工程咨询有限公司 | 一种厂家端子排图智能读取方法 |
CN111523352A (zh) * | 2019-02-02 | 2020-08-11 | 宁波艾腾湃智能科技有限公司 | 一种智能化快速识别违法改装车的方法及其监控系统 |
CN110503727A (zh) * | 2019-08-09 | 2019-11-26 | 长江水利委员会长江科学院 | 一种cad任意多段线批量快速拼接方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255499A (zh) * | 2021-05-18 | 2021-08-13 | 中国能源建设集团安徽省电力设计院有限公司 | 一种变电站电缆二次回路数字化自动建模方法 |
CN113158999A (zh) * | 2021-05-26 | 2021-07-23 | 南京云阶电力科技有限公司 | 基于模板匹配的电气设计图纸中端子跳线识别方法及装置 |
CN113158999B (zh) * | 2021-05-26 | 2024-04-02 | 南京云阶电力科技有限公司 | 基于模板匹配的电气设计图纸中端子跳线识别方法及装置 |
CN114627486A (zh) * | 2022-03-22 | 2022-06-14 | 国家电网有限公司华东分部 | 电力图纸组成分析方法及系统 |
CN114970441A (zh) * | 2022-06-06 | 2022-08-30 | 江苏泰治科技股份有限公司 | Ic芯片封装自动布线方法 |
CN114970441B (zh) * | 2022-06-06 | 2023-11-28 | 江苏泰治科技股份有限公司 | Ic芯片封装自动布线方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112149548B (zh) | 2022-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112149548B (zh) | 一种适用于端子排的cad图纸智能录入和识别方法及其装置 | |
US11164027B2 (en) | Deep learning based license plate identification method, device, equipment, and storage medium | |
US8027978B2 (en) | Image search method, apparatus, and program | |
CN115690823A (zh) | 电气图纸中带有毛刺特征的表格信息提取方法及装置 | |
CN110490185A (zh) | 一种基于多次对比矫正ocr名片信息识别改进方法 | |
CN112419260A (zh) | 一种pcb文字区域缺陷检测方法 | |
CN109635729B (zh) | 一种表格识别方法及终端 | |
CN114694130A (zh) | 基于深度学习的铁路沿线电线杆及杆号检测方法和装置 | |
CN111832497B (zh) | 一种基于几何特征的文本检测后处理方法 | |
CN112418210B (zh) | 一种杆塔巡检信息智能分类方法 | |
CN111046770B (zh) | 一种照片档案人物自动标注方法 | |
CN110378337B (zh) | 金属切削刀具图纸标识信息视觉输入方法及系统 | |
CN111898555A (zh) | 基于图像与文本的图书盘点识别方法、装置、设备及系统 | |
CN116543391A (zh) | 一种结合图像校正的文本数据采集系统及方法 | |
CN116311299A (zh) | 表格的结构化数据识别方法、装置及系统 | |
CN110569831B (zh) | 一种电力设备铭牌的特征匹配方法及系统 | |
CN113191351B (zh) | 数字电表的示数识别方法及装置、模型训练方法及装置 | |
JPH07168910A (ja) | 文書レイアウト解析装置及び文書フォ−マット識別装置 | |
CN112348022A (zh) | 一种基于深度学习的自由格式文档识别方法 | |
CN112464941B (zh) | 一种基于神经网络的发票识别方法和系统 | |
CN117037185B (zh) | 一种基于光学字符识别技术的导线线号识别方法及装置 | |
CN113158999B (zh) | 基于模板匹配的电气设计图纸中端子跳线识别方法及装置 | |
CN115273108B (zh) | 一种人工智能识别自动归集方法及系统 | |
Ning et al. | Design of an automated data entry system for hand-filled forms | |
CN111553336B (zh) | 基于连体段的印刷体维吾尔文文档图像识别系统及方法 |
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 |