CN112417996B - 工业图纸的信息处理方法、装置、电子设备和存储介质 - Google Patents

工业图纸的信息处理方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112417996B
CN112417996B CN202011208091.XA CN202011208091A CN112417996B CN 112417996 B CN112417996 B CN 112417996B CN 202011208091 A CN202011208091 A CN 202011208091A CN 112417996 B CN112417996 B CN 112417996B
Authority
CN
China
Prior art keywords
information
character string
industrial
string information
keywords
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
Application number
CN202011208091.XA
Other languages
English (en)
Other versions
CN112417996A (zh
Inventor
吴志伟
潘家贤
汪明洁
郭舒宁
祝贞雪
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.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
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 Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202011208091.XA priority Critical patent/CN112417996B/zh
Publication of CN112417996A publication Critical patent/CN112417996A/zh
Application granted granted Critical
Publication of CN112417996B publication Critical patent/CN112417996B/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
    • 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
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • 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
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Character Discrimination (AREA)

Abstract

本申请公开了一种工业图纸的信息处理方法、装置、电子设备和存储介质。用于解决信息获取速度慢，在海量数据库中进行特征匹配效率低下的问题。申请实施例中，首先对工业图纸进行文字识别，得到工业图纸内的字符串信息；然后采用预先训练好的分类模型对字符串信息进行分类识别，得到工业图纸对应的产品类别；在该产品类别对应的图纸信息库中，查找与该字符串信息匹配的指定图纸信息；若查找到与字符串信息匹配的图纸信息，则将查找到的指定图纸信息进行输出。

Description

工业图纸的信息处理方法、装置、电子设备和存储介质
技术领域
本申请涉及图像识别领域，特别涉及一种工业图纸的信息处理方法、装置、电子设备和存储介质。
背景技术
随着科学技术的不断进步，人工智能技术越来越深入到实际业务场景中，在实际的业务场景中，对于图片识别、语义识别等先进的智能技术给人们的实际工作和生活都带来了很大的便利。
但是，在实际的业务工作中，尤其在工业制图图纸信息获取的方面仍存在技术手段落后。仍存在信息获取速度慢，准确度无法保证等问题；对于后续工作的开展造成很大的困难。相关技术中的图纸识别方法已经远远不能满足实际业务的需要。
发明内容
本申请的目的是提供一种工业图纸的信息处理方法、装置、电子设备和存储介质，用于解决以下问题：信息获取速度慢，在海量数据库中进行特征匹配效率低下。
第一方面，本申请实施例提供了一种工业图纸的信息处理方法，所述方法包括：
对所述工业图纸进行文字识别，得到所述工业图纸内的字符串信息；
基于预先训练好的分类模型对所述字符串信息进行分类识别，得到所述工业图纸对应的产品类别；
在所述产品类别对应的图纸信息库中，查找与所述字符串信息匹配的指定图纸信息；
若查找到与所述字符串信息匹配的图纸信息，则将查找到的所述指定图纸信息进行输出。
在一个实施例中，所述方法还包括：
若查找不到与所述字符串信息匹配的图纸信息，则将所述字符串信息分配到指定任务集合中。
在一个实施例中，所述对所述工业图纸进行文字识别，得到所述工业图纸内的字符串信息，包括：
对所述工业图纸进行文字区域检测，得到所述工业图纸中的文本块区域；
从所述工业图纸中裁剪出所述文本块区域；
将所述文本块区域输入至预先训练好的文字识别模型，得到所述工业图纸内的所述字符串信息。
在一个实施例中，所述基于预先训练好的分类模型对所述字符串信息进行分类识别之前，所述方法还包括：
采用遗传算法模型对所述字符串信息进行信息提取，得到所述字符串信息对应的关键词；
所述基于预先训练好的分类模型对所述字符串信息进行分类识别，包括：
将所述关键词输入至所述分类模型对所述字符串信息进行分类识别。
在一个实施例中，所述采用遗传算法模型对所述字符串信息进行信息提取，得到所述字符串信息对应的关键词，包括：
采用词嵌入技术将所述字符串信息转换为文本向量信息；
对所述文本向量信息进行特征提取，得到所述文本向量信息的指定特征；
根据特征与关键词之间的映射关系，获取所述指定特征对应的关键词。
在一个实施例中，所述方法还包括：
根据以下方法训练所述遗传算法模型：
获取历史数据训练集，所述历史数据训练集中包括样本图纸的字符串信息以及所述样本图纸的标准关键词；
将所述样本图纸的字符串信息至所述遗传算法模型，得到所述遗传算法模型输出的关键词；
确定所述遗传算法模型输出的关键词与所述样本图纸的标准关键词之间的损失信息；
根据所述损失信息调整所述遗传算法模型的模型参数。
第二方面，本申请实施例提供了一种工业图纸的信息处理装置，包括：
字符串获取模块，用于对所述工业图纸进行文字识别，得到所述工业图纸内的字符串信息；
分类模块，用于基于预先训练好的分类模型对所述字符串信息进行分类识别，得到所述工业图纸对应的产品类别；
匹配模块，用于在所述产品类别对应的图纸信息库中，查找与所述字符串信息匹配的指定图纸信息；
输出模块，用于若查找到与所述字符串信息匹配的图纸信息，则将查找到的所述指定图纸信息进行输出。
在一个实施例中，所述装置还包括：
分配模块，用于若查找不到与所述字符串信息匹配的图纸信息，则将所述字符串信息分配到指定任务集合中。
在一个实施例中，字符串获取模块包括：
文本块获取单元，用于对所述工业图纸进行文字区域检测，得到所述工业图纸中的文本块区域；
裁剪单元，用于从所述工业图纸中裁剪出所述文本块区域；
识别单元，用于将所述文本块区域输入至预先训练好的文字识别模型，得到所述工业图纸内的所述字符串信息。
在一个实施例中，所述分类模块执行所述基于预先训练好的分类模型对所述字符串信息进行分类识别之前，所述装置还包括：
关键词获取模块，用于采用遗传算法模型对所述字符串信息进行信息提取，得到所述字符串信息对应的关键词；
所述分类模块，包括：
分类识别单元，用于将所述关键词输入至所述分类模型对所述字符串信息进行分类识别。
在一个实施例中，所述关键词获取模块，包括：
转换单元，用于采用词嵌入技术将所述字符串信息转换为文本向量信息；
特征提取单元，用于对所述文本向量信息进行特征提取，得到所述文本向量信息的指定特征；
关键词输出单元，用于根据特征与关键词之间的映射关系，获取所述指定特征对应的关键词。
在一个实施例中，所述装置还包括：
训练模块，用于根据以下方法训练所述遗传算法模型：
获取历史数据训练集，所述历史数据训练集中包括样本图纸的字符串信息以及所述样本图纸的标准关键词；
将所述样本图纸的字符串信息至所述遗传算法模型，得到所述遗传算法模型输出的关键词；
确定所述遗传算法模型输出的关键词与所述样本图纸的标准关键词之间的损失信息；
根据所述损失信息调整所述遗传算法模型的模型参数。
第三方面，本申请另一实施例还提供了一种电子设备，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请第一方面实施例提供的任一方法。
第四方面，本申请另一实施例还提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使计算机执行本申请第一方面实施例提供的任一方法。
本申请实施例，对工业图纸进行文字识别，得到工业图纸内的字符串信息；然后采用分类模型对字符串信息进行分类识别，得到工业图纸对应的产品类别；其次，在产品类别对应的图纸信息库中，查找与字符串信息匹配的指定图纸信息；若查找到与字符串信息匹配的图纸信息，则将查找到的指定图纸信息进行输出。从工业图纸到该图纸对应的指定图纸信息，都能通过图像识别和检索技术自动实现，且在寻找指定图纸信息的过程中基于字符串信息和图纸信息进行匹配，能够保证查找到的指定图纸信息的准确性，基于分类识别能够避免在海量的数据库中查找图纸信息，大大提升了查找图纸信息的效率。故此，本申请提供了一种便捷且结果较为准确的图像信息处理方案。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的工业图纸的信息处理方法的应用场景图；
图2为本申请实施例提供的工业图纸的信息处理方法的实施过程中的流程图；
图3为本申请实施例提供的工业图纸的信息处理方法中的文字识别流程图；
图4为本申请实施例提供的工业图纸的信息处理方法中从工业图纸中裁剪出文本块区域的示意图；
图5为本申请实施例提供的工业图纸的信息处理方法中关键词提取流程图；
图6为本申请实施例提供的工业图纸的信息处理方法中遗传算法模型的训练示意图；
图7为本申请实施例提供的工业图纸的信息处理方法的具体实施例示意图；
图8为本申请实施例提供的工业图纸的信息处理装置示意图；
图9为本申请实施例提供的工业图纸的信息处理方法电子设备示意图。
具体实施方式
本申请实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，并不是全部的实施例。基于本申请中的实施例，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施例，都属于本申请保护的范围。
发明人研究发现，随着科学技术的不断进步，人工智能技术越来越深入到实际业务场景中，在实际的业务场景中，对于图片识别、语义识别等先进的智能技术给人们的实际工作和生活都带来了很大的便利。
发明人研究发现，在实际的业务工作中，尤其在工业制图图纸信息获取的方面仍存在技术手段落后。仍存在信息获取速度慢，准确度无法保证等问题；对于后续工作的开展造成很大的困难。相关技术中的图纸识别方法已经远远不能满足实际业务的需要。所以设计一种工业图纸的信息处理方法变得十分有必要。
有鉴于此，本申请提出了一种工业图纸的信息处理方法、装置、电子设备和存储介质，用于解决上述问题。
本申请的发明构思为：首先对工业图纸进行文字识别，得到工业图纸内的字符串信息；然后采用预先训练好的分类模型对字符串信息进行分类识别，得到工业图纸对应的产品类别；在该产品类别对应的图纸信息库中，查找与该字符串信息匹配的指定图纸信息；若查找到与字符串信息匹配的图纸信息，则将查找到的指定图纸信息进行输出。在本申请提供的了一种工业图纸的信息处理方法中，采用提取字符串并对字符串分类后再匹配的方法，提高了指定图纸信息获取的效率和准确度。
下面结合附图对本申请实施例中的工业图纸的信息处理方法进行详细说明。
如图1所示，为本申请实施例提供的工业图纸的信息处理方法的应用场景图，图中包括：工业图纸101，图片A102，字符串信息103；
在本申请实施例提供的工业图纸的信息处理方法中，对工业图纸101进行文字识别，得到工业图纸内的字符串信息103；基于预先训练好的分类模型对字符串信息103进行分类识别，得到工业图纸101对应的产品类别；在产品类别对应的图纸信息库中，查找与字符串信息103匹配的指定图纸信息；若查找到与字符串信息103匹配的图纸信息，则将查找到的指定图纸信息进行输出。
为了便于理解，下面对本申请实施例提供的工业图纸的信息处理方法的流程进行说明。
如图2所示，为本申请实施例在实施过程中的流程图，具体步骤如下：
在步骤201中：对工业图纸进行文字识别，得到工业图纸内的字符串信息；
在一个实施例中，可采用OCR(Optical Character Recognition，光学字符识别)技术对工业图纸进行文字识别，得到工业图纸内的字符串信息。也可以采用人工智能技术识别图像中的文本信息。例如可以先定位出文本在图像中的位置，然后基于该位置进行文本分类检测。如图3所示，为该方法的流程图，包括以下步骤：
在步骤301中：对工业图纸进行文字区域检测，得到工业图纸中的文本块区域；
在步骤302中：如图4中的401/402/403所示，从工业图纸中裁剪出文本块区域；
在步骤303中：将文本块区域输入至预先训练好的文字识别模型，得到工业图纸内的字符串信息。
在一个实施例中，在采用基于预先训练好的分类模型对字符串信息进行分类识别之前，为了提高分类识别的准确性，要从上述字符串信息中提取少量可靠且具有代表性的信息，在本申请提供的实施例中通过采用遗传算法模型对所述字符串信息进行信息提取的方式，得到所述字符串信息对应的关键词，然后基于关键词进行分类识别，得到工业图纸的类别。本领域内的技术人员应明白，其他从字符串中提取关键信息的方法对本申请提供的工业图纸的信息处理方法也适用。
在一个实施例中，如图5所示，采用训练好的遗传算法模型对字符串信息进行信息提取，得到字符串信息对应的关键词的具体实施过程如下：
在步骤501中：采用词嵌入技术将字符串信息转换为文本向量信息；
在步骤502中：对文本向量信息进行特征提取，得到文本向量信息的指定特征；
在步骤503中：根据特征与关键词之间的映射关系，获取指定特征对应的关键词。
由此，通过特征和关键词之间的映射关系，能够适用语义相同或相近的关键词，以便于多种相同或相似的表述方式输入模型之后，都能准确的找到相应的关键词来进行图纸分类。
在一个实施例中，上述遗传算法模型的训练方法，如图6所示：
在步骤601中：获取历史数据训练集，历史数据训练集中包括样本图纸的字符串信息以及样本图纸的标准关键词；
在步骤602中：将样本图纸的字符串信息至遗传算法模型，得到遗传算法模型输出的关键词；
在步骤603中：确定遗传算法模型输出的关键词与样本图纸的标准关键词之间的损失信息；
在步骤604中：根据损失信息调整遗传算法模型的模型参数。
训练好的遗传算法模型，可以从输入的字符串信息中准确的提取出关键词，对关键词进行识别分类，可以大大提高分类的准确性。
在步骤202中：基于预先训练好的分类模型对字符串信息进行分类识别，得到工业图纸对应的产品类别；
在本申请实施例中，分类模型采用的是贝叶斯分类器，将上述的字符串信息输入至贝叶斯分类器中，例如：输入的为热敏电阻，输出所属类别为感温包类；本领域的技术人员应该明白，其他分类模型也均使用与本申请实施例提出的工业图纸的信息处理方法。
在步骤203中：在产品类别对应的图纸信息库中，查找与字符串信息匹配的指定图纸信息；
在一个实施例中，工业图纸均有与之一一对应的图纸唯一标识(例如图纸编号)，通过该编号在指定的图纸信息库中查找到与之匹配的工业图纸，然后对比目标工业图纸的字符串信息是否与图纸信息库中对应的工业图纸的字符串信息是否相匹配；
工业图纸中的字符串信息同时包含多种物料名称及用量，只有该工业图纸中的字符串信息所包含的所有物料名称和用量均与图纸信息库中的工业图纸相同时，才算匹配成功。
在步骤204中：若查找到与字符串信息匹配的图纸信息，则将查找到的指定图纸信息进行输出；
在步骤205中：若查找不到与字符串信息匹配的图纸信息，则将字符串信息分配到指定任务集合中。指定任务集合中任务可进一步进行后续处理，例如工业图纸由人工根据工业图纸上的字符串信息进行人工核算，并将人工核算后的报表保存到字符串信息所属类别的图纸信息库中供以后使用。
例如：如图7所示，将对图纸A进行文字识别，得到图纸A内的字符串信息：字符串1、字符串2、字符串3；采用遗传算法模型对上述字符串进行关键词提取，得到关键词：物料1，用量2；物料2、用量4；物料3、用量6；将上述关键词输入至贝叶斯分类器中，输出上述关键词属于类型1；在类型1所对应的图纸信息库中进行查找；
若查找到，则将查找到的图纸信息进行输出；
若未查找到，则根据上述关键词以及现在的市场单价有相应的工作人员进行人工处理，得到新的报价表，并将该报价表输如至类型1对应的图纸信息库中进行保存。
基于相同的发明构思，本申请实施例还提供一种工业图纸的信息处理装置，如图8所示，为该装置的结构示意图，该装置包括：
字符串获取模块8001，用于对所述工业图纸进行文字识别，得到所述工业图纸内的字符串信息；
分类模块8002，用于基于预先训练好的分类模型对所述字符串信息进行分类识别，得到所述工业图纸对应的产品类别；
匹配模块8003，用于在所述产品类别对应的图纸信息库中，查找与所述字符串信息匹配的指定图纸信息；
输出模块8004，用于若查找到与所述字符串信息匹配的图纸信息，则将查找到的所述指定图纸信息进行输出。
在一个实施例中，分配模块，用于若查找不到与所述字符串信息匹配的图纸信息，则将所述字符串信息分配到指定任务集合中。
在一个实施例中，字符串获取模块包括：
文本块获取单元，用于对所述工业图纸进行文字区域检测，得到所述工业图纸中的文本块区域；
裁剪单元，用于从所述工业图纸中裁剪出所述文本块区域；
识别单元，用于将所述文本块区域输入至预先训练好的文字识别模型，得到所述工业图纸内的所述字符串信息。
在一个实施例中，所述分类模块执行所述基于预先训练好的分类模型对所述字符串信息进行分类识别之前，所述装置还包括：
关键词获取模块，用于采用遗传算法模型对所述字符串信息进行信息提取，得到所述字符串信息对应的关键词；
所述基于预先训练好的分类模型对所述字符串信息进行分类识别，包括：
将所述关键词输入至所述分类模型对所述字符串信息进行分类识别。
在一个实施例中，所述关键词获取模块，包括：
转换单元，用于采用词嵌入技术将所述字符串信息转换为文本向量信息；
特征提取单元，用于对所述文本向量信息进行特征提取，得到所述文本向量信息的指定特征；
关键词输出单元，用于根据特征与关键词之间的映射关系，获取所述指定特征对应的关键词。
在一个实施例中，所述装置还包括：
训练模块，用于根据以下方法训练所述遗传算法模型：
获取历史数据训练集，所述历史数据训练集中包括样本图纸的字符串信息以及所述样本图纸的标准关键词；
将所述样本图纸的字符串信息至所述遗传算法模型，得到所述遗传算法模型输出的关键词；
确定所述遗传算法模型输出的关键词与所述样本图纸的标准关键词之间的损失信息；
根据所述损失信息调整所述遗传算法模型的模型参数。
在介绍了本申请示例性实施方式的一种工业图纸的信息处理方法和装置之后，接下来，介绍根据本申请的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的工业图纸的信息处理方法中的步骤。例如，处理器可以执行如图2所示的步骤。
下面参照图9来描述根据本申请的这种实施方式的电子设备130。图9显示的电子设备130仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
存储器132可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备130交互的设备通信，和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且，电子设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备130使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中，本公开提供的一种工业图纸的信息处理方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本公开各种示例性实施方式的一种工业图纸的信息处理方法中的步骤，例如，智能终端的应用搜索设备可以执行如图2所示的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本公开的实施方式的用于一种工业图纸的信息处理方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种工业图纸的信息处理方法，其特征在于，所述方法包括：
对所述工业图纸进行文字识别，得到所述工业图纸内的字符串信息；
将所述字符串信息输入遗传算法模型，并通过以下操作得到所述字符串信息对应的关键词：采用词嵌入技术将所述字符串信息转换为文本向量信息；对所述文本向量信息进行特征提取，得到所述文本向量信息的指定特征；根据特征与关键词之间的映射关系，获取所述指定特征对应的关键词；
将所述字符串信息对应的关键词输入至预先训练好的分类模型对所述字符串信息进行分类识别，得到所述工业图纸对应的产品类别；
在所述产品类别对应的图纸信息库中，查找与所述字符串信息匹配的指定图纸信息；
若查找到与所述字符串信息匹配的图纸信息，则将查找到的所述指定图纸信息进行输出。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若查找不到与所述字符串信息匹配的图纸信息，则将所述字符串信息分配到指定任务集合中。
3.根据权利要求1所述的方法，其特征在于，所述对所述工业图纸进行文字识别，得到所述工业图纸内的字符串信息，包括：
对所述工业图纸进行文字区域检测，得到所述工业图纸中的文本块区域；
从所述工业图纸中裁剪出所述文本块区域；
将所述文本块区域输入至预先训练好的文字识别模型，得到所述工业图纸内的所述字符串信息。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据以下方法训练所述遗传算法模型：
获取历史数据训练集，所述历史数据训练集中包括样本图纸的字符串信息以及所述样本图纸的标准关键词；
将所述样本图纸的字符串信息至所述遗传算法模型，得到所述遗传算法模型输出的关键词；
确定所述遗传算法模型输出的关键词与所述样本图纸的标准关键词之间的损失信息；
根据所述损失信息调整所述遗传算法模型的模型参数。
5.一种工业图纸的信息处理装置，其特征在于，所述装置包括：
字符串获取模块，用于对所述工业图纸进行文字识别，得到所述工业图纸内的字符串信息；
关键词获取模块，用于将所述字符串信息输入遗传算法模型，并通过以下单元得到所述字符串信息对应的关键词：转换单元，用于采用词嵌入技术将所述字符串信息转换为文本向量信息；特征提取单元，用于对所述文本向量信息进行特征提取，得到所述文本向量信息的指定特征；关键词输出单元，用于根据特征与关键词之间的映射关系，获取所述指定特征对应的关键词；
分类模块，包括分类识别单元，用于将所述关键词输入至预先训练好的分类模型对所述字符串信息进行分类识别，得到所述工业图纸对应的产品类别；
匹配模块，用于在所述产品类别对应的图纸信息库中，查找与所述字符串信息匹配的指定图纸信息；
输出模块，用于若查找到与所述字符串信息匹配的图纸信息，则将查找到的所述指定图纸信息进行输出。
6.根据权利要求5所述的装置，其特征在于，所述装置还包括：
分配模块，用于若查找不到与所述字符串信息匹配的图纸信息，则将所述字符串信息分配到指定任务集合中。
7.根据权利要求5所述的装置，其特征在于，字符串获取模块包括：
文本块获取单元，用于对所述工业图纸进行文字区域检测，得到所述工业图纸中的文本块区域；
裁剪单元，用于从所述工业图纸中裁剪出所述文本块区域；
识别单元，用于将所述文本块区域输入至预先训练好的文字识别模型，得到所述工业图纸内的所述字符串信息。
8.根据权利要求5所述的装置，其特征在于，所述装置还包括：
训练模块，用于根据以下方法训练所述遗传算法模型：
获取历史数据训练集，所述历史数据训练集中包括样本图纸的字符串信息以及所述样本图纸的标准关键词；
将所述样本图纸的字符串信息至所述遗传算法模型，得到所述遗传算法模型输出的关键词；
确定所述遗传算法模型输出的关键词与所述样本图纸的标准关键词之间的损失信息；
根据所述损失信息调整所述遗传算法模型的模型参数。
9.一种电子设备，其特征在于，包括：
处理器；
被配置为存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1-4中任一项所述的工业图纸的信息处理方法。
10.一种计算机可读存储介质，其特征在于，存储有计算机程序，当所述存储介质中的计算机程序由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1-4中任一项所述的工业图纸的信息处理方法。
CN202011208091.XA 2020-11-03 2020-11-03 工业图纸的信息处理方法、装置、电子设备和存储介质 Active CN112417996B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011208091.XA CN112417996B (zh) 2020-11-03 2020-11-03 工业图纸的信息处理方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011208091.XA CN112417996B (zh) 2020-11-03 2020-11-03 工业图纸的信息处理方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112417996A CN112417996A (zh) 2021-02-26
CN112417996B true CN112417996B (zh) 2024-06-14

Family

ID=74827354

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011208091.XA Active CN112417996B (zh) 2020-11-03 2020-11-03 工业图纸的信息处理方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112417996B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113094786A (zh) * 2021-04-06 2021-07-09 万翼科技有限公司 基于图纸poi的施工图结构化组织方法和装置
CN113094787A (zh) * 2021-04-06 2021-07-09 万翼科技有限公司 基于图纸poi的施工图纸数据化方法、装置和电子设备
CN113569836A (zh) * 2021-08-17 2021-10-29 华荣科技股份有限公司 一种图纸自动识别系统及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110969111A (zh) * 2019-11-28 2020-04-07 苏州安永数据科技有限公司 机械零部件数字图纸的自动识别归类方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003150648A (ja) * 2001-11-14 2003-05-23 Mitsubishi Heavy Ind Ltd 部品欄作成方法
CN111274961B (zh) * 2020-01-20 2021-12-07 华南理工大学 一种柔性ic基板字符识别和信息解析方法
CN111444986A (zh) * 2020-04-28 2020-07-24 万翼科技有限公司 建筑图纸构件分类方法、装置、电子设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110969111A (zh) * 2019-11-28 2020-04-07 苏州安永数据科技有限公司 机械零部件数字图纸的自动识别归类方法

Also Published As

Publication number Publication date
CN112417996A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN112417996B (zh) 工业图纸的信息处理方法、装置、电子设备和存储介质
US9946924B2 (en) System and method for automating information abstraction process for documents
US20180373692A1 (en) Method for parsing query based on artificial intelligence and computer device
CN113486833B (zh) 多模态特征提取模型训练方法、装置、电子设备
CN113190687B (zh) 知识图谱的确定方法、装置、计算机设备及存储介质
CN109492081B (zh) 文本信息搜索和信息交互方法、装置、设备及存储介质
CN110633366A (zh) 一种短文本分类方法、装置和存储介质
CN114372532B (zh) 标签标注质量的确定方法、装置、设备、介质及产品
CN115688920A (zh) 知识抽取方法、模型的训练方法、装置、设备和介质
CN112446209A (zh) 一种意图标签的设置方法、设备、装置及存储介质
CN112685374B (zh) 日志分类方法、装置及电子设备
CN114491034B (zh) 一种文本分类方法及智能设备
CN115526171A (zh) 一种意图识别方法、装置、设备及计算机可读存储介质
CN111078855A (zh) 信息处理方法、装置、电子设备及存储介质
CN118193668A (zh) 一种文本实体关系抽取的方法和装置
CN114461783A (zh) 关键词生成方法、装置、计算机设备、存储介质和产品
CN114328800A (zh) 文本处理方法、装置、电子设备和计算机可读存储介质
CN116863116A (zh) 基于人工智能的图像识别方法、装置、设备及介质
CN113627161B (zh) 数据处理方法及装置、存储介质、电子设备
CN114201622B (zh) 获取事件信息的方法、装置、电子设备和存储介质
CN114238735B (zh) 一种互联网数据智能采集方法
CA3104292A1 (en) Systems and methods for identifying and linking events in structured proceedings
CN113706207B (zh) 基于语义解析的订单成交率分析方法、装置、设备及介质
CN115374862A (zh) 信息处理方法及装置、电子设备和存储介质
CN112200602B (zh) 用于广告推荐的神经网络模型训练方法及装置

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