CN112613339B - 一种电气图纸自动化识别与审查方法及装置 - Google Patents

一种电气图纸自动化识别与审查方法及装置 Download PDF

Info

Publication number
CN112613339B
CN112613339B CN202011326200.8A CN202011326200A CN112613339B CN 112613339 B CN112613339 B CN 112613339B CN 202011326200 A CN202011326200 A CN 202011326200A CN 112613339 B CN112613339 B CN 112613339B
Authority
CN
China
Prior art keywords
examination
electrical
electrical drawing
information
picture
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
CN202011326200.8A
Other languages
English (en)
Other versions
CN112613339A (zh
Inventor
郑倩
石文娟
熊根鑫
李礼
刘玉玺
杨冰
王树龙
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.)
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
Beijing China Power Information Technology Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
Beijing China Power Information 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 State Grid Corp of China SGCC, State Grid Information and Telecommunication Co Ltd, Beijing China Power Information Technology Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011326200.8A priority Critical patent/CN112613339B/zh
Publication of CN112613339A publication Critical patent/CN112613339A/zh
Application granted granted Critical
Publication of CN112613339B publication Critical patent/CN112613339B/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06V10/30—Noise filtering
    • 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
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明提出了一种电气图纸自动化识别与审查方法及装置，利用训练好的目标检测模型对电气元件位置定位，定位时，在水平方向和垂直方向扩大电气元件识别框的范围，得到包括电气元件及该元件旁边的标注信息的识别框，从该截取的识别框的图片中提取标注信息。将电气图纸所对应的计量方案与规则库进行比对，如果计量方案通过审查，则将电气图纸提出出的标注信息与计量方案进行比对，完成对电气图纸的审查。本发明的方法实现了图纸的自动化判读，克服了目前在图纸审查过程中人为因素影响导致的审查结果的不确定性问题，缩短图纸的审查时间，提升审查效率。

Description

一种电气图纸自动化识别与审查方法及装置
技术领域
本发明属于图像识别领域，具体涉及一种电气图纸自动化识别与审查方法及装置。
背景技术
电气图纸是一种反映电子产品和电子设备中各元器件连接情况的图纸，它是一种工程语言，可以直观反映实际电路的连接情况，通过对电气图纸的有效解读和审查，来判断电气图纸上的相关信息是否符合审查标准。传统的图纸审查主要依赖人工审查,这种方式一方面对人力资源尤其是专家资源的依赖性较高，工作质量依赖于业务人员对专业知识和经验的掌握，人工审查过程中可能会存在不同的人判断标准不一样，得到的审查结果会有一定的人为因素影响。审查结果的质量也依赖于人工判别，工作质量严重受从业人员自身技术水平和业务能力制约，存在因审图错漏、识图失误、规则掌握不全面、相关标准未更新等原因导致的不标准项漏审、标准项错审等差错。另一方面审查效率不高，现行业务实施方式难以支撑图纸审查水平的进一步提升。
发明内容
针对目前在电气图纸审查过程中人力资源耗费大、审查效率和审查质量不高等问题，本发明提出一种电气图纸自动化识别与审查方法及装置，显著减低了在审查工作中对人工的依赖性和审查效率不高的问题，改善了图纸审查过程中的质量问题，提高了图纸审查整体工作的智能化、自动化。
一方面，本发明提出了一种电气图纸自动化识别与审查方法，包括：
针对图纸一次部分，采集图纸上电气元件位置数据，对目标检测方法进行训练，得到电气元件位置定位模型；
利用得到的模型对电气元件进行定位，在水平方向和垂直方向扩大电气元件识别框的范围，得到包括电气元件及该元件旁边的标注信息的识别框；
截取包括电气元件及该元件旁边的标注信息的识别框的图片；
从截取到的图片中提取标注信息；
将电气图纸所对应的计量方案与规则库进行比对，若电气图纸所对应的计量方案与规则库内容不符，则判定该电气图纸审查不通过；若电气图纸所对应的计量方案与规则库对应的内容相符，则将图纸上提取出的标注信息与计量方案进行比对；若图纸上提取出的标注信息与计量方案对应的内容相符，则电气图纸审查通过，反之则审查不通过。
另一方面，本发明提出了一种电气图纸自动化识别与审查装置，该装置包括：
电气元件定位模型训练模块，用于根据所采集到的图纸一次部分上的电气元件位置数据，对目标检测方法进行训练，得到电气元件位置定位模型；
电气元件及其标注信息定位模块，利用得到的模型对电气元件进行定位，在水平方向和垂直方向扩大电气元件识别框的范围，得到包括电气元件及该元件旁边的标注信息的识别框；
电气元件及标注信息图片截取模块，用于截取包括电气元件及该元件旁边的标注信息的识别框的图片；
标注信息提取模块，用于从电气元件及标注信息图片截取模块中截取到的图片中提取标注信息；
图纸审查模块，将电气图纸所对应的计量方案与规则库进行比对，若电气图纸所对应的计量方案与规则库内容不符，则判定该电气图纸审查不通过；若电气图纸所对应的计量方案与规则库对应的内容相符，则将图纸上提取出的标注信息与计量方案进行比对；若图纸上提取出的标注信息与计量方案对应的内容相符，则电气图纸审查通过，反之则审查不通过。
优选地，本发明的一种电气图纸自动化识别与审查装置还包括电流回路图块切割与标注信息提取模块，当电气图纸存在一次部分和与其对应的二次部分时，所述电流回路图块切割与标注信息提取模块将二次部分上的若干电流回路图块切割出来，并用OCR提取图块上的标注信息。
优选地，目标检测方法为YOLOV3。
优选地，在水平方向和垂直方向扩大电气元件识别框的范围包括，分别向左、向右扩展对应电气元件宽度的距离，分别向上、向下扩展对应电气元件二分之一高度的距离。
优选地，采用OCR光学识别技术从截取的图片上提取元件旁边的标注信息。
进一步，当电气图纸存在一次部分和与其对应的二次部分时，则将二次部分上的若干电流回路图块切割出来，用OCR提取图块上的标注信息。
进一步，在将二次部分上的若干电流回路图块切割出来的具体步骤为：将二次部分图片转成灰度图；高斯去噪、边缘检测、二值化处理；对二值化后的图片先膨胀再腐蚀；利用轮廓检测算法中的工具返回检测到的边缘区域坐标，根据坐标信息将图块区域切割出来。
优选地，对于电流回路图块，采用霍夫变换方法识别图块上的接线情况，以目标检测方法进行接地符号识别的模型训练，利用训练好的模型识别图块区域的接地符号。
本发明的有益效果在于：
1、克服了目前在电气图纸审查过程中智能化程度低、审查效率不高的问题，实现了图纸的自动化判读，提高了图纸审查的智能化程度，有效地缩短图纸审查所需要的时间，提升了图纸审查效率。
2、克服了目前在图纸审查过程中人为因素的影响导致审查结果的不确定性问题，由于审查工作的质量也依赖于业务人员对专业知识和经验的掌握，容易出现人为因素导致的审查质量问题，本发明所述技术有助于实现智能化、自动化图纸审查，显著降低人为因素在审查工作中的影响。
3、通过设计智能化审查，一方面响应了国家建设智能电网的政策要求，提高服务效率，提升供电优质服务水平，另一方面优化了客户办电体验，缩短办电时长，有效提升了客户技术服务的深度和广度。
附图说明
图1是本发明的一种电气图纸自动化识别与审查方法的流程图；
图2是电气元件位置定位模型对电气元件进行定位时，识别框的范围扩大的示例图；
图3是计量方案的示例图；
图4是图纸中电流互感器元件及标注信息的示例图；
图5是图纸中变压器元件及其标注信息的示例图；
图6是图纸的一次部分示例图；
图7是图6中图纸的一部分对应的二次部分的示例图；
图8是实施例中需要识别的计量回路图块示例图；
图9是图纸中存在电压互感器的一次部分的示例图；
图10是与图9中的一次部分对应的二次部分的示例图。
具体实施方式
下面结合附图，对实施例作详细说明。
下面结合附图1来对本发明作进一步说明。
一般的电气图纸可分为一次部分和与之对应的二次部分，但由于图纸绘制的不规范，并不是所有图纸都存在一次部分和与之对应的二次部分，或者有些图纸只存在一次部分而不存在与之相对应的二次部分，故对电气图纸进行识别和审查之前，需要将获得的电气图纸进行一次部分和与之对应的二次部分的划分，来判断该图纸是否存在一次部分和与之对应的二次部分。
由于图纸上存在很多的标注信息，但是对于图像识别和审查有用的仅仅是元件旁边的标注信息，故在本发明中，对图纸进行一次部分和与之对应的二次部分的划分之后，需先获取图纸一次部分上元件旁边的标注信息。
如前所述，由于图纸上存在很多的标注信息，无法直接识别出是否是元件旁边的标注信息，为了准确识别出是一次部分上元件旁边的标注信息，本发明采用先确定一次部分上元件的所在位置，然后再根据一次部分上元件位置来确定旁边的标注信息的方法。
本发明采用目标检测方法定位元件所在位置。以YOLOV3定位方法为例。在图纸一次部分中，找到元件的位置，用labelImg打上标签，然后对打过标签的图纸进行数据增强，并把这些数据划分成训练集、测试集和验证集，利用这些数据对YOLOV3进行训练、测试和验证，得到可以确定元件位置的模型。
训练好的YOLOV3模型，只能找到图纸一次部分上元件的所在位置，并不能找到元件对应的标注信息。本发明的创新之处在于，对训练好的YOLOV3模型中对元件打框的程序进行修改，在对元件打框时将框向周围扩展一定距离，找到元件周围的文字区域，从而得到包括元件和标注信息的识别框。可根据元件识别框的位置信息来向水平方向(向左和向右)和垂直方向(向上和向下)扩展一定比例，得到包括元件和元件旁边的标注信息的识别框，将该识别框所框区域截取后，放置于一个文件夹中。
优选地，如图2所示，示出了包括元件和元件旁的标注信息的识别框框的范围。图纸在模型测试时，测试程序会返回元件的左上角和右下角，其坐标分别为(x1,y1)与(x2,y2),图纸上元件的水平方向的尺寸(宽)w＝x2-x1,垂直方向的尺寸(高)h＝y2-y1。根据得到的w、h，分别向左、向右扩展距离w，分别向上、向下扩展h/2,对程序进行修改，修改后如附图2中的粗实线框。此粗实线框会有新的宽度和高度，再通过得到的粗实线框坐标截出该区域，截出的区域的图片上包括了元件和元件旁边的标注信息。
图纸审查时，需要的是元件旁边的标注信息，故需要将图纸上的元件旁边的标注信息提取出来。本发明采用OCR光学识别技术提取图纸上元件旁边的标注信息。优选采用百度OCR来对截取区域上的标注信息进行提取。对标注信息提取之后，将其保存，然后进行相应的审查。
在对图纸进行审查之前，需先将图纸所对应的计量方案与规则库进行比对，完成对计量方案的审查。然后再对图纸进行审查，具体是将图纸上提取出来的标注信息与计量方案进行比对。
一般情况下，图纸是根据计量方案绘制的，所以在对图纸审查之前先对计量方案进行审查。具体是提取计量方案中的文本化内容，与规则库查询的相关内容进行比对，如果两者内容相符合，则计量方案审查通过；如果不符合，则审查不通过，此时也一般认定图纸的相关内容也不符合规定，图纸不通过审查。
如果计量方案的审查通过，再将提取到的图纸的一次部分图片上的标注信息与计量方案中相应的内容进行比对，判断图纸绘制是否符合规范，输出审查反馈信息。
计量方案是一套格式化文本，是客户提出用电申请后，由供电企业根据客户需求和自身网络资源等情况确定的对客户实施供电的方案，图3示出了一个计量方案的示例。规则库则是本领域相关设计的规则要求的集成，其中包含的信息较多，包括有电气元件的各种设置、安装规则。用户可以根据输入条件，比如关键词，在规则库中查询相关的内容，比如可查询到计量装置的安装规则、接线方式等相关信息。
进行审查时，需要对计量方案中的内容进行提取。计量方案是基于文本的内容，一般通过关键词即可提取相关的信息。本发明中，对于计量方案中信息提取，优选的方法是根据计量方案中的识别关键词，指定需要提取信息的首尾文字，找到对应的位置索引，截取首尾位置之间的信息。如图3中所示，计量方案中记载有“电流互感器变比为300A/5A,准确度等级为0.2s；”，如果审查的是电流互感器的变比以及准确度，则在计量方案中提取信息的识别关键词是“电流互感器变比”和“准确度等级”，需要提取的信息是300A/5A、0.2s，所以指定的该信息的首尾文字是“电流互感器变比为300A/5A,准确度等级为0.2s；”，最后截取的首尾位置中间的信息，即是“300A/5A”和“0.2s”，将该信息输出出来，完成计量方案中信息的提取。表1示例性示出了从计量方案中提取出的的相关信息示例情况。
表1计量方案提出的相关信息示例
序号 信息项 信息示例
1 工程名称 壹号工厂110千伏专用变电站供电方案
2 计量点电压 110kv
3 受电容量 50000kvA
4 供电电压 110kv
5 计量方式 高供高计
6 接线方式 三相四线
7 计量点位置 壹号工厂110千伏变电站2台主变高压侧
8 电流互感器准确度 0.2s
9 电流互感器变比 300A/5A
10 电压互感器准确度 0.2
11 电压互感器变比 110kv/0.1kv
12 电能表规格 3×1.5(6)A，3×57.7/100v
13 电能表准确度 0.2s
对于规则库，根据要查询的内容，在规则库里用关键词进行查询，规则库会返回JSON接口，输出参数。如上面的电流互感器变比和准确度是计量方案里的内容，则如果要将计量方案中这些内容与规则库进行比对，则需要在规则库中查询“电流互感器变比”、“电流互感器准确度”，规则库会反馈相关的信息，这些信息里包括了电流互感器的变比和准确的信息，最后将两个信息进行比对，根据审查结果判断来计量方案是否符合规定。
若图纸只存在一次部分，在一次部分中提取到的标注信息里，在进行电流互感器准确度识别时，一定会出现0.2S或0.5S，例如高压大客户场景绝大部分情况下应为0.2S。如图4所示，识别时所识别的电流互感器旁边的标注信息里有“0.2S”，与上面表1的计量方案比较，则认为电流互感器的准确度是合理的，此项内容通过审查。
电流互感器变比信息的特点是，一般出现的是XXA/5A或XXA/1A，XX×2A/5A偶尔会出现，但“/”后面的数字始终是5A或1A。同理，如图4中示出的，如果识别出电流互感器旁边的标注信息中包括“5A”，同样与表1中的计量方案进行比对，两者相符，则图纸的该项通过审查。
在一次部分提取到的标注信息中带有“KV”的字符串即为各绕组的电压等级，主变压器侧由于系统运行一般规律，除一次绕组外，其余绕组通常调整至1.1倍额定电压。根据调压需求和调压方式的差异，可能有绕组带调压功能，这部分与计量审查无关，可以无视。带有“KV”的字符串以“/”进行分割，通过对每一段的数字进行提取，并采用模糊识别匹配的策略识别出各绕组的电压等级(对1.0-1.1倍均认为是该电压等级，如“220±8*1.25％/121/38.5kV”，121和38.5视作110和35)，审查时只需将识别出来的电压等级与计量方案里的电压等级进行对比，若识别出来的电压等级存在计量方案里，则说明计量点的电压等级存在于主变压器各次电压等级中，反之则不存在。如图5所示的主变压器中，如果识别出的标注信息是“220±8*1.25％/121/38.5kV”，其中包括有“110”，与表1的计量方案进行对比，其中的计量点电压是110KV，则可判断绕组的电压等级合理。
标注信息中带有“KVA”或者“MVA”字样，其前面的数字即为容量数值，结合识别出的单位即可获取容量，将获取到的容量与计量点容量进行比对，计量点容量通常为所有投运主变容量之和，通过进行比对，查看是否匹配，输出审查反馈信息。如图5中，主变容量是25000KVA，如果识别出的标注信息是该数值，将其与表1计量方案里面的受电容量进行对比，可看到表1里的受电容量是50000，可判断出受电容量是不合理的。
根据提取到的计量点容量和电压等级可判断电流互感器是否合理。具体方法是将提取到的相关信息带入到下面的公式计算一次电流：
一次电流＝计量点容量[kVA]/(1.732*电压等级[kV])
电流互感器一次电流(即电流互感器变比信息前面的数字)应在上面公式中一次电流的1.2～1.5倍之间，据此即可判断电流互感器是否合理。
若图纸中存在与一次部分对应的二次部分，那么在图纸二次部分中，存在若干个电流回路图块，这些图块是独立的。如图6为图纸的一次部分，图7为一次部分所对应的二次部分。为了便于识别，将这些图块切割出来。具体做法是：先将二次部分的图片转换成灰度图，对得到的灰度图片进行高斯去噪以改进图片质量，再通过sobel边缘检测算法检测出图像中的二次部分中的图块轮廓，然后进行二值化处理，再将得到的二值化图像先膨胀再腐蚀。膨胀是为了填充图像中的小孔及图像边缘处的小凹陷部分；腐蚀是为了消除图像边缘小的成分，并将图像缩小，从而使其补集扩大。通过上述操作，二次部分上的图块的边缘特征即非常明显，然后通过调用OpenCV里的函数返回每个图块边缘区域的左上角、右下角坐标和它的宽、高，根据得到的坐标信息，将这些电流回路图块切割出来，之后使用百度OCR提取图块上的标注信息。
在一次部分的元件水平左侧或右侧会出现几个汉字词语，一般为“测量”、“保护”、“控制”、“计量”等，如图6所示。在提取到的标注信息中，找到“计量”字样，“计量”字样的位置顺序即计量绕组的顺序，也即对应的计量回路绕组的编号。如图6中，带有“计量”字样的位置是4，则计量绕组的顺序即为4，计量回路绕组编号也为4。根据读取到的计量绕组编号去已经提取出来的二次部分的图块标注信息中上找到与绕组编号对应的标注信息，则该标注信息所在的图片就是需要识别的计量回路图块，如图8。
针对该计量回路图块的图片，一方面采用霍夫变换识别该图片上图块的接线方式。霍夫变换是一种特征检测，可以用来辨别区域中的线条；另一方面，需要识别出该图片上的图块中是否存在接地符号，此处采用YOLOV3算法。具体方法是：先准备有接地符号的数据集，并把这些数据集打上标签，再进行一定的数据增强，然后用YOLOV3进行训练，得到一个用于识别接地符号的模型，使用这个模型来识别出图块上的接地符号。最后根据识别到的绕组接线数量和接地情况，判断接线方式是否合规，进而输出审查反馈信息。如图10所示，有3个绕组，4LHa、4LHb、4LHc，用霍夫变换可以判断出三个绕组引出了三条接线，这三条接线只引出了一条接线到接地上，说明是简化接线，说明图10的接线方式不符合规范，若三条接线分别引出三条接线到接地上，说明接线符合规范。此处接线方式的判断不需要与计量方案进行比对。接地符号的判断就是在二次部分的电流回路图块上有且仅有一处接地。
若计量回路图块上，存在着电能表，电能表元件的周围没有对应的标注信息可以提取。一般图上会存在有DB/kWh/电能表/PQh的字样，其中任何一个都能代表电能表。但是本发明中只需要对电能表的数量进行核对即可。方法是，先用OCR提取出图片的文字框，若其中存在上述代表电能表任意一个字样，便是存在一块电能表，则为单表配置；若存在其中的任何两个字样，即存在有两块电能表，为主副表配置。
对于电压互感器的审查，与上述元件的审查存在区别。电压互感器的准确的信息以及变比信息的审查，需要结合一次部分和二次部分识别到的内容进行配合进行审查。
具体而言，由于电压互感器的一次部分上不存在“计量”字样，找到与该一次部分对应的二次部分中对应的电压回路图块的方法是，在二次部分上找到“计量”字样，与该“计量”字样对应的电压回路图块即是电压互感器对应的二次部分的回路图片。根据提取到的该对应图片上的标注信息，进一步找到对应的绕组编号。
电压互感器准确度信息一定会出现0.2或0.5(不带S)，图9是电压互感器的一次部分，如果在一次部分识别提取到的标注信息是0.2/0.5/3p，在其对应的二次部分，如图10中识别出的绕组编号是1(1TV前面的1)，则说明电压互感器的准确度是0.2，如果识别出的绕组编号是2，则说明电压互感器的准确是0.5，将此信息与表1的计量方案的电压互感器的准确度对比，完成该项的审查。
如图9所示，如果识别出的电压互感器的变比是110/0.1/0.1/0.1kV，根据图10得到绕组序号是1，由于变比的范式为“第一个数字/对应绕组的数字”，可得到变比是110/0.1，这里的单位kv是否存在也不影响判断，与表1的计量方案进行对比，说明变比合理。
为实现本发明的电气图纸自动化识别和审查的方法，本发明还提出了一种电气图纸自动化识别和审查装置，该装置包括：
图纸划分模块，用于将电气图纸划分为一次部分和与其对应的二次部分。有些图纸只存在一次部分，有些图纸存在与一次部分相对应的二次部分。
电气元件定位模型训练模块，用于根据所采集到的图纸上电气元件位置数据，对目标检测方法进行训练，得到电气元件位置定位模型；
电气元件及其标注信息定位模块，利用得到的模型对电气元件进行定位，在水平方向和垂直方向扩大电气元件识别框的范围，得到包括电气元件及该元件旁边的标注信息的识别框；
电气元件及标注信息图片截取模块，用于截取包括电气元件及该元件旁边的标注信息的识别框的图片；
标注信息提取模块，用于从电气元件及标注信息图片截取模块中截取到的图片中提取标注信息；
图纸审查模块，将电气图纸所对应的计量方案与规则库进行比对，若电气图纸所对应的计量方案与规则库内容不符，则判定该电气图纸审查不通过；若电气图纸所对应的计量方案与规则库对应的内容相符，则将图纸上提取出的标注信息与计量方案进行比对；若图纸上提取出的标注信息与计量方案对应的内容相符，则电气图纸审查通过，反之则审查不通过。
本发明的一种电气图纸自动化识别与审查装置还包括电流回路图块切割与标注信息提取模块，当电气图纸存在一次部分和与其对应的二次部分时，所述电流回路图块切割与标注信息提取模块将二次部分上的若干电流回路图块切割出来，并用OCR提取图块上的标注信息。
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (14)

1.一种电气图纸自动化识别与审查方法，其特征在于：
针对图纸一次部分，采集图纸上电气元件位置数据，对目标检测方法进行训练，得到电气元件位置定位模型；
利用得到的模型对电气元件进行定位，在水平方向和垂直方向扩大电气元件识别框的范围，得到包括电气元件及该元件旁边的标注信息的识别框；
截取包括电气元件及该元件旁边的标注信息的识别框的图片；
从截取到的图片中提取标注信息；
将电气图纸所对应的计量方案与规则库进行比对，若电气图纸所对应的计量方案与规则库内容不符，则判定该电气图纸审查不通过；若电气图纸所对应的计量方案与规则库对应的内容相符，则将图纸上提取出的标注信息与计量方案进行比对；若图纸上提取出的标注信息与计量方案中对应的内容相符，则电气图纸审查通过，反之则审查不通过。
2.根据权利要求1所述的一种电气图纸自动化识别与审查方法，其特征在于：所述目标检测方法为YOLOV3。
3.根据权利要求1所述的一种电气图纸自动化识别与审查方法，其特征在于：在水平方向和垂直方向扩大电气元件识别框的范围包括，分别向左、向右扩展对应电气元件宽度的距离，分别向上、向下扩展对应电气元件二分之一高度的距离。
4.根据权利要求1所述的一种电气图纸自动化识别与审查方法，其特征在于：采用OCR光学识别技术从截取的图片上提取元件旁边的标注信息。
5.根据权利要求1所述的一种电气图纸自动化识别与审查方法，其特征在于：当电气图纸存在一次部分和与其对应的二次部分时，则将二次部分上的若干电流回路图块切割出来，用OCR提取图块上的标注信息。
6.根据权利要求5所述的一种电气图纸自动化识别与审查方法，其特征在于：在将二次部分上的若干电流回路图块切割出来的具体步骤为：将二次部分图片转成灰度图；高斯去噪、边缘检测、二值化处理；对二值化后的图片先膨胀再腐蚀；利用轮廓检测算法中的工具返回检测到的边缘区域坐标，根据坐标信息将图块区域切割出来。
7.根据权利要求5所述的一种电气图纸自动化识别与审查方法，其特征在于：对于电流回路图块，采用霍夫变换方法识别图块上的接线情况，以目标检测方法进行接地符号识别的模型训练，利用训练好的模型识别图块区域的接地符号。
8.一种电气图纸自动化识别与审查装置，该装置包括：
电气元件定位模型训练模块，用于根据所采集到的图纸一次部分上的电气元件位置数据，对目标检测方法进行训练，得到电气元件位置定位模型；
电气元件及其标注信息定位模块，利用得到的模型对电气元件进行定位，在水平方向和垂直方向扩大电气元件识别框的范围，得到包括电气元件及该元件旁边的标注信息的识别框；
电气元件及标注信息图片截取模块，用于截取包括电气元件及该元件旁边的标注信息的识别框的图片；
标注信息提取模块，用于从电气元件及标注信息图片截取模块中截取到的图片中提取标注信息；
图纸审查模块，将电气图纸所对应的计量方案与规则库进行比对，若电气图纸所对应的计量方案与规则库内容不符，则判定该电气图纸审查不通过；若电气图纸所对应的计量方案与规则库对应的内容相符，则将图纸上提取出的标注信息与计量方案进行比对；若图纸上提取出的标注信息与计量方案对应的内容相符，则电气图纸审查通过，反之则审查不通过。
9.根据权利要求8所述的一种电气图纸自动化识别与审查装置，其特征在于：所述目标检测方法为YOLOV3。
10.根据权利要求8所述的一种电气图纸自动化识别与审查装置，其特征在于：在水平方向和垂直方向扩大电气元件识别框的范围包括，分别向左、向右扩展对应电气元件宽度的距离，分别向上、向下扩展对应电气元件二分之一高度的距离。
11.根据权利要求8所述的一种电气图纸自动化识别与审查装置，其特征在于：所述标注信息提取模块中采用OCR光学识别技术从截取的图片上提取元件旁边的标注信息。
12.根据权利要求8所述的一种电气图纸自动化识别与审查装置，其特征在于：还包括电流回路图块切割与标注信息提取模块，当电气图纸存在一次部分和与其对应的二次部分时，所述电流回路图块切割与标注信息提取模块将二次部分上的若干电流回路图块切割出来，并用OCR提取图块上的标注信息。
13.根据权利要求12所述的一种电气图纸自动化识别与审查装置，其特征在于：在将二次部分上的若干电流回路图块切割出来的具体步骤为：将二次部分图片转成灰度图；高斯去噪、边缘检测、二值化处理；对二值化后的图片先膨胀再腐蚀；利用轮廓检测算法中的工具返回检测到的边缘区域坐标，根据坐标信息将图块区域切割出来。
14.根据权利要求12所述的一种电气图纸自动化识别与审查装置，其特征在于：对于电流回路图块，采用霍夫变换方法识别图块上的接线情况，以目标检测方法进行接地符号识别的模型训练，利用训练好的模型识别图块区域的接地符号。
CN202011326200.8A 2020-11-24 2020-11-24 一种电气图纸自动化识别与审查方法及装置 Active CN112613339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011326200.8A CN112613339B (zh) 2020-11-24 2020-11-24 一种电气图纸自动化识别与审查方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011326200.8A CN112613339B (zh) 2020-11-24 2020-11-24 一种电气图纸自动化识别与审查方法及装置

Publications (2)

Publication Number Publication Date
CN112613339A CN112613339A (zh) 2021-04-06
CN112613339B true CN112613339B (zh) 2024-03-22

Family

ID=75225542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011326200.8A Active CN112613339B (zh) 2020-11-24 2020-11-24 一种电气图纸自动化识别与审查方法及装置

Country Status (1)

Country Link
CN (1) CN112613339B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112990143B (zh) * 2021-04-30 2021-08-31 杭州品茗安控信息技术股份有限公司 一种建筑图纸的模型匹配方法、系统及相关装置
CN115018832B (zh) * 2022-08-05 2022-11-08 江西少科智能建造科技有限公司 一种照明平面图的审查方法、系统、存储介质及电子设备
CN117172042B (zh) * 2023-06-05 2024-01-23 北京求解科技有限公司 基于计算机辅助设计的构件校验方法、系统和计算机设备
CN117540894A (zh) * 2023-11-15 2024-02-09 希维科技(广州)有限公司 生成检验计划的方法、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002073692A (ja) * 2000-07-13 2002-03-12 Vhsoft Ip Co Ltd 工学図面を分析および解釈するコンピュータ自動化プロセス
JP2007249900A (ja) * 2006-03-20 2007-09-27 System Meisei Kk 設計図面検査プログラム
CN108388871A (zh) * 2018-02-28 2018-08-10 中国计量大学 一种基于车身回归的车辆检测方法
CN110599131A (zh) * 2019-09-18 2019-12-20 国网重庆市电力公司电力科学研究院 一种电气图纸识别与审查方法、装置及可读存储介质
CN110633649A (zh) * 2019-08-22 2019-12-31 广东博智林机器人有限公司 机械图的审核方法及装置
CN110660067A (zh) * 2018-06-28 2020-01-07 杭州海康威视数字技术股份有限公司 一种目标检测方法及其装置
CN111738247A (zh) * 2020-05-15 2020-10-02 上海望友信息科技有限公司 极性标识的识别方法、识别装置、电子设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002073692A (ja) * 2000-07-13 2002-03-12 Vhsoft Ip Co Ltd 工学図面を分析および解釈するコンピュータ自動化プロセス
JP2007249900A (ja) * 2006-03-20 2007-09-27 System Meisei Kk 設計図面検査プログラム
CN108388871A (zh) * 2018-02-28 2018-08-10 中国计量大学 一种基于车身回归的车辆检测方法
CN110660067A (zh) * 2018-06-28 2020-01-07 杭州海康威视数字技术股份有限公司 一种目标检测方法及其装置
CN110633649A (zh) * 2019-08-22 2019-12-31 广东博智林机器人有限公司 机械图的审核方法及装置
CN110599131A (zh) * 2019-09-18 2019-12-20 国网重庆市电力公司电力科学研究院 一种电气图纸识别与审查方法、装置及可读存储介质
CN111738247A (zh) * 2020-05-15 2020-10-02 上海望友信息科技有限公司 极性标识的识别方法、识别装置、电子设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Digitization and Conversion Tool for Imaged Drawings to Intelligent Piping and Instrumentation Diagrams (P&ID);Sung-O Kang 等;《energies》;20190705;1-26 *
一种CAD图纸中WLAN器件连接关系的获取方法;敖行 等;《计算机应用与软件》;20160131;第33卷(第1期);90-93 *
深度学习在热力管道工程设计上的研究和应用;黄若航;《中国优秀硕士学位论文全文数据库 信息科技辑》;20200115(第1期);I138-2270 *

Also Published As

Publication number Publication date
CN112613339A (zh) 2021-04-06

Similar Documents

Publication Publication Date Title
CN112613339B (zh) 一种电气图纸自动化识别与审查方法及装置
CN111949809B (zh) 一种输电线路红外巡检数据智能处理方法
CN110119680B (zh) 一种基于图像识别的电气柜接线自动查错系统
CN111563509B (zh) 一种基于tesseract的变电站端子排识别方法及系统
CN111709361B (zh) 一种输电线路无人机巡检数据处理方法
CN109446689A (zh) 直流换流站二次系统图纸识别方法及系统
CN110619623B (zh) 一种变电设备接头发热的自动识别方法
CN111044149A (zh) 电压互感器的温度异常点检测方法、装置及可读存储介质
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
CN114511718A (zh) 一种建筑施工用物料智能管理方法及系统
CN115690012A (zh) 一种电能表接错线的检测方法
CN102968638A (zh) 基于关键字光学字符识别的影像清晰度判断的方法
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
CN115294595A (zh) 一种变电站一次接线图智能解析方法
CN115578551A (zh) 一种基于图像识别的家用电表状态核查方法
CN114089067A (zh) 一种变电站电气二次回路可视化系统
CN107067700A (zh) 采集用电信息的方法、装置和系统
CN113449633B (zh) 基于物体检测和关键点定位的指针式表计数值识别方法
CN114821625A (zh) 一种二次屏柜接线自动识别方法、装置、设备、存储介质
Yang et al. Wrong Wiring Detection of Electricity Meter Based on Image Processing
CN115906468A (zh) 基于cad图纸元素识别技术的输变电工程智能设计评审系统
CN117649671A (zh) 快递包裹主分发站点分拣方法、装置、设备及存储介质
CN116884028A (zh) 基于光学文字识别的图纸信息提取方法及装置
CN116894821A (zh) 基于多光谱图像智能识别技术的变压器缺陷检测方法
CN117975480A (zh) 一种基于多目标的硬压板识别方法及系统

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