CN112651378A - 紧固件二维图纸的标注信息识别方法、设备及介质 - Google Patents
紧固件二维图纸的标注信息识别方法、设备及介质 Download PDFInfo
- Publication number
- CN112651378A CN112651378A CN202110022850.1A CN202110022850A CN112651378A CN 112651378 A CN112651378 A CN 112651378A CN 202110022850 A CN202110022850 A CN 202110022850A CN 112651378 A CN112651378 A CN 112651378A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- fastener
- tolerance
- size
- 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
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/117—Tagging; Marking up; Designating a block; Setting of attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30176—Document
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computer Graphics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种紧固件二维图纸的标注信息识别方法、设备及介质,所述紧固件为轴对称部件,且包含头部和从头部一端面延伸的杆部,头部的端面直径大于杆部的端面直径;该方法包括:获取待识别二维图纸,对待识别二维图纸中的紧固件进行轮廓识别,并基于预设识别模型对轮廓的识别结果进行匹配,获得待识别二维图纸中紧固件的类型;从紧固件知识库中获取与类型对应的参数模板,并基于预设识别模型对待识别二维图纸中紧固件的标注信息进行识别,生成识别结果数据添加到参数模板,完成待识别二维图纸中紧固件的标注信息识别。本发明通过与轮廓对应的预设识别模型识别得到的识别结果数据具有较高的准确性,能够实现紧固件二维图纸快速、便捷地数据化处理。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种紧固件二维图纸的标注信息识别方法、设备及介质。
背景技术
在现代工业的生产过程中,螺栓、螺柱、螺钉等紧固件是不可或缺的部件,在各行各业都存在大量需求。为了防止修改,各类紧固件的资料通常以纸质文件或者PDF图像文件等不可编辑的二维图纸进行传递。如此一来,会导致紧固件生产工厂内存在大量不可编辑的紧固件二维电子图纸,而对于每一份二维图纸,其上的信息繁杂,例如有结构信息、属性参数、公差参数,标准要求以及热处理、表面处理等特殊要求,在做工艺设计时单纯靠人工处理很容易出差错。另外,这种针对每一份二维图纸都要进行人工处理的方式,导致了大量相似、重复性的繁琐工作,这也严重影响了生产厂的工作效率。再另外,工厂里有大量的相似产品、半成品,由于二维图纸的不可辨识和解析,存在一物多图、管理困难等局面,产品技术状态的分析和状态控制的难度较大。
因此,如能将紧固件二维图纸识别转化为数字化的紧固件模型,则可解决上述问题,并能大幅减少后续设计人员的绘图工作量。
现有技术中,专利文献CN110390718A针对装修设计提出了一种虚空引擎技术,其通过从位图、矢量图中识别出线条、线型、颜色、图案、尺寸和相对位置,并将位图转换为可编辑矢量图;进而将识别的特征依据图纸所表达的含义,转换为水电布局图、三维户型图、三维家电图等部分三维模型。该现有技术的目的在于生成用于展示的三维模型,对于紧固件生产工厂所存在的上述问题的解决没有帮助。
发明内容
基于上述现状,本发明的主要目的在于提供一种紧固件二维图纸的标注信息识别方法、设备及介质,以将紧固件的二维图纸识别转换为数据化的紧固件模型。
本发明所述紧固件为轴对称部件,且包含头部和从所述头部一端面延伸的杆部,所述头部的端面直径大于所述杆部的端面直径。为实现上述目的,采用的技术方案如下:
S100,获取待识别二维图纸,对所述待识别二维图纸中的紧固件进行轮廓识别,并基于预设识别模型对轮廓的识别结果进行匹配,获得所述待识别二维图纸中紧固件的类型;
S200,从紧固件知识库中获取与所述类型对应的参数模板,并基于预设识别模型对所述待识别二维图纸中紧固件的标注信息进行识别,生成识别结果数据;
S300,将所述识别结果数据添加到所述参数模板,完成所述待识别二维图纸中紧固件的标注信息识别。
优选地,所述标注信息包含标题栏信息,所述识别结果数据包括标题栏数据;
在步骤S200中,所述基于预设识别模型对所述待识别二维图纸中紧固件的标注信息进行识别,生成识别结果数据包括:
基于预设识别模型,标识所述标题栏信息中所包含子信息的第一轮廓,其中,所述子信息包括单位名称、产品名称、图号、材料、重量、阶段、标记日期以及人员姓名信息;
对所述第一轮廓内的子信息进行识别,生成子信息数据,并将所述子信息数据生成为标题栏数据。
优选地,所述标注信息包含尺寸信息,以及与所述尺寸信息对应的公差信息,所述识别结果数据包括尺寸数据和公差数据;
在步骤S200中,所述基于预设识别模型对所述待识别二维图纸中紧固件的标注信息进行识别,生成识别结果数据包括:
S210,基于预设识别模型,识别所述待识别二维图纸中所包含的尺寸信息、与所述尺寸信息对应的公差信息,分别获得待定尺寸数据和待定公差数据;
S220,基于所述待识别二维图纸中包含的标准信息,分别对所述待定尺寸数据和所述待定公差数据进行更新,生成所述尺寸数据和所述公差数据;
S230,基于所述尺寸信息和所述公差信息,分别判断所述尺寸数据的尺寸概率值和所述公差数据的公差概率值是否小于预设概率值;
S240,若所述尺寸概率值和/或所述公差概率值小于预设概率值,则输出第一提示信息,以提示对所述尺寸数据和/或所述公差数据修正,生成最终的所述尺寸数据和/或所述公差数据。
优选地,所述尺寸信息包括箭头、线段和字符,所述步骤S210包括:
S211,基于预设识别模型,标识所述尺寸信息的第二轮廓,以及与所述尺寸信息对应公差信息的第三轮廓;
S212,检测所述待识别二维图纸中紧固件与所述尺寸信息对应的轮廓线的第一边界坐标值,并根据所述第二轮廓内箭头与线段之间的对应关系,检测所述箭头的第二边界坐标值;
S213,根据所述第一边界坐标值和所述第二边界坐标值之间的对应关系,将所述第二轮廓内的字符识别为所述待定尺寸数据;
S214,对所述第三轮廓内的公差信息进行识别,生成所述待定公差数据。
优选地,所述步骤S220包括:
S221,基于预设识别模型,标识所述待识别二维图纸中所包含标准信息的第四轮廓,并识别所述第四轮廓内标准信息的标准号;
S222,根据所述紧固件知识库中是否存在所述标准号,生成标准数据。
S223,基于所述标准数据,分别对所述待定尺寸数据和所述待定公差数据进行更新,生成所述尺寸数据和所述公差数据。
优选地,所述步骤S222包括:
判断所述紧固件知识库中是否存在所述标准号,若存在所述标准号,则判定生成所述标准数据的操作有效,获取与所述标准号对应的参考数据,并将所述参考数据生成为所述标准数据;
若不存在所述标准号,则判定生成所述标准数据的操作无效,生成所述标准数据失败,并输出将所述标准号添加到所述紧固件知识库的第二提示信息;
所述步骤S223包括:
若生成所述标准数据的操作有效,则基于所述参考数据中的参考尺寸数据和参考公差数据,分别对所述待定尺寸数据和所述待定公差数据进行更新,生成所述尺寸数据和所述公差数据;
若生成所述标准数据的操作无效,则将所述待定数据和所述待定公差数据分别生成为所述尺寸数据和所述公差数据。
优选地,所述标注信息包含工艺信息和其他要求信息,所述识别结果数据包括工艺数据和其他要求数据;
在步骤S200中,所述基于预设识别模型对所述待识别二维图纸中紧固件的标注信息进行识别,生成识别结果数据包括:
基于自然语言处理,对所述待识别二维图纸中的工艺信息和其他要求信息进行识别,生成所述工艺数据和所述其他要求数据。
优选地,所述识别结果数据包含标题栏数据、尺寸数据、公差数据、工艺数据和其他要求数据,在步骤S300中,所述将所述识别结果数据添加到所述参数模板包括:
根据所述参数模板中各属性参数的标识,确定所述标题栏数据、尺寸数据、公差数据、工艺数据和其他要求数据在所述参数模板中的参数位置;
查找与所述标题栏数据对应的标题栏信息图片、与所述尺寸数据对应的尺寸信息图片、与所述公差数据对应的公差信息图片、与所述工艺数据对应的工艺信息图片,以及与所述其他要求数据对应的其他要求信息图片;
建立所述标题栏数据与所述标题栏信息图片之间、所述尺寸数据与所述尺寸信息图片之间、所述公差数据与所述公差信息图片之间、所述工艺数据与所述工艺信息图片之间,以及所述其他要求数据与所述其他要求信息图片之间的关联关系;
在所述关联关系建立完成后,根据所述参数位置,将所述标题栏数据、尺寸数据、公差数据、工艺数据和其他要求数据分别添加到所述参数模板中。
本发明还提供一种紧固件二维图纸的标注信息识别设备,所述标注信息识别设备包括存储器、处理器和存储在所述存储器上并在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的紧固件二维图纸的标注信息识别方法。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的紧固件二维图纸的标注信息识别方法。
【有益效果】
在对紧固件二维图纸的标注信息进行识别的过程中,紧固件为轴对称部件,且包含头部和从头部一端面延伸的杆部,头部的端面直径大于杆部的端面直径;先对包含有紧固件的待识别二维图纸进行获取,对该待识别二维图纸中的紧固件进行轮廓识别,并通过预先设定的预设识别模型对轮廓的识别结果进行匹配,得到其中所包含紧固件的类型;再从紧固件知识库中获取与该类型对应的参数模板,该参数模板对应于不同类型的紧固件而不同,用以集合各类型紧固件各自的属性参数;此后,基于预设识别模型对待识别二维图纸中紧固件的标注信息进行识别,得到识别结果数据,该识别结果数据即为各项标注信息的具体数值;进而将各识别结果数据添加到参数模板中,即可完成待识别二维图纸中紧固件的标注信息识别。以此,通过将二维图纸上不可编辑的标注信息,转换为参数模板中支持编辑传输的具体数值,实现将紧固件的二维图纸识别转换为数字化的紧固件模型。因预设识别模型预先通过大量样本数据进行训练,使得通过预设识别模型所识别得到的识别结果数据具有较高的准确性,且可高效快速识别;因此,有利于紧固件二维图纸中标注信息的准确、高效识别;进而实现依据识别转换的紧固件模型,高效准确的进行工艺设计,以及降低管理成本,简化技术状态的分析。
本发明的其他有益效果,将在具体实施方式中通过具体技术特征和技术方案的介绍来阐述,本领域技术人员通过这些技术特征和技术方案的介绍,应能理解所述技术特征和技术方案带来的有益技术效果。
附图说明
以下将参照附图对本发明的优选实施方式进行描述。图中:
图1是本发明紧固件二维图纸的标注信息识别方法一种实施例的流程图。
具体实施方式
需要说明的是,本发明中采用步骤编号(字母或数字编号)来指代某些具体的方法步骤,仅仅是出于描述方便和简洁的目的,而绝不是用字母或数字来限制这些方法步骤的顺序。本领域的技术人员能够明了,相关方法步骤的顺序,应由技术本身决定,不应因步骤编号的存在而被不适当地限制。
图1是本发明紧固件二维图纸的标注信息识别方法一种实施例的流程图,该方法包括如下步骤。
步骤S100,获取待识别二维图纸,对所述待识别二维图纸中的紧固件进行轮廓识别,并基于预设识别模型对轮廓的识别结果进行匹配,获得所述待识别二维图纸中紧固件的类型。
本实施例中紧固件二维图纸的标注信息识别方法应用于平板电脑、台式电脑等智能终端,适用于通过智能终端对紧固件二维图纸中所包含的各类标注信息进行识别。其中,紧固件为轴对称部件,且包含头部和从头部一端面延伸的杆部,头部的端面直径大于所述杆部的端面直径;包括但不限于螺栓、螺钉、螺柱、螺母等标准件;标注信息包括但不限于二维图纸中针对紧固件所标注的各类尺寸、尺寸公差、粗糙度、材料工艺,以及二维图纸所针对紧固件的名称、图号、日期、设计人员、审核人员、其他特殊要求等。
进一步地,将所需要识别的包含有紧固件的二维图纸作为待识别二维图纸通过实时影像获取或者经预先获取存储在预设存储单元中,该预设存储单元可以是智能终端内的存储单元,也可以是与智能终端通信连接的数据库内。通过人工操作将预设存储单元内的待识别二维图纸上传到智能终端,或者设置定时机制,由智能终端定时向预设存储单元发送请求,以请求预设存储单元向智能终端传输待识别二维图纸。智能终端内预先部署有预设识别模型,预设识别模型中包含有轮廓形状与紧固件类型之间的对应关系,不同的轮廓形状对应不同的紧固件类型。在通过接收或者主动请求的方式获取到待识别二维图纸,并对待识别二维图纸中的紧固件进行轮廓识别,得到识别结果后,调用该预设识别模型,并通过预设识别模型对识别结果进行匹配,匹配出识别结果在预设识别模型中所对应的紧固件类型,以此,确定待识别二维码图纸中所具有紧固件的类型。
其中,预设识别模型预先依据大量的紧固件样本数据训练生成,具体地,在步骤S100之前包括:
步骤a,获取紧固件样本数据,并根据所述紧固件样本数据对预设初始模型进行训练,生成预设识别模型。
进一步地,紧固件样本数据包含各种类型紧固件所具有的各类轮廓特征,将各轮廓特征进行标记后,传输到智能终端预先部署的预设初始模型,用以对该预设初始模型进行训练,得到预设初始模型。其中,预设初始模型优选为深度学习模型,在训练过程中至少包含特征抽取和选择,以及分类决策三个过程。智能终端在获取到固件样本数据后,先进行去噪、平滑和变换的预处理,即对包含有标记轮廓特征的二维图纸进行去噪、平滑和变化的操作,以加强二维图纸中的重要特征。再将预处理后作为紧固件样本数据的二维图纸传输到预设初始模型,由预设初始模型进行特征抽取和选择;通过对二维图纸中紧固件样本数据特征的识别,抽取其中的轮廓特征;进而对各轮廓特征进行筛选,剔除其中无效的轮廓特征,而保留有效特征作为识别的依据。此后,依据有效特征进行分类决策,输出二维图纸中紧固件所归属的类别。
此外,为了确保训练输出的准确性,针对作为预设初始模型的深度学习模型设置有损失函数和训练迭代结束条件,通过损失函数判断预设初始模型的训练是否满足训练迭代结束条件。若满足训练迭代结束条件,则结束对预设初始模型的训练,并将预设初始模型生成为预设识别模型。若损失函数不满足训练迭代结束条件,则通过紧固件样本数据继续对预设初始模型进行训练,直到损失函数满足训练迭代结束条件,结束预设初始模型的迭代训练,将经训练的的预设初始模型生成为预设识别模型。
步骤S200,从紧固件知识库中获取与所述类型对应的参数模板,并基于预设识别模型对所述待识别二维图纸中紧固件的标注信息进行识别,生成识别结果数据。
进一步地,预先设置有紧固件知识库,紧固件知识库中包含有各种紧固件的特征以及各自对应的预设参数模板。其中,预设参数模板为对紧固件所需要标注的各类信息的集合,包含有各类信息的参数名;如对于六角法兰面螺栓,其杆长、法兰圆盘厚度、冒厚、板拧高度、粗糙度及材料等,均构成参数模板中的参数名。并且,对应于不同类型的紧固件,所具有的预设参数模板不同;每一类紧固件所标注的各项参数固定,即参数依附于紧固件类型。同时,紧固件知识库中各类紧固件的预设参数模板均可以以数据表的形式存在,数据表包含与其所对应紧固件中需要标注的参数的名称。在通过预设识别模型识别出二维图纸中针对紧固件所标注的各类信息后,将识别的信息添加到数据表中对应的参数名称处,即可体现针对紧固件所标注的各类参数数值。
需要说明的是,为了确保各类紧固件均可从紧固件知识库中查找到对应的预设参数模板,需要针对各类型紧固件在紧固件知识库中预先设置对应的预设参数模板。具体地,在步骤S200之前包括:
步骤b,获取紧固件的属性参数,并将所述紧固件的属性参数构建为紧固件知识库中的预设参数模板,其中,所述紧固件的属性参数包括:尺寸参数、公差参数、工艺参数和其他属性参数。
更进一步地,将各类紧固件所需要标注的参数设定为属性参数上传到智能终端,该类属性参数包括但不限于尺寸参数、公差参数、工艺参数和其他属性参数,其他属性参数为非常规参数,如镀层的次数。智能终端在获取到该类属性参数后,将其构建为紧固件知识库中的预设参数模板。并且,各类紧固件各自之间的属性参数通过标识区分,即不同类型的紧固件之间设定不同的标识,归属于同一紧固件的属性参数则设定相同的标识。
进一步地,在通过预设识别模型识别出待识别二维图纸中紧固件的类型后,即可依据该类型对紧固件知识库中的各预设参数模板进行查找。从各项预设参数模板中获取出与类型匹配的参数模板,该匹配的参数模板中包含的参数与识别的紧固件类型所标注的信息一致。此后,通过预设识别模型对待待识别二维图纸中紧固件的标注信息进行识别,得到识别结果数据,并将识别结果数据作为参数数值添加到参数模型的各项参数中。
可理解地,紧固件的类型多种多样,而紧固件知识库中针对各类紧固件所收集的预设参数模板可能不全面,使得不是所有类型的紧固件都可以从其中获取出对应的参数模板。故而在对各项预设参数模板进行查找时,需要判断是否存在与紧固件类型对应的参数模板。具体地,在步骤S200之前包括:
步骤c1,判断所述紧固件知识库中是否存在与所述类型对应的参数模板,若存在所述参数模板,则执行步骤S200;
步骤c2,若不存在所述参数模板,则输出在所述紧固件知识库中设置所述参数模板的提示信息。
进一步地,根据识别的紧固件类型,对紧固件知识库查找,判断其中是否存在与该类型对应的参数模板。若查找到与该紧固件类型对应的预设参数模板,则判定存在与类型对应的参数模型,从而执行步骤S200,即从紧固件知识库中获取出该与类型对应的参数模板。反之,若查找不到与紧固件类型对应的预设参数模板,则判定不存在与类型对应的参数模板。此时,输出提示信息,用以提示在紧固件知识库中设置与该类紧固件对应的参数模板,通过设置的参数模板添加对待识别二维图纸中紧固件识别的标注信息。此外,也可以提示对识别的紧固件类型,指定预设参数模板,以将对该紧固件识别的标注信息添加到该指定的预设参数模板中。
步骤S300,将所述识别结果数据添加到所述参数模板,完成所述待识别二维图纸中紧固件的标注信息识别。
更进一步地,在经识别得到识别结果数据后,即可将该识别结果数据添加到参数模板的参数中,并在识别结果数据均完成添加操作后,完成对待识别二维图纸中紧固件的标注信息的识别。具体地,识别结果数据包含对待识别二维码图纸中的标题栏信息识别生成的标题栏数据,对待识别二维码图纸中紧固件所标注的尺寸信息识别生成的尺寸数据,对紧固件所标注的公差信息识别生成的公差数据、对待识别二维码图纸中工艺信息和其他要求信息分别识别所生成的工艺数据和其他要求数据;因此,在步骤S300中,将识别结果数据添加到参数模板包括:
步骤d1,根据所述参数模板中各属性参数的标识,确定所述标题栏数据、尺寸数据、公差数据、工艺数据和其他要求数据在所述参数模板中的参数位置;
步骤d2,查找与所述标题栏数据对应的标题栏信息图片、与所述尺寸数据对应的尺寸信息图片、与所述公差数据对应的公差信息图片、与所述工艺数据对应的工艺信息图片,以及与所述其他要求数据对应的其他要求信息图片;
步骤d3,建立所述标题栏数据与所述标题栏信息图片之间、所述尺寸数据与所述尺寸信息图片之间、所述公差数据与所述公差信息图片之间、所述工艺数据与所述工艺信息图片之间,以及所述其他要求数据与所述其他要求信息图片之间的关联关系;
步骤d4,在所述关联关系建立完成后,根据所述参数位置,将所述标题栏数据、尺寸数据、公差数据、工艺数据和其他要求数据分别添加到所述参数模板中。
进一步地,参数模板中的各属性参数均包含有各自的标识,以在各属性参数之间区分;不同标识对应参数模板中的不同位置,表征各属性参数在参数模板中的位置。从而依据参数模板中各属性参数的标识所表征的位置,对识别结果数据中包含的标题栏数据、尺寸数据、公差数据、工艺数据和其他要求数据在参数模板中的参数位置进行确定;若属性参数表征为标注的参数为标题栏数据,则将其标识所表征的位置,确定为标题栏数据在参数模板中的参数位置,以此方式分别确定尺寸数据、公差数据、工艺数据和其他要求数据在参数模板中的参数位置。
可理解地,为了确保预设识别模型对标注信息识别的准确性,在将标注信息识别为标题栏数据、尺寸数据、公差数据、工艺数据和其他要求数据后,还将标题栏数据、尺寸数据、公差数据、工艺数据和其他要求数据与各自所识别来源的原始信息进行关联,用以体现各类数据所识别来源依据的同时,还便于追溯所识别来源依据。其中,标题栏数据依据待识别二维图纸中的标题栏信息识别生成,尺寸数据依据待识别二维图纸中紧固件标注的尺寸信息识别生成,公差数据依据待识别二维图纸中紧固件所标注的公差信息识别生成,工艺数据和其他要求数据则分别依据待识别二维图纸中标注的工艺信息和其他要求信息生成;故而查找与标题栏数据对应的标题栏信息图片,与尺寸数据对应的尺寸信息图片、与公差数据对应的公差信息图片、与工艺数据对应的工艺信息图片,以及与其他要求数据对应的其他要求信息图片;并且在各项数据与各自对应的信息图片之间建立关联关系,即在标题栏数据与标题栏信息图片之间、尺寸数据与尺寸信息图片之间、公差数据与公差信息图片之间、工艺数据与工艺信息图片之间,以及其他要求数据与其他要求信息图片之间建立关联关系,以体现各项数据的识别来源。
需要说明的是,对待识别二维图纸中各项标注信息识别所生成的各项数据,为依据各项标注信息所在位置区域,截取位置区域的图片进行识别生成;如对于标题栏数据,则截取待识别二维图纸中标题栏所在位置区域的图片,形成为标题栏信息图片进行识别;对于尺寸数据,则截取待识别二维图纸中标注的尺寸所在位置区域的图片,形成为尺寸图片信息进行识别。因而,在查找与各项数据对应的信息图片的过程中,可依据识别时截取的图片进行。
并且,对于标题栏信息、尺寸信息、公差信息、工艺参数信息和其他要求信息均包含多项子信息,如标题栏信息包含紧固件名称、日期、设计人信息等,尺寸信息包含长度尺寸、厚度尺寸等,公差信息包括长度尺寸的公差、厚度尺寸的公差等,工艺参数信息包括紧固件材料、淬火等,其他要求信息包括非常规镀层、淬火等。因此,针对每项信息中包含的多项子信息,分别截取图片识别生成各自的识别数据,如对于长度尺寸和宽度尺寸分别截取图片进行识别,生成长度尺寸数据和宽度尺寸数据。因此,将各项数据和各项信息图片所建立的关联关系,其实质为针对各项子信息和各自对应截取的图片进行关联,以此形成多对识别数据与子信息图片之间的关联关系,便于准确查找各项数据所来源的信息图片。
进一步地,在将各项识别所得到的数据与各自识别所依据的信息图片建立关联关系后,则依据标题栏数据、尺寸数据、公差数据、工艺数据和其他要求数据在参数模板中的参数位置,将标题栏数据、尺寸数据、公差数据、工艺数据和其他要求数据分别添加到各自在参数模板中对应的参数位置中,以此,实现将待识别二维图纸中不可编辑的各类标注信息,转换为紧固件参数模板中支持编辑和传输到数据,以便于基于该类数据生成紧固件的三维模型。
可理解地,经预设识别模型所识别的识别结果数据可能因预设识别模型识别的不准确性,而导致识别结果数据存在异常或不准确的数据。对于此,除了输出提示信息,用以提示人工对异常或不准确的数据进行修正外,本实施例还设置有对预设识别模型进行优化训练的机制。具体地,述步骤S300之后包括:
步骤e,接收基于所述识别结果数据发送的修正样本数据,并基于所述修正样本数据,对所述预设识别模型进行优化训练。
进一步地,针对识别结果数据中存在异常或不准确数据的类型,对训练的样本数据进行修正;如不准确数据的类型为标题栏数据,则对标题栏样本数据进行修正,若不准确数据的类型为尺寸数据,则对尺寸样本数据进行修正。并且,修正可以是修改原始紧固件样本数据,也可以是新增紧固件样本数据,以此得到区别于原始紧固件样本数据的修正样本数据传输到智能终端。智能终端对该类传输的修正样本数据进行接收,并将该接收的修正样本数据传输到预设识别模型,对预设识别模型进行优化训练,以使得优化训练后的预设识别模型,对标注信息的识别更为准确。
本实施例中,在对紧固件二维图纸的标注信息进行识别的过程中,先对包含有紧固件的待识别二维图纸进行获取,对该待识别二维图纸中的紧固件进行轮廓识别,并通过预先设定的预设识别模型对轮廓的识别结果进行匹配,得到其中所包含紧固件的类型;再从紧固件知识库中获取与该类型对应的参数模板,该参数模板对应于不同类型的紧固件而不同,用以集合各类型紧固件各自的属性参数;此后,基于预设识别模型对待识别二维图纸中紧固件的标注信息进行识别,得到识别结果数据,该识别结果数据即为各项标注信息的具体数值;进而将各识别结果数据添加到参数模板中,即可完成待识别二维图纸中紧固件的标注信息识别。以此,通过将二维图纸上不可编辑的标注信息,转换为参数模板中支持编辑传输的具体数值,实现将紧固件的二维图纸识别转换为数字化的紧固件模型。因预设识别模型预先通过大量样本数据进行训练,使得通过预设识别模型所识别得到的识别结果数据具有较高的准确性,且可高效快速识别;因此,有利于紧固件二维图纸中标注信息的准确、高效识别;进而实现依据识别转换的紧固件模型,高效准确的进行工艺设计,以及降低管理成本,简化技术状态的分析。
进一步地,提出本发明紧固件二维图纸的标注信息识别方法另一实施例。
所述紧固件二维图纸的标注信息识别方法另一实施例与上述紧固件二维图纸的标注信息识别方法的实施例的区别在于,所述步骤S300之后包括:
步骤S400,启动三维软件,并确定紧固件知识库中与所述类型对应的预设三维模型;
步骤S500,将所述预设三维模型添加到所述三维软件中,并根据添加到所述参数模板中的识别结果数据,对所述预设三维模型进行修正,生成与所述待识别二维图纸中紧固件对应的三维模型。
本实施例在经预设识别模型,对待识别二维图纸中紧固件的标注信息识别,得到识别结果数据后,基于该识别结果数据生成与待识别二维图纸中紧固件对应的三维模型。具体地,紧固件知识库,在将各个类型紧固件的属性参数构建为各个类型紧固件的预设参数模板后,对预设参数模板中的参数进行默认值赋值操作,并依据赋值后的参数生成为紧固件的预设三维模型。如,对于螺杆类的紧固件,在将其需要标注的各属性参数生成为预设参数模板后,针对预设参数模板中的各参数以默认值进行赋值,并基于赋值的默认值形成螺杆的预设三维模型。此后,在得到识别结果数据后,对智能终端内安装的三维软件发送启动指令,以启动三维软件。并且,对紧固件知识库进行查找,从其中查找出与识别的紧固件类型对应的预设三维模型,用以体现识别的紧固件三维特性的模型。
进一步地,将查找得到预设模型添加到三维软件中展示,并且根据添加到参数模板中的识别结果数据,对预设识别模型的标注数据进行修正,以使得预设识别模型的尺寸数据、公差数据、工艺数据与紧固件在待识别二维图纸上的尺寸、公差和工艺一致。因此,修正后的预设三维模型,即为与待识别二维图纸中紧固件对应的三维模型,体现紧固件的立体空间特征。
本实施例针对各类紧固件预先生成预设三维模型,在确定待识别二维图纸中紧固件的类型,并识别得到识别结果数据后,通过查找与类型对应的预设三维模型,并以识别结果数据对预设三维模型进行标注数据的修正,得到体现紧固件立体空间特征的三维模型,相对于依据识别结果数据重新绘制三维模型,提高了三维模型的生成效率。
进一步地,提出本发明紧固件二维图纸的标注信息识别方法又一实施例。
所述紧固件二维图纸的标注信息识别方法又一实施例与上述紧固件二维图纸的标注信息识别方法的实施例的区别在于,所述标注信息包含标题栏信息,所述识别结果数据包括标题栏数据;
在步骤S200中,所述基于预设识别模型对所述待识别二维图纸中紧固件的标注信息进行识别,生成识别结果数据包括:
步骤f1,基于预设识别模型,标识所述标题栏信息中所包含子信息的第一轮廓,其中,所述子信息包括单位名称、产品名称、图号、材料、重量、阶段、标记日期以及人员姓名信息;
步骤f2,对所述第一轮廓内的子信息进行识别,生成子信息数据,并将所述子信息数据生成为标题栏数据。
本实施例中,将紧固件二维图纸包含的标题栏信息、尺寸信息、公差信息、工艺信息和其他要求信息,均作为标注信息。对应于标注信息包含的标题栏信息,识别所得到的识别结果数据中包含有标题栏数据。具体地,基于预设识别模型,对标题栏信息识别,识别出其中包含子信息的轮廓区域,并针对轮廓区域进行标识,形成子信息的第一轮廓。其中,子信息包括但不限于单位名称、产品名称、图号、材料、重量、阶段、标记日期以及设计人、校对人、审核人、审批人等人员姓名信息。并且对于不同的子信息,分别进行标识,得到各项子信息的第一轮廓;以此,使得每一项子信息对应一个第一轮廓,通过每个第一轮廓对每项子信息进行分割。
进一步地,对第一轮廓内的子信息进行识别,得到子信息所表征具体含义的子信息数据;如第一轮廓内的子信息为产品名称,则对其进行识别,所得到的子信息数据则为体现待识别二维图纸中紧固件名称的数据。其中,由第一轮廓所分割的子信息图片即为子信息数据的识别依据来源,通过建立子信息图片和子信息数据之间的关联关系,来体现各项子信息数据各自对应的识别依据。在标题栏信息中各项子信息均经识别生成为子信息数据后,则将各项子信息数据一并设定为标题栏数据,完成对待识别二维图纸中的标题栏信息识别。
更进一步地,对应于标注数据中的尺寸信息和公差信息,识别所得到的识别结果数据中包含有尺寸数据和公差数据。并且,公差信息与尺寸信息之间具有对应关系,用以体现尺寸所允许的误差范围大小。对于该类尺寸信息和公差信息,在步骤S200中,基于预设识别模型对待识别二维图纸中紧固件的标注信息进行识别,生成识别结果数据包括:
步骤S210,基于预设识别模型,识别所述待识别二维图纸中所包含的尺寸信息、与所述尺寸信息对应的公差信息,分别获得待定尺寸数据和待定公差数据;
进一步地,通过预设识别模型,对二维图纸中所包含的尺寸信息、与尺寸信息对应的公差信息进行识别。由该识别操作,分别得到待定尺寸数据和待定公差数据。其中,尺寸信息中包含有箭头、线段和字符,用以体现该尺寸所针对的紧固件部位,对尺寸信息的识别,依据其箭头、线段和字符实现。具体地,步骤S210包括:
步骤S211,基于预设识别模型,标识所述尺寸信息的第二轮廓,以及与所述尺寸信息对应公差信息的第三轮廓;
步骤S212,检测所述待识别二维图纸中紧固件与所述尺寸信息对应的轮廓线的第一边界坐标值,并根据所述第二轮廓内箭头与线段之间的对应关系,检测所述箭头的第二边界坐标值;
步骤S213,根据所述第一边界坐标值和所述第二边界坐标值之间的对应关系,将所述第二轮廓内的字符识别为所述待定尺寸数据;
步骤S214,对所述第三轮廓内的公差信息进行识别,生成所述待定公差数据。
更进一步地,通过预设识别模型,对尺寸信息识别,识别出其中包含箭头、线段和字符的轮廓区域,并针对轮廓区域进行标识,形成尺寸信息的第二轮廓。同时,针对尺寸信息对应的公差信息识别,识别出包含公差信息的第三轮廓。并且,对于尺寸信息中的箭头、线段和字符,可作为单独的信息进行轮廓识别,即在识别出第二轮廓后,对第二轮廓中的尺寸信息继续识别,分离出其中包含的箭头子轮廓、线段子轮廓,以及字符子轮廓。以此,由第二轮廓对尺寸信息分割,第三轮廓对公差信息分割;并且,对于尺寸信息,由第二轮廓中的子轮廓对其中的箭头、线段和字符分割;以便于预设识别模型对分割的各项信息图片进行识别,确保识别的准确性。
进一步地,尺寸信息来源于待识别二维图纸中紧固件中的部件,将该部件的轮廓线作为与尺寸信息对应的轮廓线进行坐标检测,得到其轮廓的边缘坐标,体现轮廓从起始到终结之间的位置。同时,根据第二轮廓中箭头与线段之间的归属对应关系,检测归属于同一线段的箭头的第二边界坐标值,体现箭头从起始到终结之间的位置。进而依据第一边界坐标值和第二边界坐标值之间的对应关系,将第二轮廓内的字符识别为待定尺寸数据;若第一边界坐标值所表征的起始到终结之间的位置,与第二边界坐标值所表征的起始到终结之间的位置,具有一致性,则说明第二轮廓内的字符即为该起始到终结之间的尺寸,从而将其识别为待定尺寸数据;反之,若不具有一致性,则判定识别错误,对于该处尺寸信息输出提示信息,以提示人工干预处理。对于公差信息,则对第三轮廓内所包含的信息进行识别,生成待定公差数据。
步骤S220,基于所述待识别二维图纸中包含的标准信息,分别对所述待定尺寸数据和所述待定公差数据进行更新,生成所述尺寸数据和所述公差数据。
进一步地,待识别二维图纸中还包含有标准信息,该标准信息表征待识别二维图纸中尺寸所使用的标准,如GB,或者GB/T等。待定尺寸数据和待定公差数据为二维图纸所实际标注的数据,标准信息所包含的数据体现了二维图纸中所标注尺寸和公差的参考数据,可能实际标注的数据和参考数据之间存在不一致的情况,从而依据待识别二维图纸中包含的标准信息对实际标注的数据进行修正。通过对待定尺寸数据修正,将其更新为尺寸数据;同时对待定公差数据修正,将其更新为公差数据。并且,修正依据对标准信息识别所生成的标准数据实现;具体地,步骤S220包括:
S221,基于预设识别模型,标识所述待识别二维图纸中所包含标准信息的第四轮廓,并识别所述第四轮廓内标准信息的标准号;
S222,根据所述紧固件知识库中是否存在所述标准号,生成标准数据。
S223,基于所述标准数据,分别对所述待定尺寸数据和所述待定公差数据进行更新,生成所述尺寸数据和所述公差数据。
进一步地,通过预设识别模型,对二维图纸中所包含的标准信息进行识别,识别出包含标准信息的第四轮廓;进而识别第四轮廓内标准信息的标准号,通过标准号体现尺寸及其公差所遵循的标准。此后,判断紧固件知识库中是否存在该标准号,依据判断结果生成标准数据。具体地,步骤S222包括:
步骤g1,判断所述紧固件知识库中是否存在所述标准号,若存在所述标准号,则判定生成所述标准数据的操作有效,获取与所述标准号对应的参考数据,并将所述参考数据生成为所述标准数据;
步骤g2,若不存在所述标准号,则判定生成所述标准数据的操作无效,生成所述标准数据失败,并输出将所述标准号添加到所述紧固件知识库的第二提示信息。
进一步地,紧固件知识库中预先设置有常用的标准号及其对应的参考标准,在依据识别的标准号生成标准数据时,先判断紧固件知识库中是否存在该标准号,若存在则说明紧固件知识库中收纳有该类标准,判定通过标准号生成标准数据的操作有效,故而获取紧固件知识库中该标准号对应的参考数据,并将参考数据设为标准数据。若经判定紧固件知识库中不存在该标准号,则说明紧固件知识库中未收纳该类标准,判定通过标准号生成标准数据的操作无效,生成标准数据失败;此时输出将标准号添加到紧固件知识库的第二提示信息,以提示人工干预将该标准号及其对应的参考数据添加到紧固件知识库,以便于后续使用。
更进一步地,在经识别生成标准数据后,则通过标准数据,分别对待定尺寸数据和待定公差数据进行更新,得到尺寸数据和公差数据。并且,考虑到标准数据具有生成失败的情形,故而在更新时,需结合标准数据的生成操作是否有效进行。具体地,步骤S223包括:
步骤h1,若生成所述标准数据的操作有效,则基于所述参考数据中的参考尺寸数据和参考公差数据,分别对所述待定尺寸数据和所述待定公差数据进行更新,生成所述尺寸数据和所述公差数据;
步骤h2,若生成所述标准数据的操作无效,则将所述待定数据和所述待定公差数据分别生成为所述尺寸数据和所述公差数据。
更进一步地,在依据标准号生成标准数据过程中,若判断生成标准数据的操作有效,则通过参考数据中的参考尺寸数据,对待定尺寸数据进行修正,生成尺寸数据;并且,通过参考数据中的参考公差数据,对待定公差数据进行修正,生成公差数据。需要说明的是,在修正过程中,若参考数据与待定数据一致,即参考尺寸数据与待定尺寸数据一致,或者参考公差数据与待定公差数据一致,则说明实际标注的数据与参考数据之间一致,故而直接将待定数据设定为最终的数据,而不进行修正更新操作,即将待定尺寸数据设定尺寸数据,或者将待定公差数据设定为公差数据,以简化修正更新的过程,提高修正更新的效率。
步骤230,基于所述尺寸信息和所述公差信息,分别判断所述尺寸数据的尺寸概率值和所述公差数据的公差概率值是否小于预设概率值;
步骤240,若所述尺寸概率值和/或所述公差概率值小于预设概率值,则输出第一提示信息,以提示对所述尺寸数据和/或所述公差数据修正,生成最终的所述尺寸数据和/或所述公差数据。
可理解地,尺寸数据和公差数据均经预设识别模型识别得到,可能存在识别不准确情形。对于此,本实施例设置有对尺寸数据和公差数据计算该类值的机制。具体地,通过尺寸信息,计算尺寸数据的尺寸概率值,该尺寸概率值表征尺寸信息中的数据是该尺寸数据的概率大小;同时,通过公差信息,计算公差数据的公差概率值,该公差概率值表征公差信息中的数据是该公差数据的概率大小。
进一步地,为了表征概率值的大小,预先设置有预设概率值;将生成的尺寸概率值和公差概率值分别和该预设概率值对比,判断尺寸概率值是否小于预设概率值,以及公差概率值是否小于该预设概率值。若尺寸概率值小于预设概率值,则说明尺寸信息中的数据是该尺寸数据的可能性较小;同样地,若公差概率值小于预设概率值,则说明公差信息中的数据是该公差数据的可能性较小。因此,对于尺寸概率值或公差概率值小于预设概率值,或者两者同时小于预设概率值的情形,输出第一提示信息,用以提示所生成的公差数据和/或尺寸数据不准确,通过人工干预的方式对尺寸数据和/或公差数据修正,得到最终的尺寸数据和公差数据。
需要说明的是,在对第二轮廓内的尺寸信息、第三轮廓内的公差信息,以及第四轮廓内的标准信息进行识别的过程中,将识别得到的数据与针对轮廓截取的用于识别信息图片关联。即将尺寸数据与尺寸信息所在待识别二维图纸上由第二轮廓分割的尺寸信息图片关联,同时将公差数据与公差信息所在待识别二维图纸上由第三轮廓分割的公差信息图片关联,以及将标准数据与标准信息所在待识别二维图纸上由第四轮毂分割的标准信息图片关联,以此体现尺寸数据、公差数据和标准数据各自对应的识别依据。
更进一步地,对应于标注信息中的工艺信息和其他要求信息,识别所得到的识别结果数据中包含有工艺数据和其他要求数据。对于该类工艺信息和其他要求信息的识别,在步骤S200中,基于预设识别模型对待识别二维图纸中紧固件的标注信息进行识别,生成识别结果数据包括:
步骤f3,基于自然语言处理,对所述待识别二维图纸中的工艺信息和其他要求信息进行识别,生成所述工艺数据和所述其他要求数据。
可理解地,工艺信息和其他要求信息在待识别二维图纸中通常以文字信息的形式存在,因此,可借助自然语言处理技术(NLP)对工艺信息和其他要求信息识别。并且,自然语言处理技术可以集成与预设识别模型中,也可以单独设置于智能终端内,对此不做限制。通过预设识别模型确定待识别二维图纸中工艺信息和其他要求信息分别对应的文字内容,再由自然语言处理对文字内容进行词法分析和语法分析,经解析得到工艺数据和其他要求数据,以体现待识别二维图纸中紧固件的加工工艺要求以及特殊要求,如镀层、淬火等。
本实施例中,将待识别二维图纸中针对紧固件的标注信息划分为标题栏信息、尺寸信息、公差信息、工艺信息和其他要求信息分别块进行识别;并且,在识别过程中,将各项信息中包含的具体信息,以识别轮廓分割成信息图片的方式进行识别,确保了识别的有序性,有利于准确识别。
本发明还提供一种紧固件二维图纸的标注信息识别设备,所述标注信息识别设备包括存储器、处理器和存储在所述存储器上并在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的紧固件二维图纸的标注信息识别方法。
本发明紧固件二维图纸的标注信息识别设备的具体实施方式与上述紧固件二维图纸的标注信息识别方法各实施例基本相同,在此不再重复赘述。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的紧固件二维图纸的标注信息识别方法。
本发明计算机可读存储介质的具体实施方式与上述紧固件二维图纸的标注信息识别方法各实施例基本相同,在此不再重复赘述。
本领域的技术人员能够理解的是,在不冲突的前提下,上述各优选方案可以自由地组合、叠加。
应当理解,上述的实施方式仅是示例性的,而非限制性的,在不偏离本发明的基本原理的情况下,本领域的技术人员可以针对上述细节做出的各种明显的或等同的修改或替换,都将包含于本发明的权利要求范围内。
Claims (10)
1.一种紧固件二维图纸的标注信息识别方法,其特征在于,所述紧固件为轴对称部件,且包含头部和从所述头部一端面延伸的杆部,所述头部的端面直径大于所述杆部的端面直径;
所述标注信息识别方法包括:
S100,获取待识别二维图纸,对所述待识别二维图纸中的紧固件进行轮廓识别,并基于预设识别模型对轮廓的识别结果进行匹配,获得所述待识别二维图纸中紧固件的类型;
S200,从紧固件知识库中获取与所述类型对应的参数模板,并基于预设识别模型对所述待识别二维图纸中紧固件的标注信息进行识别,生成识别结果数据;
S300,将所述识别结果数据添加到所述参数模板,完成所述待识别二维图纸中紧固件的标注信息识别。
2.根据权利要求1所述的标注信息识别方法,其特征在于,所述标注信息包含标题栏信息,所述识别结果数据包括标题栏数据;
在步骤S200中,所述基于预设识别模型对所述待识别二维图纸中紧固件的标注信息进行识别,生成识别结果数据包括:
基于预设识别模型,标识所述标题栏信息中所包含子信息的第一轮廓,其中,所述子信息包括单位名称、产品名称、图号、材料、重量、阶段、标记日期以及人员姓名信息;
对所述第一轮廓内的子信息进行识别,生成子信息数据,并将所述子信息数据生成为标题栏数据。
3.根据权利要求1所述的标注信息识别方法,其特征在于,所述标注信息包含尺寸信息,以及与所述尺寸信息对应的公差信息,所述识别结果数据包括尺寸数据和公差数据;
在步骤S200中,所述基于预设识别模型对所述待识别二维图纸中紧固件的标注信息进行识别,生成识别结果数据包括:
S210,基于预设识别模型,识别所述待识别二维图纸中所包含的尺寸信息、与所述尺寸信息对应的公差信息,分别获得待定尺寸数据和待定公差数据;
S220,基于所述待识别二维图纸中包含的标准信息,分别对所述待定尺寸数据和所述待定公差数据进行更新,生成所述尺寸数据和所述公差数据;
S230,基于所述尺寸信息和所述公差信息,分别判断所述尺寸数据的尺寸概率值和所述公差数据的公差概率值是否小于预设概率值;
S240,若所述尺寸概率值和/或所述公差概率值小于预设概率值,则输出第一提示信息,以提示对所述尺寸数据和/或所述公差数据修正,生成最终的所述尺寸数据和/或所述公差数据。
4.根据权利要求3所述的标注信息识别方法,其特征在于,所述尺寸信息包括箭头、线段和字符,所述步骤S210包括:
S211,基于预设识别模型,标识所述尺寸信息的第二轮廓,以及与所述尺寸信息对应公差信息的第三轮廓;
S212,检测所述待识别二维图纸中紧固件与所述尺寸信息对应的轮廓线的第一边界坐标值,并根据所述第二轮廓内箭头与线段之间的对应关系,检测所述箭头的第二边界坐标值;
S213,根据所述第一边界坐标值和所述第二边界坐标值之间的对应关系,将所述第二轮廓内的字符识别为所述待定尺寸数据;
S214,对所述第三轮廓内的公差信息进行识别,生成所述待定公差数据。
5.根据权利要求3所述的标注信息识别方法,其特征在于,所述步骤S220包括:
S221,基于预设识别模型,标识所述待识别二维图纸中所包含标准信息的第四轮廓,并识别所述第四轮廓内标准信息的标准号;
S222,根据所述紧固件知识库中是否存在所述标准号,生成标准数据。
S223,基于所述标准数据,分别对所述待定尺寸数据和所述待定公差数据进行更新,生成所述尺寸数据和所述公差数据。
6.根据权利要求5所述的标注信息识别方法,其特征在于,所述步骤S222包括:
判断所述紧固件知识库中是否存在所述标准号,若存在所述标准号,则判定生成所述标准数据的操作有效,获取与所述标准号对应的参考数据,并将所述参考数据生成为所述标准数据;
若不存在所述标准号,则判定生成所述标准数据的操作无效,生成所述标准数据失败,并输出将所述标准号添加到所述紧固件知识库的第二提示信息;
所述步骤S223包括:
若生成所述标准数据的操作有效,则基于所述参考数据中的参考尺寸数据和参考公差数据,分别对所述待定尺寸数据和所述待定公差数据进行更新,生成所述尺寸数据和所述公差数据;
若生成所述标准数据的操作无效,则将所述待定数据和所述待定公差数据分别生成为所述尺寸数据和所述公差数据。
7.根据权利要求1-6任一项所述的标注信息识别方法,其特征在于,所述标注信息包含工艺信息和其他要求信息,所述识别结果数据包括工艺数据和其他要求数据;
在步骤S200中,所述基于预设识别模型对所述待识别二维图纸中紧固件的标注信息进行识别,生成识别结果数据包括:
基于自然语言处理,对所述待识别二维图纸中的工艺信息和其他要求信息进行识别,生成所述工艺数据和所述其他要求数据。
8.根据权利要求1-6任一项所述的标注信息识别方法,其特征在于,所述识别结果数据包含标题栏数据、尺寸数据、公差数据、工艺数据和其他要求数据,在步骤S300中,所述将所述识别结果数据添加到所述参数模板包括:
根据所述参数模板中各属性参数的标识,确定所述标题栏数据、尺寸数据、公差数据、工艺数据和其他要求数据在所述参数模板中的参数位置;
查找与所述标题栏数据对应的标题栏信息图片、与所述尺寸数据对应的尺寸信息图片、与所述公差数据对应的公差信息图片、与所述工艺数据对应的工艺信息图片,以及与所述其他要求数据对应的其他要求信息图片;
建立所述标题栏数据与所述标题栏信息图片之间、所述尺寸数据与所述尺寸信息图片之间、所述公差数据与所述公差信息图片之间、所述工艺数据与所述工艺信息图片之间,以及所述其他要求数据与所述其他要求信息图片之间的关联关系;
在所述关联关系建立完成后,根据所述参数位置,将所述标题栏数据、尺寸数据、公差数据、工艺数据和其他要求数据分别添加到所述参数模板中。
9.一种紧固件二维图纸的标注信息识别设备,所述标注信息识别设备包括存储器、处理器和存储在所述存储器上并在所述处理器上运行的计算机程序,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110022850.1A CN112651378B (zh) | 2021-01-08 | 2021-01-08 | 紧固件二维图纸的标注信息识别方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110022850.1A CN112651378B (zh) | 2021-01-08 | 2021-01-08 | 紧固件二维图纸的标注信息识别方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112651378A true CN112651378A (zh) | 2021-04-13 |
CN112651378B CN112651378B (zh) | 2021-10-15 |
Family
ID=75367629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110022850.1A Active CN112651378B (zh) | 2021-01-08 | 2021-01-08 | 紧固件二维图纸的标注信息识别方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651378B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269736A (zh) * | 2021-05-17 | 2021-08-17 | 唐旸 | 紧固件尺寸的自动化检验方法、系统及介质 |
CN114398507A (zh) * | 2021-11-29 | 2022-04-26 | 中车工业研究院有限公司 | 一种工程图纸的标注系统及方法 |
CN114863464A (zh) * | 2022-07-08 | 2022-08-05 | 济南大学 | 一种pid图纸图件信息的二阶识别方法 |
CN114973299A (zh) * | 2022-08-01 | 2022-08-30 | 万翼科技有限公司 | 建筑图纸构件识别方法、装置、电子设备及存储介质 |
CN115035519A (zh) * | 2022-08-10 | 2022-09-09 | 南京维拓科技股份有限公司 | 一种二维工程图公差尺寸智能标注的方法 |
CN115063827A (zh) * | 2022-06-23 | 2022-09-16 | 华中科技大学 | 基于名称搜索和特征识别的图纸尺寸自动标注方法及系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780736A (zh) * | 2017-01-09 | 2017-05-31 | 网易(杭州)网络有限公司 | 地图数据处理方法及装置、三维地图生成方法及装置 |
CN108197373A (zh) * | 2017-12-28 | 2018-06-22 | 武汉市陆刻科技有限公司 | 基于CoFrac的二维CAD图转三维VR设计系统 |
CN109344900A (zh) * | 2018-09-30 | 2019-02-15 | 中民筑友科技投资有限公司 | 一种构件识别方法、装置、设备及计算机可读存储介质 |
CN110033515A (zh) * | 2019-04-15 | 2019-07-19 | 同济大学建筑设计研究院(集团)有限公司 | 图形转换方法、装置、计算机设备及存储介质 |
CN110263736A (zh) * | 2019-06-24 | 2019-09-20 | 广州偕作信息科技有限公司 | 一种构件识别方法、装置、存储介质及系统 |
CN110457843A (zh) * | 2019-08-16 | 2019-11-15 | 同济大学建筑设计研究院(集团)有限公司 | 三维管线模型生成方法、装置、计算机设备和存储介质 |
CN110516370A (zh) * | 2019-08-29 | 2019-11-29 | 同济大学建筑设计研究院(集团)有限公司 | 预制构件深化图纸生成方法、装置、计算机设备和介质 |
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 |
CN111126125A (zh) * | 2019-10-15 | 2020-05-08 | 平安科技(深圳)有限公司 | 证件中的目标文本提取方法、装置、设备及可读存储介质 |
CN111339659A (zh) * | 2020-02-25 | 2020-06-26 | 上汽通用汽车有限公司 | 一种三维模型中阶梯孔的快速标注方法及装置 |
CN111383227A (zh) * | 2020-04-01 | 2020-07-07 | 杭州皓京云信息技术有限公司 | 基于神经网络的刀具磨损类型识别方法及磨损值测定方法 |
CN111428330A (zh) * | 2019-01-09 | 2020-07-17 | 山东新汉唐数据科技有限公司 | 一种梁结构进行铝模板配模的方法 |
CN111444885A (zh) * | 2020-04-23 | 2020-07-24 | 万翼科技有限公司 | 图像中构件的识别方法、设备及计算机可读存储介质 |
CN111461066A (zh) * | 2020-04-24 | 2020-07-28 | 北京联合普肯工程技术股份有限公司 | 过程工业流程图的识别方法及装置、电子设备 |
CN111814664A (zh) * | 2020-07-07 | 2020-10-23 | 广联达科技股份有限公司 | 识别图纸中标注的方法、装置、计算机设备及存储介质 |
CN111898401A (zh) * | 2020-05-26 | 2020-11-06 | 中建八局天津建设工程有限公司 | 一种建筑工程图纸智能识别方法 |
CN112017226A (zh) * | 2020-08-26 | 2020-12-01 | 清华大学深圳国际研究生院 | 面向工业零件6d位姿估计的方法及计算机可读存储介质 |
CN112100742A (zh) * | 2020-08-28 | 2020-12-18 | 上海交通大学 | 基于船体结构三维模型的出图处理方法、装置及存储介质 |
-
2021
- 2021-01-08 CN CN202110022850.1A patent/CN112651378B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780736A (zh) * | 2017-01-09 | 2017-05-31 | 网易(杭州)网络有限公司 | 地图数据处理方法及装置、三维地图生成方法及装置 |
CN108197373A (zh) * | 2017-12-28 | 2018-06-22 | 武汉市陆刻科技有限公司 | 基于CoFrac的二维CAD图转三维VR设计系统 |
CN109344900A (zh) * | 2018-09-30 | 2019-02-15 | 中民筑友科技投资有限公司 | 一种构件识别方法、装置、设备及计算机可读存储介质 |
CN111428330A (zh) * | 2019-01-09 | 2020-07-17 | 山东新汉唐数据科技有限公司 | 一种梁结构进行铝模板配模的方法 |
CN110033515A (zh) * | 2019-04-15 | 2019-07-19 | 同济大学建筑设计研究院(集团)有限公司 | 图形转换方法、装置、计算机设备及存储介质 |
CN110263736A (zh) * | 2019-06-24 | 2019-09-20 | 广州偕作信息科技有限公司 | 一种构件识别方法、装置、存储介质及系统 |
CN110457843A (zh) * | 2019-08-16 | 2019-11-15 | 同济大学建筑设计研究院(集团)有限公司 | 三维管线模型生成方法、装置、计算机设备和存储介质 |
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 |
CN110516370A (zh) * | 2019-08-29 | 2019-11-29 | 同济大学建筑设计研究院(集团)有限公司 | 预制构件深化图纸生成方法、装置、计算机设备和介质 |
CN111126125A (zh) * | 2019-10-15 | 2020-05-08 | 平安科技(深圳)有限公司 | 证件中的目标文本提取方法、装置、设备及可读存储介质 |
CN111339659A (zh) * | 2020-02-25 | 2020-06-26 | 上汽通用汽车有限公司 | 一种三维模型中阶梯孔的快速标注方法及装置 |
CN111383227A (zh) * | 2020-04-01 | 2020-07-07 | 杭州皓京云信息技术有限公司 | 基于神经网络的刀具磨损类型识别方法及磨损值测定方法 |
CN111444885A (zh) * | 2020-04-23 | 2020-07-24 | 万翼科技有限公司 | 图像中构件的识别方法、设备及计算机可读存储介质 |
CN111461066A (zh) * | 2020-04-24 | 2020-07-28 | 北京联合普肯工程技术股份有限公司 | 过程工业流程图的识别方法及装置、电子设备 |
CN111898401A (zh) * | 2020-05-26 | 2020-11-06 | 中建八局天津建设工程有限公司 | 一种建筑工程图纸智能识别方法 |
CN111814664A (zh) * | 2020-07-07 | 2020-10-23 | 广联达科技股份有限公司 | 识别图纸中标注的方法、装置、计算机设备及存储介质 |
CN112017226A (zh) * | 2020-08-26 | 2020-12-01 | 清华大学深圳国际研究生院 | 面向工业零件6d位姿估计的方法及计算机可读存储介质 |
CN112100742A (zh) * | 2020-08-28 | 2020-12-18 | 上海交通大学 | 基于船体结构三维模型的出图处理方法、装置及存储介质 |
Non-Patent Citations (3)
Title |
---|
张习文等: ""机械图纸扫描图像尺寸信息提取"", 《机械科学与技术》 * |
朱频频: "《智能客户服务技术与应用》", 31 March 2009, 中国铁道出版社 * |
李晓等: ""浅析三维重建算法"", 《电脑知识与技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269736A (zh) * | 2021-05-17 | 2021-08-17 | 唐旸 | 紧固件尺寸的自动化检验方法、系统及介质 |
CN114398507A (zh) * | 2021-11-29 | 2022-04-26 | 中车工业研究院有限公司 | 一种工程图纸的标注系统及方法 |
CN115063827A (zh) * | 2022-06-23 | 2022-09-16 | 华中科技大学 | 基于名称搜索和特征识别的图纸尺寸自动标注方法及系统 |
CN114863464A (zh) * | 2022-07-08 | 2022-08-05 | 济南大学 | 一种pid图纸图件信息的二阶识别方法 |
CN114973299A (zh) * | 2022-08-01 | 2022-08-30 | 万翼科技有限公司 | 建筑图纸构件识别方法、装置、电子设备及存储介质 |
CN115035519A (zh) * | 2022-08-10 | 2022-09-09 | 南京维拓科技股份有限公司 | 一种二维工程图公差尺寸智能标注的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112651378B (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112651378B (zh) | 紧固件二维图纸的标注信息识别方法、设备及介质 | |
CN107392143B (zh) | 一种基于svm文本分类的简历精确解析方法 | |
US9141691B2 (en) | Method for automatically indexing documents | |
CN106846961B (zh) | 电子试卷的处理方法和装置 | |
JP2005242579A (ja) | 文書処理装置、文書処理方法、および文書処理プログラム | |
US20070257908A1 (en) | System and method for parsing point-cloud data | |
US20210073216A1 (en) | Business intelligence system based on artificial intelligence and analysis method thereof | |
US7716639B2 (en) | Specification wizard | |
CN111415131A (zh) | 一种基于自然语言处理技术的大数据人才简历分析方法 | |
Li et al. | Recognition of offline handwritten Chinese characters using the Tesseract open source OCR engine | |
CN113901933A (zh) | 基于人工智能的电子发票信息抽取方法、装置及设备 | |
WO2020237480A1 (zh) | 基于图像识别的控制方法与装置 | |
CN109684395A (zh) | 一种基于自然语言处理的可视化数据接口通用解析方法 | |
CN116976034A (zh) | 一种基于cad软件的零件库系统 | |
US20180067916A1 (en) | Analysis apparatus, analysis method, and recording medium | |
JP6542546B2 (ja) | 文書データ処理方法およびシステム | |
CN109739981B (zh) | 一种pdf文件类别判定方法及文字提取方法 | |
CN110852359A (zh) | 基于深度学习的家谱识别方法及系统 | |
CN112348022A (zh) | 一种基于深度学习的自由格式文档识别方法 | |
CN115204182B (zh) | 一种待校对电子书数据的识别方法及系统 | |
CN117608545B (zh) | 一种基于知识图谱的标准作业程序生成方法 | |
CN114756976B (zh) | 航空器制造改装中的工作单生成方法及系统 | |
TWI850189B (zh) | 溫室氣體排放係數的查詢系統 | |
CN116306573B (zh) | 工程做法的智能解析方法、装置、设备和可读存储介质 | |
CN112463969B (zh) | 卷烟品牌和品规行话新词的检测方法、系统、设备及介质 |
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: 20210916 Address after: 100048 Beijing business college group, 33 Fucheng Road, Haidian District, Beijing Applicant after: Tang Yang Address before: 100085 no.1102, gate 2, building 3, shangdijiayuan, Haidian District, Beijing Applicant before: Liu Lianying |
|
GR01 | Patent grant | ||
GR01 | Patent grant |