CN112883801A - Cad配电系统图中住户配电箱系统图子图的精准识别方法 - Google Patents

Cad配电系统图中住户配电箱系统图子图的精准识别方法 Download PDF

Info

Publication number
CN112883801A
CN112883801A CN202110074757.5A CN202110074757A CN112883801A CN 112883801 A CN112883801 A CN 112883801A CN 202110074757 A CN202110074757 A CN 202110074757A CN 112883801 A CN112883801 A CN 112883801A
Authority
CN
China
Prior art keywords
system diagram
distribution box
cad
bbox
outline
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
Application number
CN202110074757.5A
Other languages
English (en)
Other versions
CN112883801B (zh
Inventor
王红炎
彭靖田
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.)
Shanghai Pinlan Zhizao Technology Co ltd
Original Assignee
Shanghai Pinlan Zhizao 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 Shanghai Pinlan Zhizao Technology Co ltd filed Critical Shanghai Pinlan Zhizao Technology Co ltd
Priority to CN202110074757.5A priority Critical patent/CN112883801B/zh
Publication of CN112883801A publication Critical patent/CN112883801A/zh
Application granted granted Critical
Publication of CN112883801B publication Critical patent/CN112883801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40Document-oriented image-based pattern recognition
    • G06V30/42Document-oriented image-based pattern recognition based on the type of document
    • G06V30/422Technical drawings; Geographical maps
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了CAD配电系统图中住户配电箱系统图子图的精准识别方法,涉及CAD图纸识别和图像处理技术领域。本发明包括如下步骤:S1、解析,获取文本信息、图元信息以及图层信息,转换成pdf或png图片;S2、人工标记,标记所有的开关;S3、进行分类模型训练;S4、分类出所有的开关构件;S5、获取文本的内容及文本在图中坐标位置;S6、获取到所有的电线构件;S7、移底图;S8、获取最小bbox;S9、完成最小bbox;S10、得到最终的子图位置。本发明可以高效精准的获取电气专业配电系统图中所有的配电箱或配电系统图中子图区域,为配电箱系统图子图研究,审查等提供了坚实的基础。

Description

CAD配电系统图中住户配电箱系统图子图的精准识别方法
技术领域
本发明属于CAD图纸识别和图像处理技术领域,特别是涉及CAD配电系统图中住户配电箱系统图子图的精准识别方法。
背景技术
CAD施工图,是表示通过AutoCAD软件将工程项目总体布局,建筑物的外部形状、内部布置、结构构造、内外装修、材料作法以及设备、施工等制作的图样。CAD施工图具有图纸齐全、表达准确、要求具体的特点,是进行工程施工、编制施工图预算和施工组织设计的依据,也是进行技术管理的重要技术文件,在施工之前需要对施工图纸进行仔细的审查才能进入施工阶段,目的是保障施工的顺利进行,并且可以避免因图纸有误对完成施工后的使用阶段产生的影响。
CAD施工图中的配电系统图主要绘制的电气方面的系统图,如楼层电表箱系统图/公共照明配电箱系统图/住宅配电箱系统图等等一系列系统图都绘制到配电系统图中,通常某些强条规则是对住宅配电箱系统图进行约束限制,随着人工智能的兴起,一大波由人工参与的项目可以用人工智能代替,其中CAD施工图的审查就是一项耗时耗力的重复性工作。为了便于人工智能对CAD施工图的审查,需要精准的识别图纸中的子图,本发明正是针对CAD配电系统图中住宅或住户配电箱系统图子图的精准识别,提出了一种覆盖范围广,准确率高的住宅或住户配电箱系统图子图识别方法。
发明内容
本发明提供了CAD配电系统图中住户配电箱系统图子图的精准识别方法,解决了以上问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明的CAD配电系统图中住户配电箱系统图子图的精准识别方法,包括如下步骤:
S1、对CAD配电系统图纸进行解析,获取文本信息、图元信息以及图层信息,并将CAD配电系统图纸转换成pdf或png图片;
S2、对转换成的pdf或png图片进行人工标记,标记所有的开关,包括单刀开关和双刀开关;
S3、将人工标记后的数据采用深度学习的分类算法进行分类模型训练;
S4、实用训练后的分类模型分类出所有的开关构件,包括单刀开关和双刀开关,并获取构件的位置信息;
S5、通过所有的文本信息,利用正则化匹配的方法,找到图框中代表住宅配电箱的文本,获取文本的内容及文本在图中坐标位置;
S6、通过所有的图层信息,获取到所有的电线构件;
S7、将所有获取到的电线构件和开关构件绘制到一张纯色背景到底图上;
S8、对绘制好的图像基于canny算子进行边缘检测,将轮廓分为两种每一种是面积在合理经验值中的合格轮廓,一种是不合格的轮廓,在对不合格的小轮廓进行外扩,与合格的大轮廓进行合并,最终获取到包含电线和开关构件的子图的最小bbox;
S9、基于轮廓的最小bbox判断是否与住宅电箱的文本的bbox相交;如果相交则为住宅或住户配电箱子图,否则不是住宅或住户配电箱子图,并判断住宅配电箱文本信息相对轮廓的bbox的位置,对轮廓的bbox进行调整,即完成包括轮廓的bbox和文本信息的最小bbox;
S10、得到最终的子图位置。
进一步地,所述正则化匹配的方法的匹配格式采用“**住宅或住户/户内**配电箱/配电”的形式。
进一步地,所述步骤S6中电线构件的图层名称包含有“"WIRE","电线","BUSW","照明布线","D线","DX"”关键字的图层。
进一步地,所述深度学习的分类算法采用神经网络;所述分类模型采用mobilenet模型。
本发明相对于现有技术包括有以下有益效果:
本发明可以高效精准的获取电气专业配电系统图中所有的配电箱或配电系统图中子图区域,弥补了CAD图纸中识别住宅或住户配电箱系统图子图的技术空白,为后续开展住宅或住户配电箱系统图子图研究,审查等提供了坚实的基础。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明的CAD配电系统图中住户配电箱系统图子图的精准识别方法的步骤图;
图2为本发明具体实施例的步骤图;
图3为本发明具体实施例的一个住宅用户的ACD配电系统平面图;
图4为本发明具体实施例的一个住宅用户的另一ACD配电系统平面图;
图5为基于图3和图4的住宅用户用电分配电箱系统结线图;
图6为本发明具体实施例的包括开关构件在内的所有构件的汇总图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
请参阅图1-6所示,本发明的CAD配电系统图中住户配电箱系统图子图的精准识别方法,包括如下步骤:
S1、对CAD配电系统图纸进行解析,获取文本信息、图元信息以及图层信息,并将CAD配电系统图纸转换成pdf或png图片;
S2、对转换成的pdf或png图片进行人工标记,标记所有的开关,包括单刀开关和双刀开关;
S3、将人工标记后的数据采用深度学习的分类算法进行分类模型训练;
S4、实用训练后的分类模型分类出所有的开关构件,包括单刀开关和双刀开关,并获取构件的位置信息;
S5、通过所有的文本信息,利用正则化匹配的方法,找到图框中代表住宅配电箱的文本,获取文本的内容及文本在图中坐标位置;
S6、通过所有的图层信息,获取到所有的电线构件;
S7、将所有获取到的电线构件和开关构件绘制到一张纯色背景到底图上;
S8、对绘制好的图像基于canny算子进行边缘检测,将轮廓分为两种每一种是面积在合理经验值中的合格轮廓,一种是不合格的轮廓,在对不合格的小轮廓进行外扩,与合格的大轮廓进行合并,最终获取到包含电线和开关构件的子图的最小bbox;如图5所示为配电字图最小bbox;其中包括有开关构件和电线构件等;配电箱子图中必须有电线和开关,放置其它构件干扰,因此将电线和构件绘制至新的空的png图片上;
S9、基于轮廓的最小bbox判断是否与住宅电箱的文本的bbox相交;如果相交则为住宅或住户配电箱子图,否则不是住宅或住户配电箱子图,并判断住宅配电箱文本信息相对轮廓的bbox的位置,对轮廓的bbox进行调整,即完成包括轮廓的bbox和文本信息的最小bbox;
S10、得到最终的子图位置。
其中,正则化匹配的方法的匹配格式采用“**住宅或住户/户内**配电箱/配电”的形式。
其中,步骤S6中电线构件的图层名称包含有“"WIRE","电线","BUSW","照明布线","D线","DX"”关键字的图层。
其中,深度学习的分类算法采用神经网络;所述分类模型采用mobilenet模型。
其中,正则表达式(regular expression)描述了一种字符串匹配的模式(pattern),可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等;
Canny算子可以认为是Canny边缘检测算法可以分为以下5个步骤:
1)使用高斯滤波器,以平滑图像,滤除噪声。
2)计算图像中每个像素点的梯度强度和方向。
3)应用非极大值(Non-Maximum Suppression)抑制,以消除边缘检测带来的杂散响应。
4)应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘。
5)通过抑制孤立的弱边缘最终完成边缘检测。
有益效果:
本发明可以高效精准的获取电气专业配电系统图中所有的配电箱或配电系统图中子图区域,弥补了CAD图纸中识别住宅或住户配电箱系统图子图的技术空白,为后续开展住宅或住户配电箱系统图子图研究,审查等提供了坚实的基础。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (4)

1.CAD配电系统图中住户配电箱系统图子图的精准识别方法,其特征在于,包括如下步骤:
S1、对CAD配电系统图纸进行解析,获取文本信息、图元信息以及图层信息,并将CAD配电系统图纸转换成pdf或png图片;
S2、对转换成的pdf或png图片进行人工标记,标记所有的开关,包括单刀开关和双刀开关;
S3、将人工标记后的数据采用深度学习的分类算法进行分类模型训练;
S4、实用训练后的分类模型分类出所有的开关构件,包括单刀开关和双刀开关,并获取构件的位置信息;
S5、通过所有的文本信息,利用正则化匹配的方法,找到图框中代表住宅配电箱的文本,获取文本的内容及文本在图中坐标位置;
S6、通过所有的图层信息,获取到所有的电线构件;
S7、将所有获取到的电线构件和开关构件绘制到一张纯色背景到底图上;
S8、对绘制好的图像基于canny算子进行边缘检测,将轮廓分为两种每一种是面积在合理经验值中的合格轮廓,一种是不合格的轮廓,在对不合格的小轮廓进行外扩,与合格的大轮廓进行合并,最终获取到包含电线和开关构件的子图的最小bbox;
S9、基于轮廓的最小bbox判断是否与住宅电箱的文本的bbox相交;如果相交则为住宅或住户配电箱子图,否则不是住宅或住户配电箱子图,并判断住宅配电箱文本信息相对轮廓的bbox的位置,对轮廓的bbox进行调整,即完成包括轮廓的bbox和文本信息的最小bbox;
S10、得到最终的子图位置。
2.根据权利要求1所述的CAD配电系统图中住户配电箱系统图子图的精准识别方法,其特征在于,所述正则化匹配的方法的匹配格式采用“**住宅或住户/户内**配电箱/配电”的形式。
3.根据权利要求1所述的CAD配电系统图中住户配电箱系统图子图的精准识别方法,其特征在于,所述步骤S6中电线构件的图层名称包含有“"WIRE","电线","BUSW","照明布线","D线","DX"”关键字的图层。
4.根据权利要求1所述的CAD配电系统图中住户配电箱系统图子图的精准识别方法,其特征在于,所述深度学习的分类算法采用神经网络;所述分类模型采用mobilenet模型。
CN202110074757.5A 2021-01-20 2021-01-20 Cad配电系统图中住户配电箱系统图子图的精准识别方法 Active CN112883801B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110074757.5A CN112883801B (zh) 2021-01-20 2021-01-20 Cad配电系统图中住户配电箱系统图子图的精准识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110074757.5A CN112883801B (zh) 2021-01-20 2021-01-20 Cad配电系统图中住户配电箱系统图子图的精准识别方法

Publications (2)

Publication Number Publication Date
CN112883801A true CN112883801A (zh) 2021-06-01
CN112883801B CN112883801B (zh) 2024-05-24

Family

ID=76051388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110074757.5A Active CN112883801B (zh) 2021-01-20 2021-01-20 Cad配电系统图中住户配电箱系统图子图的精准识别方法

Country Status (1)

Country Link
CN (1) CN112883801B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113971708A (zh) * 2021-10-25 2022-01-25 上海品览数据科技有限公司 一种cad住宅强电配电干线系统图构件关系自动匹配及正交连线出图方法
CN114003991A (zh) * 2021-10-27 2022-02-01 上海品览数据科技有限公司 一种cad强电配电干线系统图自动出图方法
CN114444167A (zh) * 2021-12-23 2022-05-06 上海品览数据科技有限公司 一种cad电气图纸电气构件连接关系存储方法
CN115018832A (zh) * 2022-08-05 2022-09-06 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
CN115081159A (zh) * 2022-08-23 2022-09-20 合肥坤颐建筑科技合伙企业(有限合伙) 配电系统图生成方法、装置、设备及存储介质

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101882225A (zh) * 2009-12-29 2010-11-10 北京中科辅龙计算机技术股份有限公司 基于模板的工程图纸材料信息提取方法
US20130338970A1 (en) * 2012-06-14 2013-12-19 Joseph P. Reghetti Cradle to grave design and management of systems
CN104392482A (zh) * 2014-02-26 2015-03-04 国家电网公司 变电站工程项目三维算量模型生成系统及方法
CN105302930A (zh) * 2014-06-30 2016-02-03 上海神机软件有限公司 基于纵横梁的工程图纸识别系统及方法、排模系统及方法
CN206313397U (zh) * 2016-12-13 2017-07-07 上海市建工设计研究总院有限公司 预制装配钢结构住宅电缆电线敷设系统
CN206599075U (zh) * 2017-03-16 2017-10-31 国网浙江台州市路桥区供电公司 一种智能小区的配电网图纸管理存储装置
CN109299675A (zh) * 2018-09-07 2019-02-01 广州算易软件科技有限公司 一种基于电气图纸的配电箱识别方法和装置
CN110309807A (zh) * 2019-07-08 2019-10-08 西北工业大学 Cad图纸智能识别方法
CN110502984A (zh) * 2019-07-11 2019-11-26 万翼科技有限公司 图纸审查方法、装置、计算机设备和存储介质
US20200082168A1 (en) * 2018-09-11 2020-03-12 Pointivo, Inc. In data acquistion, processing, and output generation for use in analysis of one or a collection of physical assets of interest
CN110909650A (zh) * 2019-11-15 2020-03-24 清华大学 基于领域知识和目标检测的cad图纸识别方法和装置
CN111126212A (zh) * 2019-12-13 2020-05-08 广东施富电气实业有限公司 基于配电箱一次系统图的抠图识别方法、系统及存储介质
CN111160018A (zh) * 2019-12-13 2020-05-15 广东施富电气实业有限公司 电气图纸非元器件文本识别方法、系统及存储介质
CN111159453A (zh) * 2019-12-24 2020-05-15 清华大学 Cad图纸的标签与构件匹配方法和装置
CN111368757A (zh) * 2020-03-09 2020-07-03 广联达科技股份有限公司 面向机器学习的柱大样建筑图纸图层分类方法及系统
CN111460202A (zh) * 2020-04-01 2020-07-28 上海建工四建集团有限公司 电子工程图纸的标签确定方法、装置、存储介质及终端
CN111597334A (zh) * 2020-04-30 2020-08-28 陈韬文 电气图纸文本分类方法、系统、装置及介质
CN111782584A (zh) * 2020-06-15 2020-10-16 万翼科技有限公司 建筑图纸预处理系统、方法、电子设备及存储介质
CN111782583A (zh) * 2020-06-12 2020-10-16 万翼科技有限公司 智能审图方法及相关装置
CN112200095A (zh) * 2020-10-14 2021-01-08 广州大学 基于建筑图纸的电气开关自动识别方法
CN112989452A (zh) * 2021-01-20 2021-06-18 上海品览智造科技有限公司 一种cad给排水专业图中对构件引线标注文本的精准识别方法

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101882225A (zh) * 2009-12-29 2010-11-10 北京中科辅龙计算机技术股份有限公司 基于模板的工程图纸材料信息提取方法
US20130338970A1 (en) * 2012-06-14 2013-12-19 Joseph P. Reghetti Cradle to grave design and management of systems
CN104392482A (zh) * 2014-02-26 2015-03-04 国家电网公司 变电站工程项目三维算量模型生成系统及方法
CN105302930A (zh) * 2014-06-30 2016-02-03 上海神机软件有限公司 基于纵横梁的工程图纸识别系统及方法、排模系统及方法
CN206313397U (zh) * 2016-12-13 2017-07-07 上海市建工设计研究总院有限公司 预制装配钢结构住宅电缆电线敷设系统
CN206599075U (zh) * 2017-03-16 2017-10-31 国网浙江台州市路桥区供电公司 一种智能小区的配电网图纸管理存储装置
CN109299675A (zh) * 2018-09-07 2019-02-01 广州算易软件科技有限公司 一种基于电气图纸的配电箱识别方法和装置
US20200082168A1 (en) * 2018-09-11 2020-03-12 Pointivo, Inc. In data acquistion, processing, and output generation for use in analysis of one or a collection of physical assets of interest
CN110309807A (zh) * 2019-07-08 2019-10-08 西北工业大学 Cad图纸智能识别方法
CN110502984A (zh) * 2019-07-11 2019-11-26 万翼科技有限公司 图纸审查方法、装置、计算机设备和存储介质
CN110909650A (zh) * 2019-11-15 2020-03-24 清华大学 基于领域知识和目标检测的cad图纸识别方法和装置
CN111126212A (zh) * 2019-12-13 2020-05-08 广东施富电气实业有限公司 基于配电箱一次系统图的抠图识别方法、系统及存储介质
CN111160018A (zh) * 2019-12-13 2020-05-15 广东施富电气实业有限公司 电气图纸非元器件文本识别方法、系统及存储介质
CN111159453A (zh) * 2019-12-24 2020-05-15 清华大学 Cad图纸的标签与构件匹配方法和装置
CN111368757A (zh) * 2020-03-09 2020-07-03 广联达科技股份有限公司 面向机器学习的柱大样建筑图纸图层分类方法及系统
CN111460202A (zh) * 2020-04-01 2020-07-28 上海建工四建集团有限公司 电子工程图纸的标签确定方法、装置、存储介质及终端
CN111597334A (zh) * 2020-04-30 2020-08-28 陈韬文 电气图纸文本分类方法、系统、装置及介质
CN111782583A (zh) * 2020-06-12 2020-10-16 万翼科技有限公司 智能审图方法及相关装置
CN111782584A (zh) * 2020-06-15 2020-10-16 万翼科技有限公司 建筑图纸预处理系统、方法、电子设备及存储介质
CN112200095A (zh) * 2020-10-14 2021-01-08 广州大学 基于建筑图纸的电气开关自动识别方法
CN112989452A (zh) * 2021-01-20 2021-06-18 上海品览智造科技有限公司 一种cad给排水专业图中对构件引线标注文本的精准识别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
AKHTAR HUSSAIN等: "A standards-based approach for Auto-drawing single line diagram of multivendor smart distribution systems", INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS, pages 357 - 367 *
ELYAN, E 等: "Deep learning for symbols detection and classification in engineering drawings", NEURAL NETW, pages 91 *
XIAO-YAN PENG等: "Identification of the molecular subgroups in coronary artery disease by gene expression profiles", CELL PHYSIOL, 25 February 2019 (2019-02-25), pages 16540 - 16548, XP072622712, DOI: 10.1002/jcp.28324 *
严钰君: "基于CIM标准的配网工程CAD系统研究与实现", 中国硕士学位论文全文数据库 (工程科技Ⅱ辑), pages 042 - 3 *
马燕娜: "建筑电气供配电系统设计", 中国硕士学位论文全文数据库 (工程科技Ⅱ辑), no. 2018, pages 038 - 626 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113971708A (zh) * 2021-10-25 2022-01-25 上海品览数据科技有限公司 一种cad住宅强电配电干线系统图构件关系自动匹配及正交连线出图方法
CN113971708B (zh) * 2021-10-25 2024-04-19 上海品览数据科技有限公司 一种cad住宅强电配电干线系统图构件关系自动匹配及正交连线出图方法
CN114003991A (zh) * 2021-10-27 2022-02-01 上海品览数据科技有限公司 一种cad强电配电干线系统图自动出图方法
CN114003991B (zh) * 2021-10-27 2024-04-19 上海品览数据科技有限公司 一种cad强电配电干线系统图自动出图方法
CN114444167A (zh) * 2021-12-23 2022-05-06 上海品览数据科技有限公司 一种cad电气图纸电气构件连接关系存储方法
CN114444167B (zh) * 2021-12-23 2024-05-03 上海品览数据科技有限公司 一种cad电气图纸电气构件连接关系存储方法
CN115018832A (zh) * 2022-08-05 2022-09-06 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
CN115081159A (zh) * 2022-08-23 2022-09-20 合肥坤颐建筑科技合伙企业(有限合伙) 配电系统图生成方法、装置、设备及存储介质
CN115081159B (zh) * 2022-08-23 2023-02-28 合肥坤颐建筑科技合伙企业(有限合伙) 配电系统图生成方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112883801B (zh) 2024-05-24

Similar Documents

Publication Publication Date Title
CN112883801B (zh) Cad配电系统图中住户配电箱系统图子图的精准识别方法
CN111008597A (zh) Cad图纸的空间识别方法、装置、电子设备及存储介质
Sester Knowledge acquisition for the automatic interpretation of spatial data
Xiong et al. Automatic creation of semantically rich 3D building models from laser scanner data
CN112883798B (zh) 基于深度学习建筑专业住宅平面图空间内构件的识别方法
de las Heras et al. CVC-FP and SGT: a new database for structural floor plan analysis and its groundtruthing tool
Lu et al. Data-driven floor plan understanding in rural residential buildings via deep recognition
CN111383303A (zh) 一种自动生成住宅建筑平面的方法及装置
CN112989452B (zh) 一种cad给排水专业图中对构件引线标注文本的识别方法
CN111144325A (zh) 变电站电力设备的故障识别定位方法、装置及设备
CN109614488A (zh) 基于文本分类和图像识别的配网带电作业条件判别方法
CN113887508B (zh) 一种对建筑专业住宅平面图中公共走廊空间的中心线的精准识别方法
CN113449355A (zh) 一种基于人工智能的建筑户型图自动生成方法
CN111209864A (zh) 一种电力设备目标识别方法
Yang et al. Automated semantics and topology representation of residential-building space using floor-plan raster maps
CN113255499B (zh) 一种变电站电缆二次回路数字化自动建模方法
CN114937277B (zh) 基于图像的文本获取方法、装置、电子设备及存储介质
CN113971709B (zh) 一种cad电气施工平面图壁装构件自动绘制方法
CN112085636B (zh) 一种城市功能性收缩分析方法、装置及存储介质
CN114423125A (zh) 一种基于场景的环境灯控制方法及系统
CN110390718B (zh) 一种三维模型建立系统及建模方法
Tessema et al. Extraction of indoorgml model from an occupancy grid map constructed using 2d lidar
Yetiş Auto-conversion from2D drawing to 3D model with deep learning
CN114626167B (zh) 一种暖通专业采暖平面图中地暖的自动敷设方法
CN114494692A (zh) 一种cad图纸上的全体住宅空间精准分割的方法

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