CN113066153A - 管道流程图的生成方法、装置、设备及存储介质 - Google Patents
管道流程图的生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113066153A CN113066153A CN202110469352.1A CN202110469352A CN113066153A CN 113066153 A CN113066153 A CN 113066153A CN 202110469352 A CN202110469352 A CN 202110469352A CN 113066153 A CN113066153 A CN 113066153A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- image
- pixel points
- color
- determining
- 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 60
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 239000003086 colorant Substances 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种管道流程图的生成方法、装置、设备及存储介质,属于图像识别处理技术领域。管道流程图的生成方法,包括:获取管道图像,管道图像为图片格式的管道流程图,管道流程图上包括至少一种颜色的管道以及管道元件;根据管道图像的颜色确定每条管道在管道图像中的位置信息;根据各条管道在管道图像中的位置信息确定各条管道的管道特征信息,管道特征信息用于表征管道的位置和尺寸;根据管道特征信息生成对应的目标管道流程图。本申请可以节约人工绘制的时间和精力,提高管道流程图的绘制效率。
Description
技术领域
本申请涉及图像识别处理技术领域,具体而言,涉及一种管道流程图的生成方法、装置、设备及存储介质。
背景技术
在工业自动化领域的DCS(Distributed Control System,分散控制系统)中,因业务的扩大或者控制系统的寿命等原因,会经常有新项目或者更新改造项目的出现。在更新改造项目中,因为控制系统的更改或者应用最新版本的控制系统,通常需要绘制专用格式的管道流程图,其中,管道流程图用于标识实际管道的连接状况。
目前,在绘制管道流程图时,主要是基于图片格式的管道流程图,由工作人员基于相关软件进行手绘从而得到符合DCS系统的要求的专用格式的管道流程图。
然而,采用人工绘制相对比较耗时耗力,导致管道流程图的绘制效率低下。
发明内容
本申请的目的在于提供一种管道流程图的生成方法、装置、设备及存储介质,可以节约人工绘制的时间和精力,提高管道流程图的绘制效率。
本申请的实施例是这样实现的:
本申请实施例的一方面,提供一种管道流程图的生成方法,包括:
获取管道图像,管道图像为图片格式的管道流程图,管道流程图上包括至少一种颜色的管道以及管道元件;
根据管道图像的颜色确定每条管道在管道图像中的位置信息;
根据各条管道在管道图像中的位置信息确定各条管道的管道特征信息,管道特征信息用于表征管道的位置和尺寸;
根据管道特征信息生成对应的目标管道流程图。
可选地,根据管道图像的颜色确定每条管道在管道图像中的位置信息,包括:
通过机器学习算法识别管道图像的颜色;
基于识别的颜色以及预设的颜色条件提取属于一条管道的多个管道像素点的位置坐标;
根据多个管道像素点的位置坐标确定管道的位置信息。
可选地,根据多个管道像素点的位置坐标确定管道的位置信息,包括:
根据多个管道像素点的位置坐标,确定连续的多个管道像素点中的多个边缘像素点;
使用多个边缘像素点在管道图像中的坐标,作为一条管道的位置信息。
可选地,基于识别的颜色以及预设的颜色条件提取属于一条管道的多个管道像素点的位置坐标,包括:
获取管道图像中每个像素点的颜色;
将颜色满足阈值区间的连续像素点作为待选择像素点,其中,连续像素点为颜色相同且坐标连续的像素点,或者为颜色相同且坐标差异小于预设值的像素点;
将待选择像素点作为属于一条管道的多个管道像素点,并提取多个管道像素点的位置坐标。
可选地,获取管道图像中每个像素点的颜色,包括:
采用聚类算法确定管道图像中的每个类别的像素点,类别为不同的颜色类别。
可选地,根据各条管道在管道图像中的位置信息确定各条管道的管道特征信息,包括:
基于各条管道在管道图像中的位置信息,确定各条管道所包含的像素点的行数及列数;
根据各条管道所包含的像素点的行数及列数,确定各条管道的长度和宽度;
将管道的长度、宽度以及管道的位置信息,作为管道的管道特征信息。
可选地,根据管道特征信息生成对应的目标管道流程图,包括:
按照预设格式将管道特征信息进行存储;
将存储的管道特征信息导入预设接口生成对应的目标管道流程图。
本申请实施例的另一方面,提供一种管道流程图的生成装置,包括:获取模块、位置确定模块、特征确定模块、生成模块;
获取模块,用于获取管道图像,管道图像为图片格式的管道流程图,管道流程图上包括至少一种颜色的管道以及管道元件;
位置确定模块,用于根据管道图像的颜色确定每条管道在管道图像中的位置信息;
特征确定模块,用于根据各条管道在管道图像中的位置信息确定各条管道的管道特征信息,管道特征信息用于表征管道的位置和尺寸;
生成模块,用于根据管道特征信息生成对应的目标管道流程图。
可选地,位置确定模块,具体用于通过机器学习算法识别管道图像的颜色;基于识别的颜色以及预设的颜色条件提取属于一条管道的多个管道像素点的位置坐标;根据多个管道像素点的位置坐标确定管道的位置信息。
可选地,位置确定模块,具体用于根据多个管道像素点的位置坐标,确定连续的多个管道像素点中的多个边缘像素点;使用多个边缘像素点在管道图像中的坐标,作为一条管道的位置信息。
可选地,位置确定模块,具体用于获取管道图像中每个像素点的颜色;将颜色满足阈值区间的连续像素点作为待选择像素点,其中,连续像素点为颜色相同且坐标连续的像素点,或者为颜色相同且坐标差异小于预设值的像素点;将待选择像素点作为属于一条管道的多个管道像素点,并提取多个管道像素点的位置坐标。
可选地,位置确定模块,具体用于采用聚类算法确定管道图像中的每个类别的像素点,类别为不同的颜色类别。
可选地,特征确定模块,具体用于基于各条管道在管道图像中的位置信息,确定各条管道所包含的像素点的行数及列数;根据各条管道所包含的像素点的行数及列数,确定各条管道的长度和宽度;将管道的长度、宽度以及管道的位置信息,作为管道的管道特征信息。
可选地,生成模块,具体用于按照预设格式将管道特征信息进行存储;将存储的管道特征信息导入预设接口生成对应的目标管道流程图。
本申请实施例的另一方面,提供一种计算机设备,包括:存储器、处理器,存储器中存储有可在处理器上运行的计算机程序,处理器执行计算机程序时,实现上述管道流程图的生成方法的步骤。
本申请实施例的另一方面,提供一种计算机可读存储介质,存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现上述管道流程图的生成方法的步骤。
本申请实施例的有益效果包括:
本申请实施例提供的一种管道流程图的生成方法、装置、设备及存储介质中,可以获取管道图像,管道图像为图片格式的管道流程图,管道流程图上包括至少一种颜色的管道以及管道元件;根据管道图像的颜色确定每条管道在管道图像中的位置信息;根据各条管道在管道图像中的位置信息确定各条管道的管道特征信息,管道特征信息用于表征管道的位置和尺寸;根据管道特征信息生成对应的目标管道流程图。其中,可以由计算机绘制软件基于这些管道特征信息自动进行绘制,进而生成对应的目标管道流程图,无需工作人员人为绘制,节约了人工绘制所需的时间和精力;并且,通过该方法进行计算机绘制也可以提高管道流程图的绘制效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的管道流程图的生成方法的流程示意图一;
图2为本申请实施例提供的管道流程图的生成方法的流程示意图二;
图3为本申请实施例提供的管道流程图的生成方法的流程示意图三;
图4为本申请实施例提供的管道流程图的生成方法的流程示意图四;
图5为本申请实施例提供的管道流程图的生成方法的流程示意图五;
图6为本申请实施例提供的管道流程图的生成方法的流程示意图六;
图7为本申请实施例提供的管道图像的示意图;
图8为本申请实施例提供的目标管道流程图的示意图;
图9为本申请实施例提供的管道流程图的生成装置的结构示意图;
图10为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要说明的是,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本申请实施例提供的管道流程图的生成方法的执行主体可以是计算机设备,其中,计算机设备可以是电脑、手机、平板电脑等电子设备,在此不作限制,具体可以是设置于计算机设备中的应用软件。
下面来具体解释本申请实施例中提供的管道流程图的生成方法的具体实施过程。
图1为本申请实施例提供的管道流程图的生成方法的流程示意图一,请参照图1,管道流程图的生成方法,包括:
S110:获取管道图像。
其中,管道图像为图片格式的管道流程图,管道流程图上包括至少一种颜色的管道以及管道元件。
可选地,管道可以是工程上的油气管道、电气管道等任意类型的管道,在此不作限制,管道元件可以是与管道连接的器件,例如:管道控制装置、管道数据显示装置等。管道流程图上可以用于展示这些管道和管道元件之间的连接关系以及平面位置关系。
可选地,管道图像为图片格式的管道流程图,例如:JPG、PNG等格式的管道流程图,管道图像可以是用户输入至计算机设备中,或者通过其他电子设备发送至计算机设备中的图片,在此不作限制。
S120:根据管道图像的颜色确定每条管道在管道图像中的位置信息。
可选地,管道图像上包括有多种颜色,例如:管道的颜色、管道元件的颜色以及背景颜色等,可以根据管道图像中管道的颜色确定每条管道在管道图像中的位置信息。
可选地,管道的颜色可以包括一种,也可以包括多种。若为一种颜色,则获取这一种颜色的所有管道的位置信息;若为多种颜色,则可以获取每种颜色的管道的位置信息。
其中,位置信息具体可以是每条管道在管道图像中的具体位置,可以采用坐标的形式来表示。
S130:根据各条管道在管道图像中的位置信息确定各条管道的管道特征信息。
其中,管道特征信息用于表征管道的位置和尺寸。
可选地,管道特征信息可以是每条管道的具体位置以及该管道的相关尺寸,其中,一条管道可以是管道图像中的一个矩形图像,横向管道的长度较大,宽度较小;纵向管道的宽度较大,长度较小。一条管道的管道特征信息可以是该管道在管道图像中显示的矩形图像的具体位置以及具体尺寸,其中,具体位置可以用坐标来表示,具体尺寸可以用像素数量来表示。
可选地,确定了管道图像中每条管道的位置信息后,可以对每条管道的管道特征信息进行提取。
S140:根据管道特征信息生成对应的目标管道流程图。
可选地,可以将管道特征信息输入至计算机设备中的相关绘制软件,该绘制软件可以基于管道特征信息进行自动绘制,从而生成对应的目标管道流程图。
其中,目标管道流程图可以是预设格式的管道流程图,该预设格式具体可以根据采用绘制软件的类型进行设置,通常为可编辑的管道流程图,不同于获取的图片格式的管道图像,用户可以目标管道流程图进行相关工业流程的计算处理等工作,在此不作限制。
本申请实施例提供的一种管道流程图的生成方法中,可以获取管道图像,管道图像为图片格式的管道流程图,管道流程图上包括不同颜色的管道以及管道元件;根据管道图像的颜色确定每条管道在管道图像中的位置信息;根据各条管道在管道图像中的位置信息确定各条管道的管道特征信息,管道特征信息用于表征管道的位置和尺寸;根据管道特征信息生成对应的目标管道流程图。其中,可以由计算机绘制软件基于这些管道特征信息自动进行绘制,进而生成对应的目标管道流程图,无需工作人员人为绘制,节约了人工绘制所需的时间和精力;并且,通过该方法进行计算机绘制也可以提高管道流程图的绘制效率。
下面来解释本申请实施例中提供的管道流程图的生成方法的另一具体实施过程。
图2为本申请实施例提供的管道流程图的生成方法的流程示意图二,请参照图2,根据管道图像的颜色确定每条管道在管道图像中的位置信息,包括:
S210:通过机器学习算法识别管道图像的颜色。
可选地,可以采用机器学习算法(例如:无监督学习算法)对管道图像的颜色进行识别,进而获取该管道图像中的颜色。其中,管道图像的颜色并不为一种,可以通过像素点的形式来表示管道图像的颜色,例如:该管道图像中的某一些像素点为第一颜色、另一些像素点为第二颜色等。
S220:基于识别的颜色以及预设的颜色条件提取属于一条管道的多个管道像素点的位置坐标。
可选地,确定整个管道图像中的颜色之后,可以基于这些识别到的颜色以及预设的颜色提取条件确定每条管道。其中,预设的颜色条件可以是用户预设的条件,例如,用户将管道图像中的黄色像素点定义为管道像素点,则预设的颜色条件可以是颜色阈值处于黄色的区间内的颜色。
可选地,采用上述方法确定每条管道的颜色之后,可以确定管道图像中的每条管道,进而可以获取每条管道点的管道像素点的位置坐标,其中,管道像素点指的是管道图像中属于管道部分的像素点,管道像素点的位置坐标即为该像素点在管道图像中的位置坐标点,具体可以采用二维坐标(x,y)的形式来表示,其中,x可以该像素点的横坐标,y可以是该像素点的纵坐标。
S230:根据多个管道像素点的位置坐标确定管道的位置信息。
可选地,获取每条管道上的多个管道像素点的位置坐标之后,可以基于这些位置坐标来确定每条管道的位置信息,每条管道的位置信息具体也可以采用坐标点形式来表示,例如:A管道的范围是该管道的某一像素点坐标到另一像素点坐标之间。
下面来解释本申请实施例中提供的管道流程图的生成方法的又一具体实施过程。
图3为本申请实施例提供的管道流程图的生成方法的流程示意图三,请参照图3,根据多个管道像素点的位置坐标确定管道的位置信息,包括:
S310:根据多个管道像素点的位置坐标,确定连续的多个管道像素点中的多个边缘像素点。
可选地,获取多个管道像素点的位置坐标后,可以基于这些位置坐标来确定这些连续管道像素点所对应的管道的边缘像素点,其中,边缘像素点具体可以是该管道所对应的矩形形状的顶点的像素点。
其中,顶点的像素点可以选择矩形的三个或者四个顶点来表示,或者也可以采用矩形对角线上的两个顶点来表示。
S320:使用多个边缘像素点在管道图像中的坐标,作为一条管道的位置信息。
可选地,可以获取上述确定的边缘像素点的坐标,采用这些坐标来表示其中一条管道的位置信息。
例如:若B管道所对应的矩形的两个边缘像素点为(x1,y1)和(x2,y2),则可以用(x1,y1)和(x2,y2)来表征B管道的位置信息。
需要说明的是,上述采用两个边缘像素点来表示一条管道的位置信息仅为一种示例,在实际使用过程中,也可以采用三个、四个,或者更多的边缘像素点来表示一条管道的位置信息,在此不作限制。
下面来解释本申请实施例中提供的管道流程图的生成方法的再一具体实施过程。
图4为本申请实施例提供的管道流程图的生成方法的流程示意图四,请参照图4,基于识别的颜色以及预设的颜色条件提取属于一条管道的多个管道像素点的位置坐标,包括:
S410:获取管道图像中每个像素点的颜色。
可选地,确定管道图像的颜色之后,相应可以确定管道图像中的每个像素点的颜色,获取管道图像中每个像素点的颜色。
S420:将颜色满足阈值区间的连续像素点作为待选择像素点。
其中,连续像素点为颜色相同且坐标连续的像素点,或者为颜色相同且坐标差异小于预设值的像素点。
可选地,颜色相同可以是颜色满足阈值区间的像素点,例如:颜色阈值在预设阈值范围内像素点,则可以确定这些像素点的颜色相同。坐标差异可以是例如(100,23)和(100,25)均为相同颜色,而(100,24)颜色不同,若设置坐标差异的预设值为1个像素点,则可以认为(100,23)和(100,25)是连续像素点。
可选地,可以将上述颜色满足阈值区间的连续像素点作为待选择像素点。
S430:将待选择像素点作为属于一条管道的多个管道像素点,并提取多个管道像素点的位置坐标。
可选地,确定待选择像素点之后,可以将所有的待选择像素点所组成的矩形形状作为一条管道,而这些待选择像素点也即是该管道中的多个管道像素点。确定多个管道像素点后,可以提取这些管道像素点的位置坐标。
可选地,获取管道图像中每个像素点的颜色,包括:
采用聚类算法确定管道图像中的每个类别的像素点。
其中,类别为不同的颜色类别。
可选地,聚类算法在具体实施中可以是将图片颜色定义为特征,并利用机器学习聚类算法将图片中的颜色分成不同种类。先选择要提取的颜色种类数,则算法将颜色种类数定义为初始聚类中心数。遍历图片,通过颜色属性,算法会将离不同聚类中心颜色接近的像素点聚为一类。每次迭代,聚类算法会重新计算颜色聚类中心,使不同颜色聚成一类更准确。经过多次迭代,通过颜色属性聚类算法会将颜色较完整的分类。
下面来解释本申请实施例中提供的管道流程图的生成方法的还一具体实施过程。
图5为本申请实施例提供的管道流程图的生成方法的流程示意图五,请参照图5,根据各条管道在管道图像中的位置信息确定各条管道的管道特征信息,包括:
S510:基于各条管道在管道图像中的位置信息,确定各条管道所包含的像素点的行数及列数。
可选地,确定了每条管道的位置信息后,可以根据每条管道在管道图像的位置信息,确定每条管道的像素点的行数和列数,行数即为该管道的纵向宽度,列数即为该管道的横向宽度,例如:对于横向管道,其行数较少(例如可以为1),列数较多;对于纵向管道,其行数较多,列数较少(例如可以为1)。
S520:根据各条管道所包含的像素点的行数及列数,确定各条管道的长度和宽度。
可选地,行数和列数具体也可以通过坐标来表示,例如:行数可以由竖直方向的最大值坐标点减去最小值坐标点得到,列数可以由水平方向的最大值坐标点减去最小值坐标点得到。
示例地,对于单条管道,一个像素点有坐标(x,y)信息。通过数据运算,提取相同y坐标的像素点,在这些像素点中找出最大的x坐标和最小的x坐标并相减,就得到水平方向管道的长度。通过找出有最小x点的像素点,这些像素点中找出最大y坐标和最小y坐标并相减得到对应管道的宽度。竖直方向的管道长度、宽度提取方法相同,通过相同的x坐标提取像素点并通过y坐标提取管道的长度,利用有相同最小y坐标的像素点,通过其x坐标提取管道的宽度。
可选地,获取行数和列数后,可以确定每条管道的长度和宽度。
S530:将管道的长度、宽度以及管道的位置信息,作为管道的管道特征信息。
可选地,获取了管道的长度和宽度后,可以将前述管道的位置信息以及管道的长度、宽度作为管道的管道特征信息。
下面来具体解释本申请实施例中根据管道特征信息生成对应的目标管道流程图的具体实施过程。
图6为本申请实施例提供的管道流程图的生成方法的流程示意图六,请参照图6,根据管道特征信息生成对应的目标管道流程图,包括:
S610:按照预设格式将管道特征信息进行存储。
可选地,预设的格式可以是计算机设备中采用的绘制软件的可编辑格式,例如:csv格式的文件,可以将上述管道特征信息以该格式进行存储。
可选地,在进行存储之前,由于图片的像素及分辨率等原因,图片的质量不一样。导致提取不同管道的长度、宽度以及位置信息后,会出现管道之间没有衔接上的问题,需要对提取的管道特征信息进行优化处理,具体过程如下:
提取出管道长度、宽度后,水平管道有起点(管道x坐标最小值)、终点(管道x坐标最大值),管道y坐标信息。竖直管道有起点(管道y坐标最小值)、终点(管道y坐标最大值),管道x坐标信息。优化的方法是用水平管道的x坐标去和所有竖直管道的x相比较,若两者差的绝对值大于一个阈值(阈值按照具体情况定义,可以是几个像素或者几十个像素),则判断为没较好衔接,将竖直管道的x值赋值给水平管道的x。用竖直管道的y坐标去和所有水平管道的y相比较,若两者差的绝对值大于一个阈值,则判断为没较好衔接,将水平管道的y值赋值给竖直管道的y,以上就完成管道之间的衔接处自动适应,达到管道之间较好衔接的目的。
相应地,可以将进行上述优化处理后的管道特征信息进行存储。
S620:将存储的管道特征信息导入预设接口生成对应的目标管道流程图。
可选地,计算机设备中可以设置有DCS流程图软件接口,该接口即为上述预设接口,将将存储的管道特征信息导入预设接口之后,可以通过计算机设备中的相关软件进行绘制处理,生成对应的目标管道流程图。
图7为本申请实施例提供的管道图像的示意图,请参照图7,图7中的横线与竖线即为管道,矩形方块即为管道元件。图8为本申请实施例提供的目标管道流程图的示意图,请结合参照图7和图8。
图8中即为图7中的管道图像采用上述管道流程图生成方法后得到的目标管道流程图。
可选地,图8中的目标管道流程图中只包括管道而不包括管道元件,图7所示的管道图像为图片格式的图像,图8中所示的目标管道流程图为预设的可编辑格式的工程文件。
下述对用以执行的本申请所提供的管道流程图的生成方法对应的装置、设备及存储介质等进行说明,其具体的实现过程以及技术效果参见上述,下述不再赘述。
图9为本申请实施例提供的管道流程图的生成装置的结构示意图,请参照图9,管道流程图的生成装置,包括:获取模块910、位置确定模块920、特征确定模块930、生成模块940;
获取模块910,用于获取管道图像,管道图像为图片格式的管道流程图,管道流程图上包括至少一种颜色的管道以及管道元件;
位置确定模块920,用于根据管道图像的颜色确定每条管道在管道图像中的位置信息;
特征确定模块930,用于根据各条管道在管道图像中的位置信息确定各条管道的管道特征信息,管道特征信息用于表征管道的位置和尺寸;
生成模块940,用于根据管道特征信息生成对应的目标管道流程图。
可选地,位置确定模块920,具体用于通过机器学习算法识别管道图像的颜色;基于识别的颜色以及预设的颜色条件提取属于一条管道的多个管道像素点的位置坐标;根据多个管道像素点的位置坐标确定管道的位置信息。
可选地,位置确定模块920,具体用于根据多个管道像素点的位置坐标,确定连续的多个管道像素点中的多个边缘像素点;使用多个边缘像素点在管道图像中的坐标,作为一条管道的位置信息。
可选地,位置确定模块920,具体用于获取管道图像中每个像素点的颜色;将颜色满足阈值区间的连续像素点作为待选择像素点,其中,连续像素点为颜色相同且坐标连续的像素点,或者为颜色相同且坐标差异小于预设值的像素点;将待选择像素点作为属于一条管道的多个管道像素点,并提取多个管道像素点的位置坐标。
可选地,位置确定模块920,具体用于采用聚类算法确定管道图像中的每个类别的像素点,类别为不同的颜色类别。
可选地,特征确定模块930,具体用于基于各条管道在管道图像中的位置信息,确定各条管道所包含的像素点的行数及列数;根据各条管道所包含的像素点的行数及列数,确定各条管道的长度和宽度;将管道的长度、宽度以及管道的位置信息,作为管道的管道特征信息。
可选地,生成模块940,具体用于按照预设格式将管道特征信息进行存储;将存储的管道特征信息导入预设接口生成对应的目标管道流程图。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图10为本申请实施例提供的计算机设备的结构示意图,请参照图10,计算机设备,包括:存储器100、处理器200,存储器100中存储有可在处理器200上运行的计算机程序,处理器200执行计算机程序时,实现上述管道流程图的生成方法的步骤。
本申请实施例的另一方面,还提供一种计算机可读存储介质,存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现上述管道流程图的生成方法的步骤。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
上仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种管道流程图的生成方法,其特征在于,包括:
获取管道图像,所述管道图像为图片格式的管道流程图,所述管道流程图上包括至少一种颜色的管道以及管道元件;
根据所述管道图像的颜色确定每条管道在所述管道图像中的位置信息;
根据各条管道在管道图像中的位置信息确定各条管道的管道特征信息,所述管道特征信息用于表征管道的位置和尺寸;
根据所述管道特征信息生成对应的目标管道流程图。
2.如权利要求1所述的方法,其特征在于,所述根据所述管道图像的颜色确定每条管道在所述管道图像中的位置信息,包括:
通过机器学习算法识别所述管道图像的颜色;
基于识别的颜色以及预设的颜色条件提取属于一条管道的多个管道像素点的位置坐标;
根据所述多个管道像素点的位置坐标确定所述管道的位置信息。
3.如权利要求2所述的方法,其特征在于,所述根据所述多个管道像素点的位置坐标确定所述管道的位置信息,包括:
根据所述多个管道像素点的位置坐标,确定连续的多个管道像素点中的多个边缘像素点;
使用所述多个边缘像素点在所述管道图像中的坐标,作为一条管道的位置信息。
4.如权利要求2所述的方法,其特征在于,所述基于识别的颜色以及预设的颜色条件提取属于一条管道的多个管道像素点的位置坐标,包括:
获取所述管道图像中每个像素点的颜色;
将颜色满足阈值区间的连续像素点作为待选择像素点,其中,所述连续像素点为颜色相同且坐标连续的像素点,或者为颜色相同且坐标差异小于预设值的像素点;
将所述待选择像素点作为所述属于一条管道的多个管道像素点,并提取所述多个管道像素点的位置坐标。
5.如权利要求4所述的方法,其特征在于,所述获取所述管道图像中每个像素点的颜色,包括:
采用聚类算法确定所述管道图像中的每个类别的像素点,所述类别为不同的颜色类别。
6.如权利要求1所述的方法,其特征在于,所述根据各条管道在管道图像中的位置信息确定各条管道的管道特征信息,包括:
基于各条管道在管道图像中的位置信息,确定各条管道所包含的像素点的行数及列数;
根据各条管道所包含的像素点的行数及列数,确定各条管道的长度和宽度;
将所述管道的长度、宽度以及管道的位置信息,作为所述管道的管道特征信息。
7.如权利要求1所述的方法,其特征在于,所述根据所述管道特征信息生成对应的目标管道流程图,包括:
按照预设格式将所述管道特征信息进行存储;
将存储的所述管道特征信息导入预设接口生成对应的目标管道流程图。
8.一种管道流程图的生成装置,其特征在于,包括:获取模块、位置确定模块、特征确定模块、生成模块;
所述获取模块,用于获取管道图像,所述管道图像为图片格式的管道流程图,所述管道流程图上包括至少一种颜色的管道以及管道元件;
所述位置确定模块,用于根据所述管道图像的颜色确定每条管道在所述管道图像中的位置信息;
所述特征确定模块,用于根据各条管道在管道图像中的位置信息确定各条管道的管道特征信息,所述管道特征信息用于表征管道的位置和尺寸;
所述生成模块,用于根据所述管道特征信息生成对应的目标管道流程图。
9.一种计算机设备,其特征在于,包括:存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110469352.1A CN113066153B (zh) | 2021-04-28 | 2021-04-28 | 管道流程图的生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110469352.1A CN113066153B (zh) | 2021-04-28 | 2021-04-28 | 管道流程图的生成方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113066153A true CN113066153A (zh) | 2021-07-02 |
CN113066153B CN113066153B (zh) | 2023-03-31 |
Family
ID=76567835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110469352.1A Active CN113066153B (zh) | 2021-04-28 | 2021-04-28 | 管道流程图的生成方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113066153B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130076763A1 (en) * | 2010-06-08 | 2013-03-28 | Dolby Laboratories Licensing Corporation | Tone and Gamut Mapping Methods and Apparatus |
CN108318506A (zh) * | 2018-01-23 | 2018-07-24 | 深圳大学 | 一种管道智能检测方法及检测系统 |
CN109684900A (zh) * | 2017-10-18 | 2019-04-26 | 百度在线网络技术(北京)有限公司 | 用于输出颜色信息的方法和装置 |
CN109960959A (zh) * | 2017-12-14 | 2019-07-02 | 百度在线网络技术(北京)有限公司 | 用于处理图像的方法和装置 |
US20190318175A1 (en) * | 2018-04-16 | 2019-10-17 | Aptiv Technologies Limited | Street marking color recognition |
CN112070857A (zh) * | 2020-08-17 | 2020-12-11 | 广州市自来水有限公司 | 基于表格编辑软件展示顶管工程完成情况的图 |
CN112131694A (zh) * | 2020-09-27 | 2020-12-25 | 北京航空航天大学 | 一种面向管道网络法的涡轮叶片流体网络可视化方法 |
US20210042168A1 (en) * | 2018-01-29 | 2021-02-11 | Kinaxis Inc. | Method and system for flexible pipeline generation |
CN112434582A (zh) * | 2020-11-14 | 2021-03-02 | 武汉中海庭数据技术有限公司 | 一种车道线颜色识别方法、系统、电子设备及存储介质 |
CN112596786A (zh) * | 2020-12-22 | 2021-04-02 | 浙江中控技术股份有限公司 | Hmi流程图的生成方法及装置、存储介质及电子设备 |
-
2021
- 2021-04-28 CN CN202110469352.1A patent/CN113066153B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130076763A1 (en) * | 2010-06-08 | 2013-03-28 | Dolby Laboratories Licensing Corporation | Tone and Gamut Mapping Methods and Apparatus |
CN109684900A (zh) * | 2017-10-18 | 2019-04-26 | 百度在线网络技术(北京)有限公司 | 用于输出颜色信息的方法和装置 |
CN109960959A (zh) * | 2017-12-14 | 2019-07-02 | 百度在线网络技术(北京)有限公司 | 用于处理图像的方法和装置 |
CN108318506A (zh) * | 2018-01-23 | 2018-07-24 | 深圳大学 | 一种管道智能检测方法及检测系统 |
US20210042168A1 (en) * | 2018-01-29 | 2021-02-11 | Kinaxis Inc. | Method and system for flexible pipeline generation |
US20190318175A1 (en) * | 2018-04-16 | 2019-10-17 | Aptiv Technologies Limited | Street marking color recognition |
CN112070857A (zh) * | 2020-08-17 | 2020-12-11 | 广州市自来水有限公司 | 基于表格编辑软件展示顶管工程完成情况的图 |
CN112131694A (zh) * | 2020-09-27 | 2020-12-25 | 北京航空航天大学 | 一种面向管道网络法的涡轮叶片流体网络可视化方法 |
CN112434582A (zh) * | 2020-11-14 | 2021-03-02 | 武汉中海庭数据技术有限公司 | 一种车道线颜色识别方法、系统、电子设备及存储介质 |
CN112596786A (zh) * | 2020-12-22 | 2021-04-02 | 浙江中控技术股份有限公司 | Hmi流程图的生成方法及装置、存储介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
闫亚敏等: "通用成品油管道调度模型建立及求解", 《油气储运》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113066153B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6705912B2 (ja) | 画像内の文字領域を認識するための方法及び装置 | |
US9697423B1 (en) | Identifying the lines of a table | |
CN111275730A (zh) | 地图区域的确定方法、装置、设备及存储介质 | |
CN111427988B (zh) | 一种生成区域分级渲染图的方法、系统及电子设备 | |
CN113362420A (zh) | 道路标注生成方法、装置、设备以及存储介质 | |
CN107122104B (zh) | 数据显示方法及装置 | |
CN115578486A (zh) | 图像生成方法、装置、电子设备和存储介质 | |
CN113837194B (zh) | 图像处理方法、图像处理装置、电子设备以及存储介质 | |
CN114758034A (zh) | 地图生成方法、装置、计算机可读存储介质及电子设备 | |
CN109683858B (zh) | 数据处理方法及装置 | |
CN111832906B (zh) | Cad图纸复杂度评估方法及装置 | |
CN113066153B (zh) | 管道流程图的生成方法、装置、设备及存储介质 | |
CN109461198B (zh) | 网格模型的处理方法及装置 | |
EP3410389A1 (en) | Image processing method and device | |
CN113627526B (zh) | 车辆标识的识别方法、装置、电子设备和介质 | |
WO2017114455A1 (zh) | 一种基于图的数据处理方法和系统 | |
CN110019984B (zh) | 空间索引建立方法、装置、电子设备及可读存储介质 | |
CN114445682A (zh) | 训练模型的方法、装置、电子设备、存储介质及产品 | |
CN110795491B (zh) | 一种结构参数信息可视化方法 | |
CN103092818A (zh) | 报表的缩略图生成系统和缩略图生成方法 | |
JP2019105870A (ja) | 判別プログラム、判別方法および判別装置 | |
CN114117077B (zh) | 运维知识图谱构建及运维的方法、装置及计算机设备、存储介质 | |
CN116663338B (zh) | 一种基于相似算例的仿真分析方法、装置、设备及介质 | |
CN112801030B (zh) | 一种目标文本区域的定位方法及装置 | |
CN110032718B (zh) | 一种表格转换方法、系统和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 310053 No. 309 Liuhe Road, Binjiang District, Hangzhou City, Zhejiang Province Patentee after: Zhongkong Technology Co.,Ltd. Country or region after: China Address before: 309 Liuhe Road, Binjiang District, Hangzhou, Zhejiang 310000 Patentee before: ZHEJIANG SUPCON TECHNOLOGY Co.,Ltd. Country or region before: China |