CN114565930A - 一种基于形态学处理的电气厂站接线图纸母线识别方法 - Google Patents
一种基于形态学处理的电气厂站接线图纸母线识别方法 Download PDFInfo
- Publication number
- CN114565930A CN114565930A CN202210167535.2A CN202210167535A CN114565930A CN 114565930 A CN114565930 A CN 114565930A CN 202210167535 A CN202210167535 A CN 202210167535A CN 114565930 A CN114565930 A CN 114565930A
- Authority
- CN
- China
- Prior art keywords
- bus
- area
- lines
- line
- transverse
- 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 16
- 230000000877 morphologic effect Effects 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 title claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000010586 diagram Methods 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims description 7
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体的是一种基于形态学处理的电气厂站接线图纸母线识别方法,识别方法包括:将电气厂站接线图以母线区域为核心进行分割;提取分割图中的符合母线特征的横线和竖线;分析母线的结构特征和位置特征,将母线按照方向和形状分类以判断是否需要二次识别;根据分类结果识别母线以及内部描述元素,得到分割图母线的位置信息描述文件。本发明通过基于形态学的图像识别技术,并与目标检测技术相结合,实现了更加智能、快速且准确的电气厂站接线图母线检测,可以直接处理PDF等文件格式的电力图纸数据,解决了人工录入xml信息、效率低下等问题,降低了人工成本,消除了人工效率低且出错多的缺陷。
Description
技术领域
本发明涉及图像处理技术领域,具体的是一种基于形态学处理的电气厂站接线图纸母线识别方法。
背景技术
电力系统施工验收和运检环节面临复杂的厂站接线环节,受限于数字化模型文件的缺失,长期停留在图纸资料查询、功能试验验证等传统方法上,开展可视化、移动化智能作业困难重重,厂站接线图作为电力系统中的关键数据,是电力系统调度工作的基础。
传统的厂站接线图绘制与维护工作主要依靠电力调度人员的工作经验来完成,这种工作方式不仅增加了电网系统发生安全事故的风险,而且给厂站接线图的维护工作带来了高昂的人工成本。其中母线的识别是厂站接线图拓扑关系检测所需的核心数据,有助于实现图纸识别的数字化、自动化和智能化,从而应用到实际电力生产运维中。
发明内容
为解决上述背景技术中提到的不足,本发明的目的在于提供一种基于形态学处理的电气厂站接线图纸母线识别方法。
本发明的目的可以通过以下技术方案实现:
一种基于形态学处理的电气厂站接线图纸母线识别方法,包括以下步骤:
S1、对厂站接线图纸PDF数据统一以300dpi的精度转换为JPG图像,并对转化后的图像进行标准化预处理;
S2、使用YoloV5目标检测算法对厂站接线图进行关键区域分割后得到母线图元区域、变压器区域和留白区域,保证母线图元区域中仅有一条母线或者双母线;
S3、根据母线形态特征即长度、宽度、面积信息分别提取母线图元区域分割图中相应横线和竖线,同时覆盖一次识别结果并进行二次提取判断是否为双母线;
S4、根据母线识别结果得到分割图母线的位置信息描述文件。
进一步地,所述S1中预处理的方法为:
判断图片像素是否大于6800×6800,如果是则剪裁掉图片中无关白色区域外框使检测区域更加集中,反之则保持不变;
进一步判断图片的最长边像素是否大于5120,如果是则在保持图像原始比例下放缩图片至长边5120像素大小,反之则保持不变;
进一步对图片进行标准化、随机旋转与水平镜像翻转、随机亮度与对比度变换、随机裁剪,最终训练集图片统一剪裁至1280×1280大小。
进一步地,所述S3的具体步骤为:
S3.1、创建自定义水平内核并在水平轴上提取分割图中所有横线;
S3.2、对分割图进行先膨胀后腐蚀的闭运算填充由母线内部元素而导致断裂的部分;
S3.3、对分割图采用先腐蚀后膨胀的开运算和中值滤波手段过滤细小线段和噪声部分;
S3.4、对处理后得到的图像进行轮廓线检测;
S3.5、遍历母线检测结果的坐标、长度与面积,记录最大面积横线矩形框;
S3.6、将横线的长度与面积进行排序,如果两条面积相近的横线满足以下条件,则将这两条横线合并为一条水平粗横线并记录其坐标与长宽属性,否则即记录下面积最大的横线属性信息:
其中L1、L2为两条面积相近的直线;Dis为两条直线的距离;H1为第一条直线的宽度;
S3.7、创建自定义垂直内核并在竖直轴上提取分割图中所有竖线,并重复上述S3.2~S3.6步骤,且步骤中的横线替换为竖线;
S3.8、比较从S3.6和S3.7步骤中提取的横线与竖线,比较条件如下,分别为条件一和条件二:
若满足条件一则确定分割图中母线为横母线,角度设为0°;
若满足条件二则确定分割图中母线为竖母线,角度设为90°;
若都不满足则没有检测到母线;
S3.9、将S3.8步骤识别出的母线用白色像素覆盖,重复S3.1~S3.8进行二次母线识别,若识别出的直线与S3.8步骤识别出的直线长度小于原直线长度或宽度的0.2倍且直线距离小于宽度的2倍则认为分割图是母线类型为双母线,记录双母的坐标角度信息。
进一步地,所述S4中描述文件中包含母线的坐标位置、角度信息和文字描述。
本发明的有益效果:
本发明通过基于形态学的图像识别技术,并与目标检测技术相结合,实现了更加智能、快速且准确的电气厂站接线图母线检测,可以直接处理PDF等文件格式的电力图纸数据,解决了人工录入xml信息、效率低下等问题,降低了人工成本,消除了人工效率低且出错多的缺陷。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,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是本发明基于形态学处理的电气厂站接线图纸母线识别方法的流程示意图;
图2是本发明提供的YOLOv5检测出的母线图元区域示意图;
图3是本发明输出目标图片的检测结果效果示意图。
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作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。
一种基于形态学处理的电气厂站接线图纸母线识别方法,如图1所示,包括以下步骤:
S1、对厂站接线图纸PDF数据统一以300dpi的精度转换为JPG图像,并对转化后的图像进行标准化预处理;
判断图片像素是否大于6800×6800,如果是则剪裁掉图片中无关白色区域外框使检测区域更加集中,反之则保持不变;
进一步判断图片的最长边像素是否大于5120,如果是则在保持图像原始比例下放缩图片至长边5120像素大小,反之则保持不变;
进一步对图片进行标准化、随机旋转与水平镜像翻转、随机亮度与对比度变换、随机裁剪,最终训练集图片统一剪裁至1280×1280大小。
S2、使用YoloV5目标检测算法对厂站接线图进行关键区域分割后得到母线图元区域、变压器区域和留白区域,保证母线图元区域中仅有一条母线或者双母线;
S3、根据母线形态特征即长度、宽度、面积信息分别提取母线图元区域分割图中相应横线和竖线,同时覆盖一次识别结果并进行二次提取判断是否为双母线;
S3.1、创建自定义水平内核并在水平轴上提取分割图中所有横线;
S3.2、对分割图进行先膨胀后腐蚀的闭运算填充由母线内部元素而导致断裂的部分;
S3.3、对分割图采用先腐蚀后膨胀的开运算和中值滤波手段过滤细小线段和噪声部分;
S3.4、对处理后得到的图像进行轮廓线检测;
S3.5、遍历母线检测结果的坐标、长度与面积,记录最大面积横线矩形框;
S3.6、将横线的长度与面积进行排序,如果两条面积相近的横线满足以下条件,则将这两条横线合并为一条水平粗横线并记录其坐标与长宽属性,否则即记录下面积最大的横线属性信息:
其中L1、L2为两条面积相近的直线;Dis为两条直线的距离;H1为第一条直线的宽度;
S3.7、创建自定义垂直内核并在竖直轴上提取分割图中所有竖线,并重复上述S3.2~S3.6步骤,且步骤中的横线替换为竖线;
S3.8、比较从S3.6和S3.7步骤中提取的横线与竖线,比较条件如下,分别为条件一和条件二:
若满足条件一则确定分割图中母线为横母线,角度设为0°;
若满足条件二则确定分割图中母线为竖母线,角度设为90°;
若都不满足则没有检测到母线;
S3.9、将S3.8步骤识别出的母线用白色像素覆盖,重复S3.1~S3.8进行二次母线识别,若识别出的直线与S3.8步骤识别出的直线长度小于原直线长度或宽度的0.2倍且直线距离小于宽度的2倍则认为分割图是母线类型为双母线,记录双母的坐标角度信息。
S4、根据母线识别结果得到分割图母线的位置信息描述文件,描述文件中包含母线的坐标位置、角度信息和文字描述。
实施例:
S1、获取电气厂站接线PDF格式图纸,统一以300dpi的精度转换为JPG图像;
S2、对转化后的图像,找到母线图元区、变压器区和留白区的位置,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、测试集和验证集进行标准化预处理;
预处理手段包括:图片剪裁、随机旋转与水平镜像翻转、随机亮度与对比度变换等。其中图片剪裁步骤为判断转换后的图片像素是否大于6800×6800,如果是则剪裁掉图片中无关白色区域外框使检测区域更加集中,反之则不动;进一步判断图片最长边像素是否大于5120,如果是则在保持图像原始比例下放缩图片至长边5120像素大小,其余预处理操作均在YOLOv5检测网络中实现;
S3、利用上述数据在YOLOv5网络中进行训练、测试和验证,得到可以确定母线图元区、变压器区和留白区位置的模型,并将识别出母线图元区的识别框所框区域截取后放置于文件夹中;
S4、读取文件夹中的分割图,利用形态学操作识别出分割图中的横线,并用闭运算与开运算对其进行降噪过滤,然后进行轮廓线检测找出面积最大的线段区域l1。同时考虑到设计院作图问题,可能会出现粗细不一的母线,因此判断是否还有一条线段l2与l1的面积、长度和距离之差都在误差范围内,如果有则将这两条直线合并为一条,若没有则不变;并记录此条横线左上角和右下角坐标(x1,y1)和(x2,y2)以及宽和高w,h,然后重复上述操作识别出分割图中的竖线并记录;
S5、比较识别出的横线与竖线,判断它们的面积大小与长度占比。如果横线面积更大且长度大于分割图纸宽度的一半则说明分割图中为横母线;如果竖线面积更大且长度大于分割图纸高度的一半则说明分割图中为竖母线;
S6、用白色像素[255,255,255]将识别出的母线区域覆盖,然后将覆盖后的图重复执行S4和S5步骤,进行二次母线识别判断是否为双母线;如果识别出的线段与S4和S5步骤识别出的线段长度误差在20%之内且线段距离小于宽度的2倍则认为分割图是母线类型为双母,记录双母线区域的坐标角度信息,如果为横母线则为0°,竖母线则为90°;
S7、利用PaddleOCR光学字符检测技术识别出文字信息并根据距离与相应母线匹配;
S8、将上述获取到的母线坐标、角度、文字等属性信息写入xml描述文件,以110KV电压等级的母线为例,xml结构如下所示:
本实施例的智能化母线识别方法,能够对电力系统标量格式接线图进行预处理,实现了高质量、高效率的拓扑关系检测,进一步提高了电力系统和变电站智能化与自动化水平,降低了人工成本,对国家电网智能化推进有着重要意义。
图2是是本发明提供的YOLOv5检测出的母线图元区域示意图,可以看到所选用的厂站接线图中检测出六个母线图元区域,两个变压器区域,其中母线图元区包含母线以及周围与之相连的图元设备。图3是本发明输出目标图片的检测结果效果示意图,可以看出采用本发明提供的母线识别方法,根据记录的坐标信息可以用线框标出图中母线位置。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (4)
1.一种基于形态学处理的电气厂站接线图纸母线识别方法,其特征在于,包括以下步骤:
S1、对厂站接线图纸PDF数据统一以300dpi的精度转换为JPG图像,并对转化后的图像进行标准化预处理;
S2、使用YoloV5目标检测算法对厂站接线图进行关键区域分割后得到母线图元区域、变压器区域和留白区域,保证母线图元区域中仅有一条单母线或者双母线;
S3、根据母线形态特征即长度、宽度、面积信息分别提取母线图元区域分割图中相应横线和竖线,同时覆盖一次识别结果并进行二次提取判断是否为双母线;
S4、根据母线识别结果得到分割图母线的位置信息描述文件。
2.根据权利要求1所述的一种基于形态学处理的电气厂站接线图纸母线识别方法,其特征在于,所述S1中预处理的方法为:
判断图片像素是否大于6800×6800,如果是则剪裁掉图片中无关白色区域外框使检测区域更加集中,反之则保持不变;
进一步判断图片的最长边像素是否大于5120,如果是则在保持图像原始比例下放缩图片至长边5120像素大小,反之则保持不变;
进一步对图片进行标准化、随机旋转与水平镜像翻转、随机亮度与对比度变换、随机裁剪,最终训练集图片统一剪裁至1280×1280大小。
3.根据权利要求1所述的一种基于形态学处理的电气厂站接线图纸母线识别方法,其特征在于,所述S3的具体步骤为:
S3.1、创建自定义水平内核并在水平轴上提取分割图中所有横线;
S3.2、对分割图进行先膨胀后腐蚀的闭运算填充由母线内部元素而导致断裂的部分;
S3.3、对分割图采用先腐蚀后膨胀的开运算和中值滤波手段过滤细小线段和噪声部分;
S3.4、对处理后得到的图像进行轮廓线检测;
S3.5、遍历母线检测结果的坐标、长度与面积,记录最大面积横线矩形框;
S3.6、将横线的长度与面积进行排序,如果两条面积相近的横线满足以下条件,则将这两条横线合并为一条水平粗横线并记录其坐标与长宽属性,否则即记录下面积最大的横线属性信息:
其中L1、L2为两条面积相近的直线;Dis为两条直线的距离;H1为第一条直线的宽度;
S3.7、创建自定义垂直内核并在竖直轴上提取分割图中所有竖线,并重复上述S3.2~S3.6步骤,且步骤中的横线替换为竖线;
S3.8、比较从S3.6和S3.7步骤中提取的横线与竖线,比较条件如下,分别为条件一和条件二:
若满足条件一则确定分割图中母线为横母线,角度设为0°;
若满足条件二则确定分割图中母线为竖母线,角度设为90°;
若都不满足则没有检测到母线;
S3.9、将S3.8步骤识别出的母线用白色像素覆盖,重复S3.1~S3.8进行二次母线识别,若识别出的直线与S3.8步骤识别出的直线长度小于原直线长度或宽度的0.2倍且直线距离小于宽度的2倍则认为分割图是母线类型为双母线,记录双母的坐标角度信息。
4.根据权利要求1所述的一种基于形态学处理的电气厂站接线图纸母线识别方法,其特征在于,所述S4中描述文件中包含母线的坐标位置、角度信息和文字描述。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210167535.2A CN114565930B (zh) | 2022-02-23 | 2022-02-23 | 一种基于形态学处理的电气厂站接线图纸母线识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210167535.2A CN114565930B (zh) | 2022-02-23 | 2022-02-23 | 一种基于形态学处理的电气厂站接线图纸母线识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114565930A true CN114565930A (zh) | 2022-05-31 |
CN114565930B CN114565930B (zh) | 2024-07-09 |
Family
ID=81713596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210167535.2A Active CN114565930B (zh) | 2022-02-23 | 2022-02-23 | 一种基于形态学处理的电气厂站接线图纸母线识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114565930B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294595A (zh) * | 2022-06-24 | 2022-11-04 | 武汉大学 | 一种变电站一次接线图智能解析方法 |
CN116310765A (zh) * | 2023-05-23 | 2023-06-23 | 华雁智能科技(集团)股份有限公司 | 一种电气接线图图元识别方法 |
CN116704204A (zh) * | 2023-04-20 | 2023-09-05 | 华联世纪工程咨询股份有限公司 | 一种基于图形组合的轴网识别方法 |
CN116756896A (zh) * | 2023-08-17 | 2023-09-15 | 东方电子股份有限公司 | 一种生成cim-g格式接线图的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718636A (zh) * | 2016-01-14 | 2016-06-29 | 中国南方电网有限责任公司 | 一种厂站主接线图模型自动转换方法 |
CN111859805A (zh) * | 2020-07-21 | 2020-10-30 | 国网山东省电力公司青岛供电公司 | 基于人工智能的电力图纸拓扑关系的检测方法 |
CN113158998A (zh) * | 2021-05-26 | 2021-07-23 | 南京云阶电力科技有限公司 | 基于形态学处理的电气设计图纸表格识别方法及装置 |
-
2022
- 2022-02-23 CN CN202210167535.2A patent/CN114565930B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718636A (zh) * | 2016-01-14 | 2016-06-29 | 中国南方电网有限责任公司 | 一种厂站主接线图模型自动转换方法 |
CN111859805A (zh) * | 2020-07-21 | 2020-10-30 | 国网山东省电力公司青岛供电公司 | 基于人工智能的电力图纸拓扑关系的检测方法 |
CN113158998A (zh) * | 2021-05-26 | 2021-07-23 | 南京云阶电力科技有限公司 | 基于形态学处理的电气设计图纸表格识别方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294595A (zh) * | 2022-06-24 | 2022-11-04 | 武汉大学 | 一种变电站一次接线图智能解析方法 |
CN116704204A (zh) * | 2023-04-20 | 2023-09-05 | 华联世纪工程咨询股份有限公司 | 一种基于图形组合的轴网识别方法 |
CN116704204B (zh) * | 2023-04-20 | 2024-01-05 | 华联世纪工程咨询股份有限公司 | 一种基于图形组合的轴网识别方法 |
CN116310765A (zh) * | 2023-05-23 | 2023-06-23 | 华雁智能科技(集团)股份有限公司 | 一种电气接线图图元识别方法 |
CN116310765B (zh) * | 2023-05-23 | 2023-09-01 | 华雁智能科技(集团)股份有限公司 | 一种电气接线图图元识别方法 |
CN116756896A (zh) * | 2023-08-17 | 2023-09-15 | 东方电子股份有限公司 | 一种生成cim-g格式接线图的方法 |
CN116756896B (zh) * | 2023-08-17 | 2023-10-27 | 东方电子股份有限公司 | 一种生成cim-g格式接线图的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114565930B (zh) | 2024-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114565930B (zh) | 一种基于形态学处理的电气厂站接线图纸母线识别方法 | |
CN108961235A (zh) | 一种基于YOLOv3网络和粒子滤波算法的缺陷绝缘子识别方法 | |
CN112651289B (zh) | 一种增值税普通发票智能识别与校验系统及其方法 | |
CN111859805B (zh) | 基于人工智能的电力图纸拓扑关系的检测方法 | |
CN112364862B (zh) | 一种基于直方图相似度的扰动变形汉字图片匹配的方法 | |
CN109325487B (zh) | 一种基于目标检测的全种类车牌识别方法 | |
CN115457591A (zh) | 一种电网厂站主接线图拓扑关系的识别方法 | |
CN115588202B (zh) | 一种基于轮廓检测的电气设计图纸中文字提取方法及系统 | |
CN111401364B (zh) | 一种基于颜色特征和模板匹配相结合的车牌定位算法 | |
CN115082776A (zh) | 一种基于图像识别的电能表自动检测系统及方法 | |
CN114758341A (zh) | 一种智能化合同图像识别与合同要素抽取方法及装置 | |
CN116189194B (zh) | 一种用于工程建模的图纸增强分割方法 | |
CN111444903B (zh) | 漫画气泡内文字定位方法、装置、设备及可读存储介质 | |
CN113743159A (zh) | 一种应用于电力企业的ocr方法 | |
CN115294595A (zh) | 一种变电站一次接线图智能解析方法 | |
CN116541912A (zh) | 一种基于cad图像识别生成接线图的方法及装置 | |
CN113971745B (zh) | 一种基于深度神经网络的出入境验讫章识别方法及装置 | |
CN109145912A (zh) | 一种数字仪表读数自动识别方法 | |
CN114596439A (zh) | 一种基于图像的车险智能定损及核损方法、装置和电子设备 | |
CN114359948A (zh) | 基于重叠滑窗机制与yolov4的电网接线图图元识别方法 | |
CN112699841A (zh) | 一种基于行车视频的交通标志检测识别方法 | |
Duan et al. | Design of License Plate Recognition System Based on OpenCV | |
CN111046874A (zh) | 一种基于模板匹配的单号识别方法 | |
CN117611710B (zh) | 基于深度学习和图像处理的端子排图纸矢量化方法及系统 | |
Jiao et al. | Research on automatic identification algorithm of invoice information |
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 |