CN114631126A - 一种用于读取表示电路的数字图形图表的计算机实现的方法 - Google Patents
一种用于读取表示电路的数字图形图表的计算机实现的方法 Download PDFInfo
- Publication number
- CN114631126A CN114631126A CN202080052829.XA CN202080052829A CN114631126A CN 114631126 A CN114631126 A CN 114631126A CN 202080052829 A CN202080052829 A CN 202080052829A CN 114631126 A CN114631126 A CN 114631126A
- Authority
- CN
- China
- Prior art keywords
- page
- chart
- diagram
- chart page
- circuit
- 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.)
- Pending
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
- 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
- G06V30/146—Aligning or centring of the image pick-up or image-field
- G06V30/1473—Recognising objects as potential recognition candidates based on visual cues, e.g. shapes
-
- 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
- G06V30/41—Analysis of document content
- G06V30/412—Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Processing Or Creating Images (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明提供了一种用于读取表示电路的数字图形图表的方法(1),所述图形图表包括一个或多个图表页面,每个图表页面都表示所述电路的部分。所述方法至少包括下列步骤:‑针对每个图表页面,检测(12)所述图表页面中所包括的图形对象;‑针对每个图表页面,基于所检测到的图形对象,获得(13)与所述图表页面中所表示的电路的部分中所包括的组件相关的预测信息;‑针对每个图表页面,对与所述图表页面中所表示的电路的部分的组件相关的所述预测信息进行协调(14),以获得所述电路的组件的标识列表。
Description
技术领域
本发明涉及一种用于读取表示电路(例如配电网)的数字图形图表的方法。
背景技术
众所周知,电路(诸如配电网)可以使用不同的语义以数字格式进行图形化地描述,以用于表示电路的电气组件和电气连接。
一般而言,图形图表中所采用的信息内容和图形符号取决于用于设计电路的软件程序和/或电路设计者的个人选择。
在图1至图3中示意性地示出了表示电路的不同数字图形图表的示例。很明显,每个图形图表都包括不同的信息内容,并且采用不同的语义来表示组件以及其电气连接。
与电路相关的图形图表常常需要组合、更新或进一步处理,例如为了生成BOM(物料清单)或准备与要安装的配电厂相关的商业报价。
如今,由于用于描述电路的各种可用的信息细节和语义,所有这些活动通常需要高度专业化和技能的人员的干预,并且执行起来是耗时/昂贵的。
发明内容
本发明的主要目的是提供一种用于读取表示电路的数字图形图表的方法,该方法允许解决或减轻上面证明的技术问题。
在这个目的下,本发明的目标是提供一种方法,该方法允许以快速和有效的方式收集关于数字图形图表中所表示的电路的结构的信息。
本发明的另一个目标是提供一种方法,该方法甚至可以由非专业的操作人员容易地执行。
本发明的另一个目标是提供一种方法,该方法可以容易地被计算机实现,而无需采用昂贵的处理资源。
这些目的和目标通过根据下列权利要求1和相关的从属权利要求的读取表示电路的数字图形图表的方法来实现。
在一般定义中,根据本发明的方法包括下列步骤:
-针对每个图表页面,检测所述图表页面中所包括的图形对象;
-针对每个图表页面,基于所检测到的图形对象,获得与所述图表页面中所表示的电路的部分中所包括的组件相关的预测信息;
-针对每个图表页面,对与所述图表页面中所表示的电路的部分的组件相关的预测信息进行协调,并且提供所述电路的组件的标识列表。
根据本发明的方面,检测每个所述图表页面中所包括的图形对象的步骤包括获得与所检测到的图形对象相关的标识数据。所述标识数据方便地包括与所检测到的图形对象的类、位置和大小相关的预测信息。
根据本发明的方面,获得与所述图表页面中所表示的电路的部分的组件相关的预测信息的步骤包括对与所述图表页面的所检测到的图形对象相关的标识数据进行合并和协调。
根据本发明的方面,获得与所述图表页面中所表示的电路的部分的组件相关的预测信息的步骤包括在所述图表页面的所检测到的组件对象中检测一个或多个图形连接器。
根据本发明的方面,获得与所述图表页面中所表示的电路的部分的组件相关的预测信息的步骤包括将所述图表页面的一个或多个所检测到的文本对象或表格对象分配给所述图表页面的一个或多个所检测到的组件对象。
根据本发明的方面,方法包括下列步骤:针对每个图表页面,获得所述图表页面的一个或多个第一裁剪部分。每个第一裁剪部分都包括对应图表页面的部分交叠的区域。
根据本发明的方面,方法包括下列步骤:针对每个图表页面,获得与所述图表页面中所表示的电路的部分的组件相关的附加预测信息。
这种获得附加预测信息的步骤包括:
-针对每个图表页面,获得所述图表页面的一个或多个第二裁剪部分,所述第二裁剪部分由所述图表页面处的所述图形图表的文本区或表格区形成;
-针对每个图表页面,检测所述图表页面的第二裁剪部分中所包括的字符串;
-针对每个图表页面,基于所检测到的字符串,获得预测信息,该预测信息与将所述图表页面中所包括的一个或多个所检测到的文本对象或表格对象分配给所述图表页面的一个或多个所检测到的组件对象相关。
根据本发明的方面,方法包括以下步骤:对包括为数字格式的所述图形图表的图形文件进行预处理。
这种预处理步骤包括:
-将所述图形文件转换为包括为数字格式的所述图形图表的第一图像文件;
-将所述第一图像文件分割成一个或多个第二图像文件,每个第二图像文件都包括为数字格式的图表页面;
-如果必要,则减少所述第二图像文件的大小。
优选地,上述获得图表页面的第一裁剪部分的步骤包括将与所述图表页面相关的第二图像文件分割成一批第三图像文件,每个第三图像文件都包括为数字格式的所述图表页面的第一裁剪部分。
优选地,上述获得图表页面的第二裁剪部分的步骤包括将与所述图表页面相关的第二图像文件分割成一批第四图像文件,每个第四图像文件都包括为数字格式的所述图表页面的第二裁剪部分。
根据本发明的方面,方法包括从上述标识列表中提取关于所述电路中所包括的组件的属性的信息的步骤。
很明显,根据本发明的方法的目的在于计算机实现。在一些另外的方面中,因此,本发明涉及一种根据下列权利要求13的计算机程序以及根据下列权利要求14的计算机化设备或平台。
附图说明
本发明的另外的特性和优点将从优选的但非排他性的实施例的描述中更清楚地出现,其非限制性示例在附图中示出,在附图中:
-图1至图3是示出了表示电路的不同类型的数字图形图表的示意图;
-图4至图8是示出了根据本发明的方法的步骤的示意图。
具体实施方式
参照上述图,本发明涉及读取数字格式的图形图表100的方法1,该图形图表100表示电路。
原则上,上述电路可以为任何类型。
然而,根据本发明的方法特别适用于读取与扩展的配电网相关的图形图表。
图形图表100包括一个或多个图表页面,每个图表页面都表示所表示的电路的部分。
在图4中示出了图形图表的示例。在这种情况下,图形图表100仅包括单个页面。
然而,在实际应用中,图形图表100可以有大量(例如数十个)图表页面。
一般而言,图形图表100可以采用各种不同类型的图形符号来表示电路的组件以及其电气连接。
然而,不管用于表示所述组件和电气连接的语义,图形图表100的每个图表页面都可以包括一个或多个图形对象和一个或多个图形连接器(图4)。
图形图表100的图形对象通常涉及电路的组件、所述图形图表的文本区或表格区。因此,图形图表包括以下图形对象中的一个或多个:组件对象、文本对象和表格对象。
图形图表100的组件对象通常表示所表示的电路的相应组件(例如电负载、断路器、变压器等)。
图形图表100的文本对象通常表示所述图形图表的对应文本区。
图形图表100的表格对象通常表示所述图形图表的对应文本区。
所有这些图形对象都可以具有不同的大小和配置,这取决于电路组件的类型和用于图形化地表示所述组件的语义。
图形图表100的图形连接器通常涉及所表示的电路的两个或更多个组件之间的电气连接。
优选地,每个图形连接器都被表示为单线,该单线连接图形图表的至少两个组件对象。
根据本发明的方法1的步骤现在将参照其通过计算机化设备或平台的实施方式来详细描述。
根据本发明的优选实施例,方法1包括对包括为数字格式的图形图表100的图形文件进行预处理的初步步骤17。
方便地,图形文件可以为“.pdf”或“.dxg”类型或其他类似的图形格式。
优选地,方法1的初步步骤17包括将上述图形文件转换为例如“.pdf”或“.dxg”类型或其他类似的图形格式的第一图像文件的子步骤。以这种方式,将上述图形文件转换为可读的像素矩阵,这更适用于进一步处理。
优选地,方法1的初步步骤17包括将上述第一图像文件分割成一个或多个第二图像文件(每个第二图像文件都包括图形图表100的图表页面)的子步骤。
这种解决方案允许显著减少执行方法1的下列主要步骤所需的计算负荷。
为了进一步减少这种计算负荷,方法1的初步步骤17优选地包括子步骤,即如果必要,则减小在前一分割步骤中所获得的一个或多个第二图像文件的大小。
方便地,将表示图形图表100的图表页面的图像文件(该文件由于太大而无法在合理的时间内处理)的大小调整到最大预定义尺寸。
根据本发明的优选实施例,方法1包括步骤11:针对图形图表100的每个图表页面,获得所述图表页面的一个或多个第一裁剪部分(图5)。
方便地,为每个图表页面获得的第一裁剪部分以包括所述图表页面的部分重叠的区域的这样一种方式被选择。以这种方式,位于第一裁剪部分的边界的图形信息的丢失概率显著降低。
显然,如图5中所示,为每个图表页面获得的第一裁剪部分是以它们覆盖图表页面中所表示的整个图像的这样一种方式定制的。
在方法1的实际实施方式中,每个图表页面的第一裁剪部分都是通过裁剪与所述图表页面相关的每个第二图像文件而获得的。以这种方式,获得一批第三图像文件,每个第三图像文件都包括为数字格式的第一裁剪部分。
获得上述第一裁剪部分基本上是为了大大减少检测图形图表100的每个图表页面中的图形对象和图形连接器所需的计算负荷。
与每个图表页面(更一般而言是图形图表100)中所包括的图形对象的检测过程相关的计算负荷实际上可以在许多较小图形之间并行化,这样可以更容易处理。
根据本发明,方法1包括步骤12:针对图形图表100的每个图表页面,检测所述图表页面(优选地是所述图表页面的第一裁剪部分)中所包括的图形对象(图6)。
如图6中所示,所检测到的图形对象可以是组件对象、文本对象或表格对象。
优选地,检测步骤12包括获得与每个第一裁剪部分的反复检测到的图形对象相关的标识数据。
优选地,这些标识数据包括与以下项相关的预测信息:每个所检测到的图形对象的类(例如类型)、每个所检测到的图形对象的位置和每个所检测到的图形对象的大小。
参照图6,所述标识数据的实际示例可以如下:
-{所检测到的图形对象#1:类(表格区)、位置(x1,y1)、大小(S1)};
-{所检测到的图形对象#2:类(表格区)、位置(x2,y2)、大小(S2)};
-{所检测到的图形对象#3:类(表格区)、位置(x3,y3)、大小(S3)}。
在方法1的实际实施方式中,检测步骤12可以通过利用合适的TM(模板匹配)算法来执行,这些算法可以是已知类型。作为备选,可以使用采用经过适当训练的神经网络的专家系统。
根据本发明,方法1包括步骤13:针对图形图表100的每个图表页面,基于所检测到的图形对象,获得与所述图表页面中所表示的电路的部分中所包括的组件相关的预测信息。
在一个方面中,方法1的步骤13是为了对在方法1的前一个检测步骤12中收集到的预测信息进行组装和优化。
优选地,方法1的步骤13包括子步骤:针对图形图表100的每个图表页面,对与所述图表页面的所检测到的图形对象相关的标识数据进行合并和协调。
优选地,这种合并和协调步骤包括将所检测到的图形对象的位置坐标(通常称为相应的第一裁剪部分的参考系统)转换为绝对位置坐标(称为图表页面的参考系统)。
在方法1的实际实施方式中,这种转换过程通过利用合适的转换算法可以容易地执行,这些算法可以是已知类型。
优选地,这种合并和协调步骤包括删除与每个图表页面的相同的所检测到的图形对象相关的重复标识数据。在同一图形对象可以多次被检测到(例如在相邻的交叠的第一裁剪部分)的情况下,这种过滤过程是必要的。
实际上,针对图形图表100的每个图表页面,由这种过滤过程产生的预测信息将通过以下项而被给出:与所述图表页面中的所检测到的图形对象相关的数据中所包括的预测信息的联合和交叉之间的差异。
在另一个方面中,方法1的步骤13是为了对在方法1的前一个检测步骤12中收集到的预测信息进行整合。
优选地,方法1的步骤13包括以下子步骤:检测所述图表页面中所包括的两个或更多个所检测到的组件对象之间的一个或多个图形连接器。
以这种方式,针对每个图表页面,有可能收集关于所述图表页面中所表示的电路的部分的组件如何可操作地连接的预测信息。
在方法1的实际实施方式中,这种检测过程可以通过合适的已知类型的特征提取算法来执行,诸如LSD(线段检测)算法、HT(霍夫变换)算法或DSCC(定向单连通链)算法。作为备选,可以使用采用经过适当训练的神经网络的专家系统。
在又一个方面中,方法1的步骤13是为了以重构每个图表页面的全部信息内容的这样一种方式对在方法1的前一个检测步骤12中收集到的预测信息进行结构化。
优选地,方法1的步骤13包括子步骤:针对每个图表页面,将所述图表页面中所包括的一个或多个所检测到的文本对象或表格对象分配给所述图表页面中所包括的一个或多个所检测到的组件对象。
这种分配过程可以根据各种不同的标准来执行。
作为示例,可以使用接近标准:因此,将图表页面的所检测到的文本对象或表格对象(表示图表页面的文本区或表格区)分配给所述图表页面的最近组件对象(表示图表页面中所表示的电路部分的组件)。
很明显,上述分配过程是为了针对每个图表页面,将所述图表页面的每个文本区或表格区与所述图表页面中所表示的电路部分的正确组件相关联。
根据本发明的优选实施例,方法1包括步骤16:针对每个图表页面,获得与所述图表页面中所表示的电路的部分的组件相关的附加预测信息。
方法1的步骤16方便地是为了恢复关于每个图表页面中所表示的电路的部分的组件的附加信息内容。这些附加信息内容可以用于提高在方法1的前述步骤12至13中收集到的预测信息的质量。
优选地,步骤16包括子步骤:针对每个图表页面,获得所述图表页面的一个或多个第二裁剪部分,该第二裁剪部分由所述图表页面处的图形图表100的文本区或表格区形成(图7)。
方便地,为每个图表页面获得的第二裁剪部分是以仅包括图形图表100的文本区或表格区的这样一种方式定制的。
在方法1的实际实施方式中,每个图表页面的第二裁剪部分都是通过裁剪与所述图表页面相关的每个第二图像文件而获得的。以这种方式,针对每个图表页面,获得一批第四图像文件,每个第四图像文件都包括为数字格式的第二裁剪部分。
因此,针对每个图表页面,可以容易地对这批第四图像文件进行处理,以提取图形图表100的每个文本区或表格区的信息内容。
优选地,步骤16包括子步骤:针对每个图表页面,检测所述图表页面的每个第二裁剪部分中所包括的字符串。
在方法1的实际实施方式中,这种检测过程可以通过合适的已知类型的OCR(光学字符识别)算法来执行。
优选地,步骤16包括子步骤:针对每个图表页面,基于通过上述检测过程而获得的所检测到的字符串,获得预测信息,该预测信息与将所述图表页面的所检测到的文本对象或表格对象分配给所述图表页面中所包括的所检测到的组件对象相关。
在方法1的实际实施方式中,使用合适的概率分类器(例如朴素贝叶斯分类器)或概率决策网络(例如贝叶斯网络),这种字符串分析过程可以容易地执行,这些概率分类器或概率决策网络可以是已知类型。
作为备选,可以使用适合于从所检测到的字符串提取信息的已知正则表达式(RegEx)提取算法。
在方法1的步骤16中收集到的附加预测信息允许改进将每个图表页面的所检测到的文本对象或表格对象分配给所述图表页面中所包括的所检测到的组件对象。
可以基于在所述文本对象或表格对象中所包含并且从在所述文本对象或表格对象中检测到的字符串提取到的信息,将图表页面的所检测到的文本对象或表格对象分配给所述图表页面的组件对象。
根据本发明,方法1包括步骤14:针对每个图表页面,对与所述图表页面中所表示的电路的部分的组件相关的预测信息进行协调。
与所述图表页面中所表示的电路的部分的组件相关的预测信息实际上可能是矛盾的或不一致的,该预测信息已经在方法1的前述步骤12、13中收集到,并且可能在步骤16中收集到。
因此,方法1的步骤14是为了过滤收集到的信息,从而消除或减少可能的差异。
在方法1的实际实施方式中,这种字符串分析过程可以基于根据预定义规则的合适的已知选择算法来执行,例如在为每个收集到的信息分配优先级级别后。
作为备选,可以方便地使用已知类型的机器学习或图网络算法。
方便地,方法1的步骤14包括提供图形图表100中所表示的电路的组件的标识列表。这种标识列表还方便地包括关于相关的电气连接和关于分配给所述组件的文本区或表格区的信息。
根据本发明的优选实施例,方法1包括以下步骤15:从上述标识列表中提取关于所述电路中所包括的组件的属性的信息。
方便地,这种提取步骤可以通过分析与电路的每个组件相关联的字符串来执行。为了这个目的,可以使用已知正则表达式(RegEx)提取算法。
从上面显而易见的是,方法1的步骤15是为了通过自动推断图形图表本身的文本区或表格区中所隐含的信息,提高从图形图表100派生出来的信息的质量。
根据本发明的方法1特别适合于由计算机化设备或平台实施。
因此,在另外的方面中,本发明涉及一种计算机化设备或平台,该计算机化设备或平台设置有处理资源,该处理资源能够执行存储介质中所存储或可存储的软件指令,以实施根据本发明的方法。
这种计算机化设备或平台可以是任何类型,例如台式或便携式计算机化设备、服务器平台、云计算平台等。
因此,在又一个方面中,本发明涉及一种计算机程序,计算机程序包括存储介质中所存储或可存储的软件指令,软件指令用于在由计算机化设备或平台执行时实施根据本发明的方法。
根据本发明的方法1允许充分满足上述目的和目标。
该方法允许以快速和有效的方式收集关于数字图形图表中所表示的电路的结构的信息,不管用于表示所述电路的电气组件和电气连接的语义。
因此,表示电路的图形图表可以独立于操作人员的特定技能或经验,进行统一和高水平的准确性的分析。
该方法特别适合通过计算机化设备或平台在工业级别上实施,而不需要特别强大和昂贵的数据处理资源。
Claims (14)
1.一种用于读取表示电路的数字图形图表(100)的方法(1),所述图形图表包括一个或多个图表页面,每个图表页面表示所述电路的部分,
其中每个图表页面包括一个或多个图形对象和一个或多个图形连接器,
其中每个图形对象由以下项形成:表示所述电路的组件的组件对象、或表示所述图形图表的文本区的文本对象、或表示所述图形图表的表格区的表格对象,
其中每个图形连接器表示连接所述电路的至少两个组件的电气连接,
其特征在于,所述方法包括下列步骤:
-针对每个图表页面,检测(12)所述图表页面中所包括的所述图形对象;
-针对每个图表页面,基于所检测到的所述图形对象,获得(13)与所述图表页面中所表示的所述电路的部分中所包括的所述组件相关的预测信息;
-针对每个图表页面,对与所述图表页面中所表示的所述电路的部分的所述组件相关的所述预测信息进行协调(14),并且提供所述电路的所述组件的标识列表。
2.根据权利要求1所述的方法,其特征在于,所述方法包括以下步骤:从所述标识列表中提取(15)关于所述电路中所包括的所述组件的属性的信息。
3.根据前述权利要求中一项或多项所述的方法,其特征在于,检测(12)所述图表页面中所包括的所述图形对象的步骤包括:获得与所检测的所述图形对象相关的标识数据,所述标识数据包括与所检测的所述图形对象的类、位置和大小相关的预测信息。
4.根据权利要求3所述的方法,其特征在于,获得与所述图表页面中所表示的所述电路的部分的所述组件相关的预测信息的步骤(13)包括:对与所述图表页面的所检测的所述图形对象相关的所述标识数据进行合并和协调。
5.根据前述权利要求中一项或多项所述的方法,其特征在于,获得与所述图表页面中所表示的所述电路的部分的所述组件相关的预测信息的步骤(13)包括:检测所述图表页面的所检测到的组件对象之间的一个或多个图形连接器。
6.根据前述权利要求中一项或多项所述的方法,其特征在于,获得与所述图表页面中所表示的所述电路的部分的所述组件相关的预测信息的步骤(13)包括:将所述图表页面的一个或多个所检测到的文本对象或表格对象分配给所述图表页面的一个或多个所检测到的组件对象。
7.根据前述权利要求中一项或多项所述的方法,其特征在于,所述方法包括以下步骤(17):对图形文件进行预处理,所述图形文件包括为数字格式的所述图形图表,所述步骤包括:
-将所述图形文件转换为第一图像文件,所述第一图像文件包括为数字格式的所述图形图表(100);
-将所述第一图像文件分割成一个或多个第二图像文件,每个第二图像文件包括为数字格式的图表页面;
-如果必要,则减少所述第二图像文件的大小。
8.根据前述权利要求中一项或多项所述的方法,其特征在于,所述方法包括以下步骤(11):针对每个图表页面,获得所述图表页面的一个或多个第一裁剪部分,所述第一裁剪部分包括所述图表页面的部分交叠的区域。
9.根据权利要求7和8所述的方法,其特征在于,获得所述图表页面的所述第一裁剪部分的步骤(11)包括:将与所述图表页面相关的第二图像文件分割成一批第三图像文件,每个第三图像文件包括为数字格式的所述图表页面的第一裁剪部分。
10.根据前述权利要求中一项或多项所述的方法,其特征在于,所述方法包括以下步骤(16):针对每个图表页面,获得与所述图表页面中所表示的所述电路的部分的所述组件相关的附加预测信息,所述步骤包括:
-针对每个图表页面,获得所述图表页面的一个或多个第二裁剪部分,所述第二裁剪部分由所述图表页面处的所述图形图表的文本区或表格区形成;
-针对每个图表页面,检测所述图表页面的所述第二裁剪部分中所包括的字符串;
-针对每个图表页面,基于所检测的所述字符串,获得预测信息,所述预测信息与以下相关:将所述图表页面中所包括的一个或多个所检测到的文本对象或表格对象分配给所述图表页面的一个或多个所检测到的组件对象。
11.根据权利要求7和10所述的方法,其特征在于,获得所述图表页面的所述第二裁剪部分的步骤包括:将与所述图表页面相关的第二图像文件分割成一批第四图像文件,每个第四图像文件包括为数字格式的所述图表页面的第二裁剪部分。
12.根据前述权利要求中一项或多项所述的方法,其特征在于,所述电路是配电网。
13.一种计算机程序,所述计算机程序被存储在存储介质中,其特征在于,所述计算机程序包括软件指令,所述软件指令被配置为在由计算机化设备或平台执行时,实施根据前述权利要求中一项或多项所述的方法(1)。
14.一种计算机化设备或平台,其特征在于,所述计算机化设备或平台被配置为执行软件指令,以实施根据权利要求1至12中一项或多项所述的方法(1)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19188378.4 | 2019-07-25 | ||
EP19188378.4A EP3770800A1 (en) | 2019-07-25 | 2019-07-25 | A computer-implemented method for reading a digital graphical diagram representing an electric circuit |
PCT/EP2020/063517 WO2021013399A1 (en) | 2019-07-25 | 2020-05-14 | A computer-implemented method for reading a digital graphical diagram representing an electric circuit |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114631126A true CN114631126A (zh) | 2022-06-14 |
Family
ID=67438914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080052829.XA Pending CN114631126A (zh) | 2019-07-25 | 2020-05-14 | 一种用于读取表示电路的数字图形图表的计算机实现的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220254181A1 (zh) |
EP (1) | EP3770800A1 (zh) |
CN (1) | CN114631126A (zh) |
WO (1) | WO2021013399A1 (zh) |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6314194B1 (en) * | 1995-07-26 | 2001-11-06 | The United States Of America As Represented By The Secretary Of The Army | Method for generating computer aided design programming circuit designs from scanned images of the design |
US6606731B1 (en) * | 1999-08-05 | 2003-08-12 | The Boeing Company | Intelligent wiring diagram system |
JP4026153B2 (ja) * | 2003-05-20 | 2007-12-26 | 日本ビクター株式会社 | 電子化サービスマニュアル表示用プログラム、プログラムが記録された記録媒体、電子化サービスマニュアル表示制御方法、並びに電子化サービスマニュアル表示制御装置 |
WO2004104864A1 (ja) * | 2003-05-20 | 2004-12-02 | Victor Company Of Japan, Limited | 電子化サービスマニュアル表示制御装置 |
EP1636725B1 (en) * | 2003-06-18 | 2018-05-16 | Imagination Technologies Limited | Circuit register and method therefor |
US7895560B2 (en) * | 2006-10-02 | 2011-02-22 | William Stuart Lovell | Continuous flow instant logic binary circuitry actively structured by code-generated pass transistor interconnects |
FR2922664B1 (fr) * | 2007-10-23 | 2009-12-25 | Areva T & D Prot & Controle | Procede de generation automatique d'un fichier ssd. |
US7957150B2 (en) * | 2008-02-21 | 2011-06-07 | Hitachi, Ltd. | Support method and apparatus for printed circuit board |
US8676559B2 (en) * | 2009-09-24 | 2014-03-18 | International Business Machines Corporation | System and method for providing efficient schematic review |
US20110209081A1 (en) * | 2010-02-23 | 2011-08-25 | Honeywell International Inc. | Methods and systems for constructing multi-dimensional data models for distribution networks |
EP3104302B1 (en) * | 2015-06-09 | 2018-05-23 | ABB Schweiz AG | A method of digitalising engineering documents |
US10649666B1 (en) * | 2017-05-10 | 2020-05-12 | Ambarella International Lp | Link-list shortening logic |
-
2019
- 2019-07-25 EP EP19188378.4A patent/EP3770800A1/en active Pending
-
2020
- 2020-05-14 CN CN202080052829.XA patent/CN114631126A/zh active Pending
- 2020-05-14 US US17/629,965 patent/US20220254181A1/en active Pending
- 2020-05-14 WO PCT/EP2020/063517 patent/WO2021013399A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2021013399A1 (en) | 2021-01-28 |
US20220254181A1 (en) | 2022-08-11 |
EP3770800A1 (en) | 2021-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363102B (zh) | 一种pdf文件的对象识别处理方法及装置 | |
US7106330B2 (en) | Drawing comparison apparatus | |
EP3104302B1 (en) | A method of digitalising engineering documents | |
Jo et al. | Handwritten text segmentation via end-to-end learning of convolutional neural networks | |
CN109934229B (zh) | 图像处理方法、装置、介质和计算设备 | |
CN112560993A (zh) | 数据筛选方法、装置、电子设备及存储介质 | |
CN115828874A (zh) | 基于图像识别技术的行业表格数字化处理方法 | |
CN114631126A (zh) | 一种用于读取表示电路的数字图形图表的计算机实现的方法 | |
Nasiri et al. | A new binarization method for high accuracy handwritten digit recognition of slabs in steel companies | |
Zhang et al. | Text extraction for historical Tibetan document images based on connected component analysis and corner point detection | |
Cherepanov et al. | On automated workflow for fine-tuning deepneural network models for table detection in document images | |
Soumya et al. | Recognition of historical records using Gabor and zonal features | |
CN114187448A (zh) | 文档图像识别方法和装置、电子设备、计算机可读介质 | |
WO2021149252A1 (ja) | 学習データセット生成装置および方法 | |
Sinha et al. | An effective real-time approach to automatic number plate recognition (ANPR) using YOLOv3 and OCR | |
CN113420174A (zh) | 难样本挖掘方法、装置、设备以及存储介质 | |
Rani et al. | Object Detection in Natural Scene Images Using Thresholding Techniques | |
De et al. | Identification of annotations for circuit symbols in electrical diagrams of document images | |
Triki et al. | Deep learning based approach for digitized herbarium specimen segmentation | |
Alkhaled et al. | Automated Invoice Processing System | |
Manjula et al. | Identification and classification of multilingual document using maximized mutual information | |
CN117392691B (zh) | 一种化学结构式提取方法、系统、设备及存储介质 | |
Jyothirmayi et al. | Identification of brain tumors using deep learning techniques | |
Pysarchuk et al. | Extraction of ideogram features for diagnosing chromosomal abnormalities | |
Jena et al. | Odia Character Recognition using Curvelet Transform with DWT Feature Extraction |
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 |