CN116229498B - 一种柱钢筋信息的自动识别方法 - Google Patents
一种柱钢筋信息的自动识别方法 Download PDFInfo
- Publication number
- CN116229498B CN116229498B CN202310444046.1A CN202310444046A CN116229498B CN 116229498 B CN116229498 B CN 116229498B CN 202310444046 A CN202310444046 A CN 202310444046A CN 116229498 B CN116229498 B CN 116229498B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- identification
- recognition
- steel bar
- reinforcement
- 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.)
- Active
Links
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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19147—Obtaining sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Working Measures On Existing Buildindgs (AREA)
- Conveying And Assembling Of Building Elements In Situ (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种柱钢筋信息的自动识别方法,属于建筑技术领域,包括:步骤一:获取绘制钢筋的标准图集,根据获得的标准图集建立规范库;步骤二:建立钢筋识别模型;步骤三:获取需要进行柱钢筋识别的图纸,通过钢筋识别模型对柱钢筋图纸进行识别获得钢筋识别图和识别准确率;步骤四:基于规范库对钢筋识别图进行校核,获得对应的校核异常钢筋信息,并在钢筋识别图中进行相应的标记;步骤五:将具有异常标记的钢筋识别图发送给对应的管理人员,由管理人员进行异常柱钢筋的复核和调整;通过结合标准图集建立钢筋识别模型,实现通过钢筋识别模型对柱钢筋的智能识别,同时为了提高钢筋识别模型的识别正确率。
Description
技术领域
本发明属于建筑技术领域,具体是一种柱钢筋信息的自动识别方法。
背景技术
钢筋在混凝土中主要承受拉应力,变形钢筋由于肋的作用,和混凝土有较大的粘结能力,因而能更好地承受外力的作用,使得钢筋能够广泛用于各种建筑结构,例如柱结构中,当前建筑的结构设计一般都是CAD图纸进行呈现的,一栋建筑具有大量的设计图纸,当需要进行工程量计算、设计校核等步骤时,完全通过人工的方式将会耗费大量的人力,因此,在当前市场中具有大量的建筑辅助软件,通过建筑辅助软件辅助建筑设计和施工,这些建筑辅助软件能够正常应用的前提是能正确的识别钢筋信息,但是在实际应用过程中,尤其是对应初始使用者来说,经常会出现钢筋信息识别错误,此时则需要进行手动绘制钢筋分布和录入钢筋信息,使用较为不便,因此,为了更好的辅助建筑应用,正确识别钢筋信息,本发明提供了一种柱钢筋信息的自动识别方法。
发明内容
为了解决上述方案存在的问题,本发明提供了一种柱钢筋信息的自动识别方法。
本发明的目的可以通过以下技术方案实现:
一种柱钢筋信息的自动识别方法,包括:
步骤一:获取绘制钢筋的标准图集,根据获得的标准图集建立规范库;
获取柱钢筋具有的钢筋种类,如主筋、箍筋等;识别标准图集中对应的各个钢筋种类的图集数据,对获得的各个钢筋种类图集数据进行分析,获得各钢筋种类的识别标准,识别标准包括表现形式和设置范围,根据识别标准和对应的钢筋分类建立规范库。
步骤二:建立钢筋识别模型;
进一步地,建立钢筋识别模型的方法包括:
选择目标图像识别技术,目标图像识别技术即为钢筋识别模型所要应用的识别技术,获取标准图集,基于获得的目标图像识别技术和标准图集建立钢筋识别模型。
进一步地,选择目标图像识别技术的方法包括:
设置柱钢筋识别要求,获取当前符合柱钢筋识别要求的图像识别技术,标记为待选技术,评估各待选技术的技术值和应用成本,将技术值和应用成本分别标记为QU和CB,根据公式QW=b3×QU-b4×p×CB计算各待选技术的优先值,其中p为成本转化系数,b3、b4均为比例系数,取值范围为0<b3≤1,0<b4≤1,选择优先值最高的待选技术为目标图像识别技术。
评估各待选技术的技术值的方法包括:
获取各待选技术的历史识别数据,历史识别数据包括文字识别准确率、图像识别准确率和识别难度评分,将历史识别数据标记为i,其中i=1、2、……、n,n为正整数;将文字识别准确率、图像识别准确率和识别难度评分分别标记为WZi、TXi和PFi,设置评分转化系数,将评分转化系数标记为q,根据公式计算技术值,其中b1、b2均为比例系数,取值范围为0<b1≤1,0<b2≤1,λ为准确率转化系数。
步骤三:获取需要进行柱钢筋识别的图纸,通过钢筋识别模型对柱钢筋图纸进行识别获得钢筋识别图和识别准确率;
步骤四:基于规范库对钢筋识别图进行校核,获得对应的校核异常钢筋信息,并在钢筋识别图中进行相应的标记;
进一步地,基于规范库对钢筋识别图进行校核的方法包括:
设置校核步骤,基于校核步骤和规范库建立异常分析模型,通过异常分析模型对钢筋识别图和识别准确率进行分析,获得各个校核步骤对应的异常值,根据获得的异常值计算该柱钢筋的识别值,当识别值大于阈值X1时,校核正常;当识别值不大于阈值X1时,校核异常,标记为异常柱钢筋,识别异常值大于阈值X2的校核步骤,标记为异常项,识别异常项对应的钢筋信息,将获得的异常项对应的钢筋信息和异常柱钢筋整合为异常钢筋信息。
进一步地,根据获得的异常值计算该柱钢筋的识别值的方法包括:
将异常值标记为YCj,其中j表示对应的校核步骤,j=1、2、……、m,m为正整数;根据公式计算对应的识别值,其中AB为标准满分值。
进一步地,在钢筋识别图中进行异常钢筋信息标记的方法包括:
识别异常钢筋信息中异常钢筋柱在钢筋识别图中的位置,进行异常钢筋柱的标记,识别异常项对应的钢筋信息在异常钢筋柱中位置,进行相应的区别标记。
步骤五:将具有异常标记的钢筋识别图发送给对应的管理人员,由管理人员进行异常柱钢筋的复核和调整。
与现有技术相比,本发明的有益效果是:
通过结合标准图集建立钢筋识别模型,实现通过钢筋识别模型对柱钢筋的智能识别,同时为了提高钢筋识别模型的识别正确率,选择基于当前最适合的图像识别技术进行建立钢筋识别模型,综合利用当前先进的图像识别技术;并通过计算各识别结果的异常值和识别值进行校核,将校核异常的柱钢筋进行标记,便于使用者快速的发现异常部分,进行相应的异常钢筋审核和调整,避免应用识别错误的钢筋信息进行后续的算量等操作,进而导致计算结果偏差过大。
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的介绍,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为本发明方法流程图。
具体实施方式
下面将结合实施例对本发明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他实施例,都属于本发明保护的范围。
如图1所示,一种柱钢筋信息的自动识别方法,包括:
步骤一:获取绘制钢筋的标准图集,根据获得的标准图集建立规范库;
对于建筑设计领域中的柱钢筋设计,具有相应的设计规范和图集,所设计的柱钢筋信息均符合最新版的设计规范和图集,因此,通过对标准图集进行识别、提取,可以获取在当前可能出现的所有柱钢筋表现形式,如根据标准图集规范:圆点表示主筋、带弯钩的为箍筋、双弯钩为双肢箍、单弯钩为单肢箍等,并可以根据具有的主筋的组合方式,获取箍筋的所箍范围,按照各种钢筋的分类形成不同分类钢筋的图集数据,对对应的图集数据进行分析整合,获得对应分类钢筋的识别标准,如加强筋、加密区的设置,识别标准包括对应钢筋的表现形式、设置范围,表现形式可以有图形表现形式、文字表现形式等,设置范围包括不同情况下的设置范围,如不同柱尺寸、柱用途、位置等对应主筋数量范围;具体的利用现有的识别技术进行图集数据的识别整合,获得对应的识别标准,还可结合人工的方式进行设置,确保识别标准的准确无误,根据识别标准和对应的钢筋分类建立规范库。
步骤二:基于标准图集建立钢筋识别模型;所述钢筋识别模型用于对图纸中的柱钢筋进行识别,识别各钢筋种类、表现形式、设置方式、数量等数据,即正常状态下与图纸中柱钢筋相同,同样的图形和标注,输出钢筋识别图和识别准确率。识别准确率即为通过钢筋识别模型在识别分析过程中评估的一个识别准确率。
具体的为基于标准图集设置识别训练集,结合现有的图像识别技术建立进行建立;对于图像的识别技术,在当前具有多种识别技术可以建立符合要求的钢筋识别模型,能够实现对应钢筋绘制方式、钢筋种类、钢筋标准信息进行识别即可。
在一个实施例中,因为图像识别技术多种多样,不同的图像识别技术具有不同的识别效果,因此如何选择合适的图像识别技术建立钢筋识别模型就显得尤为重要,为了实现从多种图像识别技术中选择合适的图像识别技术建立钢筋识别模型,现提出如下方法:
一种为直接通过人工的方式进行选择建立。
另一种为:设置柱钢筋识别要求,获取当前符合柱钢筋识别要求的图像识别技术,标记为待选技术,获取各待选技术的历史识别数据,包括文字识别准确率、图像识别准确率、识别难度评分等,因为不同图像的识别难度是具有差异的,因此可以评估对应的识别难度评分,具体的可以基于CNN网络或DNN网络建立对应的难度评估模型,通过人工的设置识别难度评估标准,基于评估标准建立对应的训练集进行训练,通过训练成功后的难度评估模型进行相应的图像评估,获得对应的难度评分;设置柱基准难度评分,即通过对柱钢筋识别难度进行分析,设置一个代表柱钢筋识别难度的识别难度评分,标记为柱基准难度评分;
将历史识别数据标记为i,其中i=1、2、……、n,n为正整数;将文字识别准确率、图像识别准确率和识别难度评分分别标记为WZi、TXi和PFi,设置评分转化系数,用于对识别难度评分进行单位转化,通过人工的方式根据实际情况进行设置,将评分转化系数标记为q,根据公式计算技术值,其中b1、b2均为比例系数,取值范围为0<b1≤1,0<b2≤1,λ为准确率转化系数,用于将计算的准确率转化为后续计算的统一单位,具体为通过人工的方式进行设置;
获取各待选技术的应用成本,通过现有方式和历史应用数据评估应用该技术大致需要的资金成本,包括建立钢筋识别模型所需的费用;将获得的应用成本标记为CB,根据公式QW=b3×QU-b4×p×CB计算对应的优先值,其中p为成本转化系数,用于进行单位转化,与准确率转化系数同步采用人工的方式进行设置,进行单位统一后计算,b3、b4均为比例系数,取值范围为0<b3≤1,0<b4≤1,选择优先值最高的待选技术作为建立钢筋识别模型的图形识别技术。
步骤三:获取需要进行柱钢筋识别的图纸,通过钢筋识别模型对柱钢筋图纸进行识别获得钢筋识别图和识别准确率;
步骤四:基于规范库对钢筋识别图进行校核,获得对应的校核异常钢筋信息,并在钢筋识别图中进行相应的标记;
利用规范库中各钢筋种类的表现形式和设置范围,对钢筋识别图中的钢筋信息进行校核,如主筋数量、分布位置等是否异常,箍筋间隔、数量是否异常等,进而综合评估一个识别值,设置一个阈值X1,将识别值低于阈值X1的钢筋信息视为异常柱钢筋,具体的校核方法包括:
先获取钢筋识别图中具有的钢筋种类、柱信息,根据钢筋种类、柱信息分析是否具有钢筋种类缺少问题,在该过程会分析输出一个异常值,获取主筋数量和分布图像,再进行分析,输出一个异常值,根据主筋数量、组合方式,分析当前箍筋数量、分布方式等,输出一个异常值,依此类推,通过人工的方式设置若干个校核步骤,每个校核步骤输出一个异常值;
对应的分析方法是通过人工的方式根据具有的校核步骤和规范库设置对应的训练集,基于CNN网络或DNN网络建立对应的异常分析模型,通过建立的训练集进行训练,通过训练成功后的异常分析模型对钢筋识别图和识别准确率进行分析,获得各个校核步骤对应的异常值,标记为YCj,其中j表示对应的校核步骤,j=1、2、……、m,m为正整数;根据公式计算对应的识别值,其中AB为标准满分值,即为多少分制的,一般为100,可以根据实际情况进行调整,当QM大于X1时,校核正常,当QM不大于X1时,校核异常,将识别值低于阈值X1的钢筋信息视为异常柱钢筋,识别各异常值大于阈值X2的校核步骤,标记为异常项,将对应校核步骤对应的钢筋信息中区别标记,即先对异常识别柱进行标记,再用不同的标记方式标记异常项对应的钢筋信息,将异常柱钢筋和异常项对应的钢筋信息整合为异常钢筋信息。
步骤五:将具有异常标记的钢筋识别图发送给对应的管理人员,由管理人员进行异常柱钢筋的复核和调整。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (1)
1.一种柱钢筋信息的自动识别方法,其特征在于,包括:
步骤一:获取绘制钢筋的标准图集,根据获得的标准图集建立规范库;
步骤二:建立钢筋识别模型;
步骤三:获取需要进行柱钢筋识别的图纸,通过钢筋识别模型对柱钢筋图纸进行识别获得钢筋识别图和识别准确率;
步骤四:基于规范库对钢筋识别图进行校核,获得对应的校核异常钢筋信息,并在钢筋识别图中进行相应的标记;
步骤五:将具有异常标记的钢筋识别图发送给对应的管理人员,由管理人员进行异常柱钢筋的复核和调整;
步骤一中建立规范库的方法包括:
获取柱钢筋具有的钢筋种类,识别标准图集中对应的各个钢筋种类的图集数据,对获得的各个钢筋种类图集数据进行分析,获得各钢筋种类的识别标准,识别标准包括表现形式和设置范围,根据识别标准和对应的钢筋分类建立规范库;
步骤二中建立钢筋识别模型的方法包括:
选择目标图像识别技术,获取标准图集,基于获得的目标图像识别技术和标准图集建立钢筋识别模型;
选择目标图像识别技术的方法包括:
设置柱钢筋识别要求,获取当前符合柱钢筋识别要求的图像识别技术,标记为待选技术,评估各待选技术的技术值和应用成本,将技术值和应用成本分别标记为QU和CB,根据公式QW=b3×QU-b4×p×CB计算各待选技术的优先值,其中p为成本转化系数,b3、b4均为比例系数,取值范围为0<b3≤1,0<b4≤1,选择优先值最高的待选技术为目标图像识别技术;
评估各待选技术的技术值的方法包括:
获取各待选技术的历史识别数据,历史识别数据包括文字识别准确率、图像识别准确率和识别难度评分,将历史识别数据标记为i,其中i=1、2、……、n,n为正整数;将文字识别准确率、图像识别准确率和识别难度评分分别标记为WZi、TXi和PFi,设置评分转化系数,将评分转化系数标记为q,根据公式计算技术值,其中b1、b2均为比例系数,取值范围为0<b1≤1,0<b2≤1,λ为准确率转化系数;
步骤四中基于规范库对钢筋识别图进行校核的方法包括:
设置校核步骤,基于校核步骤和规范库建立异常分析模型,通过异常分析模型对钢筋识别图和识别准确率进行分析,获得各个校核步骤对应的异常值,根据获得的异常值计算该柱钢筋的识别值,当识别值大于阈值X1时,校核正常;当识别值不大于阈值X1时,校核异常,标记为异常柱钢筋,识别异常值大于阈值X2的校核步骤,标记为异常项,识别异常项对应的钢筋信息,将获得的异常项对应的钢筋信息和异常柱钢筋整合为异常钢筋信息;
根据获得的异常值计算该柱钢筋的识别值的方法包括:
将异常值标记为YCj,其中j表示对应的校核步骤,j=1、2、……、m,m为正整数;根据公式计算对应的识别值,其中AB为标准满分值;
在钢筋识别图中进行异常钢筋信息标记的方法包括:
识别异常钢筋信息中异常钢筋柱在钢筋识别图中的位置,进行异常钢筋柱的标记,识别异常项对应的钢筋信息在异常钢筋柱中位置,进行相应的区别标记。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444046.1A CN116229498B (zh) | 2023-04-24 | 2023-04-24 | 一种柱钢筋信息的自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444046.1A CN116229498B (zh) | 2023-04-24 | 2023-04-24 | 一种柱钢筋信息的自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116229498A CN116229498A (zh) | 2023-06-06 |
CN116229498B true CN116229498B (zh) | 2023-07-25 |
Family
ID=86582861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310444046.1A Active CN116229498B (zh) | 2023-04-24 | 2023-04-24 | 一种柱钢筋信息的自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116229498B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019008683A (ja) * | 2017-06-28 | 2019-01-17 | 株式会社ア−キテック | 鉄筋管理システム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114067347A (zh) * | 2021-10-22 | 2022-02-18 | 南方电网数字电网研究院有限公司 | 配电站设计图的自动校验方法、运行控制装置、电子设备 |
CN115359505A (zh) * | 2022-06-14 | 2022-11-18 | 云南电网有限责任公司 | 一种电力图纸检测提取方法及系统 |
CN115236490A (zh) * | 2022-07-22 | 2022-10-25 | 安徽丰士通电子科技有限公司 | 一种集成电路引脚检测系统 |
-
2023
- 2023-04-24 CN CN202310444046.1A patent/CN116229498B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019008683A (ja) * | 2017-06-28 | 2019-01-17 | 株式会社ア−キテック | 鉄筋管理システム |
Non-Patent Citations (1)
Title |
---|
基于动力扩展有限元和人工蜂群算法检测钢筋混凝土结构内部缺陷;杜成斌等;江苏水利(05);第26-30、34页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116229498A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112966760B (zh) | 融合文本和图像数据的神经网络及其建筑结构的设计方法 | |
JP7442059B2 (ja) | 構造情報表示装置、構造設計支援装置、及び構造設計支援モデル学習装置 | |
CN109308361B (zh) | 三维钢筋算量模型的构建方法、系统及计算机装置 | |
CN109685019B (zh) | 一种构件识别方法、电子设备及存储介质 | |
CN109448044A (zh) | 一种用于钢筋笼中钢筋间距的辅助检测方法及系统 | |
CN113128457A (zh) | 一种建筑模型的识别方法、系统及相关装置 | |
CN112651373A (zh) | 一种建筑图纸文本信息的识别方法及装置 | |
CN116229498B (zh) | 一种柱钢筋信息的自动识别方法 | |
CN115422634A (zh) | 一种混凝土梁bim建模系统 | |
CN115272826A (zh) | 一种基于卷积神经网络的图像识别方法、装置及系统 | |
CN107391619A (zh) | 针对不完整异构数据的自适应哈希方法及装置 | |
CN109558629B (zh) | 钢筋布置方案的生成方法和装置 | |
CN113158292B (zh) | 构件匹配方法、工程量计算方法、装置及电子设备 | |
CN113807596A (zh) | 一种信息化工程造价的管理方法及系统 | |
CN117131671A (zh) | 一种基于数字孪生的水利工程智能监测方法及系统 | |
CN115510536B (zh) | 基于bim的钢筋自动化加工系统及方法 | |
CN106649202A (zh) | 基于多样性变量加权plsr模型的工业过程软测量方法 | |
CN109854227A (zh) | 一种新型钻井故障识别系统 | |
KR20230174318A (ko) | 인공지능 모델을 이용하여 건축도면으로부터 개산견적을 산출하는 방법 | |
CN109183605A (zh) | 一种桥梁盖梁钢筋方案的设计优化方法 | |
CN116543327A (zh) | 作业人员工种识别的方法、装置、计算机设备及存储介质 | |
CN113434937A (zh) | 设计模型转换为算量模型的方法、装置、设备和介质 | |
KR20000072245A (ko) | 컴퓨터를 이용한 건축도면 분석 및 처리방법 | |
CN116092012B (zh) | 基于视频流的钢筋绑扎工序监测方法及监测装置 | |
CN116258474B (zh) | 城轨车辆的辅助检修方法、系统、存储介质及计算机设备 |
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 |