CN116311333A - 针对电气图纸中边缘细小文字识别的预处理方法及系统 - Google Patents

针对电气图纸中边缘细小文字识别的预处理方法及系统 Download PDF

Info

Publication number
CN116311333A
CN116311333A CN202310143004.4A CN202310143004A CN116311333A CN 116311333 A CN116311333 A CN 116311333A CN 202310143004 A CN202310143004 A CN 202310143004A CN 116311333 A CN116311333 A CN 116311333A
Authority
CN
China
Prior art keywords
area
picture
detection
electrical
text
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
CN202310143004.4A
Other languages
English (en)
Other versions
CN116311333B (zh
Inventor
陈中
曹卫国
钱晶
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.)
Five-C Smart Power Grid Technology Co ltd
Original Assignee
Nanjing Yunjie Power 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 Nanjing Yunjie Power Technology Co ltd filed Critical Nanjing Yunjie Power Technology Co ltd
Priority to CN202310143004.4A priority Critical patent/CN116311333B/zh
Publication of CN116311333A publication Critical patent/CN116311333A/zh
Application granted granted Critical
Publication of CN116311333B publication Critical patent/CN116311333B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06V30/14—Image acquisition
    • G06V30/141—Image acquisition using multiple overlapping images; Image stitching
    • 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
    • G06V30/148—Segmentation of character regions
    • G06V30/15—Cutting or merging image elements, e.g. region growing, watershed or clustering-based techniques
    • 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
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (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)
  • Character Input (AREA)

Abstract

本发明公开了一种针对电气图纸中边缘细小文字识别的预处理方法及系统，涉及图像处理方法技术领域。所述方法首先需要将原始图纸图片中的常规元件区域检测出来，并对该区域进行空白填充，得到空白覆盖后的图片，再对图片进行滑动切割，得到全图切割后的多份小图，进而对每个小图进行文字区域，接着遍历切割后的图纸进行文字区域检测，将检测框位置还原到整图上，通过在整图上进行检测框的去重与拼接，最终能够准确定位原始电气图纸图片中边缘细小的文字区域，提高了检测的准确性。

Description

针对电气图纸中边缘细小文字识别的预处理方法及系统
技术领域
本发明涉及图像处理方法技术领域，尤其涉及一种针对电气图纸中边缘细小文字识别的预处理方法及系统。
背景技术
随着变电站长期发展，技术不断进步，变电站积累了大量的电气设计图纸，导致传统纸质管理模式已远远无法胜任数量如此庞大，结构又如此复杂的数据维护。而图纸中的文字信息会给识别图纸类型以及后续管理带来很多方便，因此，基于人工智能的文本检测方法孕育而生。目前，大部分工作主要围绕规则的且具有属性的元件文字而展开识别，忽略了一些位于图纸边缘的细小且仍然重要的文字。所以，急需一种新的方法来处理电气图纸中边缘细小文字的识别。
发明内容
本发明所要解决的技术问题是提供一种边缘细小的文字区域的检测准确性高的预处理方法及系统。
为解决上述技术问题，本发明所采取的技术方案是：一种针对电气图纸中边缘细小文字识别的预处理方法，其特征在于包括如下步骤：
通过目标检测算法，检测常规电气元件所在区域；
将识别结果保留坐标，将常规电气元件所在区域利用空白覆盖；
对覆盖后的图纸进行滑动切割，将整张图纸切割成多份小图；
遍历切割后的图纸进行文字区域检测，将检测框位置还原到整图上；
剩余区域文字线段识别，在整图上进行检测框的去重与拼接。
进一步的技术方案在于，所述通过目标检测算法，检测常规电气元件所在区域具体包括如下步骤：
通过AutoCAD根据实际电气工程要求设计绘制生成PDF，再转化为计算机可以处理的图像格式；
对图像中的常规元件所在区域进行标注并训练出模型权重，将此权重用于检测电气设计图纸中的常规电气元件区域。
进一步的技术方案在于，所述将识别结果保留坐标，将常规电气元件所在区域利用空白覆盖具体包括如下步骤：
通过YOLOv5算法中设置save-txt参数，将检测出的常规元件区域坐标保留在TXT文档中；
根据所述TXT文档中保留的所述区域坐标对所述目标图片进行空白覆盖，得到覆盖后的图片。
进一步的技术方案在于，所述对覆盖后的图纸进行滑动切割，将整张图纸切割成多份小图具体包括如下步骤：
通过参数设置需要切割的尺寸；
根据切割尺寸将大图切割成小图，并保存在新的文件夹中。
进一步的技术方案在于，所述遍历切割后的图纸进行文字区域检测，将检测框位置还原到整图上具体包括如下步骤：
在切割后的多张小块上进行文字区域检测；
在滑动切割时会记录切割后获得的图像相对于整图的位置坐标；
文字坐标是相对于切割后图像的，把这两种坐标结合起来，就是文字相对于整图的坐标。
进一步的技术方案在于，所述剩余区域文字线段识别，在整图上进行检测框的去重与拼接具体包括如下步骤：
对于重复的文字检测框，去除重复检测的文字框区域；
对于去重后的区域进行拼接，得到完整的文字检测区域。
本发明还公开了一种针对电气图纸中边缘细小文字识别的预处理系统，其特征在于包括：
常规元件检测模块：用于通过目标检测算法，检测常规电气元件所在区域；
空白覆盖模块，用于确定各所述常规元件区域的区域坐标，并根据所述区域坐标对所述原始图片进行空白区域填充，得到空白覆盖后的图片；
滑动切割模块，用于对覆盖后的图纸进行滑动切割，将整张图纸切割成多份小图；
预处理模块，用于对遍历切割后的图纸进行文字区域检测，将检测框位置还原到整图上；
去重与拼接模块，用于对剩余区域文字线段识别，将重复区域进行去重，对去重后的图片进行拼接。
进一步的技术方案在于，所述常规元件检测模块具体包括：
标注单元，用于对原始图片中的常规元件所在区域进行标注；
训练单元，用于利用标注后的样本图片训练YOLOv5目标检测模型；
检测单元，用于利用训练好的YOLOv5目标检测模型检测所述原始图片中的常规电气元件所在区域；
所述空白覆盖模块具体包括：
坐标保存单元，用于在所述常规电气元件区域检测时，在所述YOLOv5目标检测模型中设置save-txt参数，将检测出的所述常规电气元件所在区域的坐标保留在TXT文档中；
覆盖单元，用于根据所述TXT文档中保留的所述区域坐标对原始图片进行空白填充，得到空白覆盖后的电气图片。
进一步的技术方案在于，所述覆盖单元具体包括：
文件格式转换子单元，用于将YOLO格式的TXT文档文件转换为VOC格式的XML标注文件；
覆盖子单元，用于读取所述XML标注文件中保留的所述区域坐标，并对所述原始图片进行空白填充，得到空白覆盖后的电气图片。
进一步的技术方案在于，所述滑动切割模块具体包括：
参数设置单元，用于设置滑动的切割参数；
保存单元，用于根据设置的参数将大图切割成多份小图；
所述预处理模块具体包括：
文字初检测单元，用于设置滑动的切割参数；
坐标结合单元，用于根据设置的参数将大图切割成多份小图；
所述去重与拼接模块具体包括：
去重单元，用于去除重复检测的文字框区域；
拼接单元，用于得到完整的文字检测区域。
采用上述技术方案所产生的有益效果在于：本发明，首先需要将原始图纸图片中的常规元件区域检测出来，并对该区域进行空白填充，得到空白覆盖后的图片，再对图片进行滑动切割，得到全图切割后的多份小图，进而对每个小图进行文字区域，接着遍历切割后的图纸进行文字区域检测，将检测框位置还原到整图上，通过在整图上进行检测框的去重与拼接，最终能够准确定位原始电气图纸图片中边缘细小的文字区域，提高了检测的准确性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明实施例一所述方法的处理流程图
图2是本发明实施例一所述方法的技术原理图；
图3是本发明实施例一中预处理的电气图纸图片原始图；
图4是本发明实施例一中通过所述方法处理后的空白覆盖后的图；
图5是本发明实施例一所述方法提供的滑动切割图；
图6是本发明实施例一所述方法提供的去重与拼接图；
图7是本发明实施例二所述系统的原理框图。
具体实施方式
下面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的一部分实施例，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。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
本发明的目的是提供一种针对电气图纸中边缘细小文字识别的预处理方法及系统，首先需要将原始图纸图片中的常规元件区域检测出来，并对该区域进行空白填充，得到空白覆盖后的图片，再对图片进行滑动切割，得到全图切割后的多份小图，进而对每个小图进行文字区域，接着遍历切割后的图纸进行文字区域检测，将检测框位置还原到整图上，通过在整图上进行检测框的去重与拼接，最终能够准确定位原始电气图纸图片中边缘细小的文字区域，提高了检测的准确性。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图1和图2所示，本发明实施例提供一种针对电气图纸中边缘细小文字识别的预处理方法，包括：
S1：通过YOLOv5目标检测算法，检测原始电气图纸中(如图3所示)常规元件所在区域。
通过将原始的电气图纸为图像格式；之后对图像中的常规元件所在区域进行标注并训练出模型权重，将此权重用于检测电气图纸图片中的常规元件区域。
具体为，所述步骤S1包括：
S11：通过AutoCAD根据实际电气工程要求设计绘制生成PDF，再转化为计算机可以处理的图像格式；
S12：对图像中的常规元件所在区域进行标注并训练出模型权重，将此权重用于检测电气设计图纸中的常规元件区域；
S13：利用训练好的YOLOv5目标检测模型检测所述目标图片中的所述常规区域所在区域。
S2：将常规元件区域识别结果保留坐标，并将该区域利用空白进行覆盖。
该步骤通过YOLOv5算法中设置save-txt参数，将检测出的常规元件区域坐标保留在TXT文档中；将YOLO格式TXT标注文件转换为VOC格式XML标注文件；通过OpenCV读取XML中的信息，在原图中进行空白填充，并保存空白覆盖后的图片，处理后的结果如图4所示。
具体的，所述步骤S2包括：
S21：通过YOLOv5算法中设置save-txt参数，将检测出的常规元件区域坐标保留在TXT文档中；
S22：根据所述TXT文档中保留的所述区域坐标对所述目标图片进行空白覆盖，得到覆盖后的图片。
步骤S22具体包括如下步骤：
S221：将YOLO格式的TXT文档文件转换为VOC格式的XML标注文件；
S222：读取所述XML标注文件中保留的所述区域坐标，并对所述原始图片进行空白填充，得到所述空白覆盖后的图片。
S223：将图片中检测出的常规元件区域坐标保留，并转化为XML格式，通过OpenCV根据XML中的坐标信息，对原图进行空白填充，空白覆盖后的图片如图4所示。
S3：对覆盖后的图纸进行滑动切割，将大图切割成多份小图，如图5所示。
步骤S3具体包括如下步骤：
S31：通过参数设置需要将大图切割的尺寸；
S32：根据切割尺寸将大图切割成小图，并保存在新的文件夹中；
S4：遍历切割后的图纸进行文字区域检测，将检测框位置还原到整图上。
步骤S4具体包括如下步骤：
S41：在切割后的多张小块上进行文字区域检测；
S42：在滑动切割的时候会记录切割后获得的图像相对于整图的位置坐标；
S43：文字坐标是相对于切割后图像的，把这两种坐标结合起来，就是文字相对于整图的坐标。
S5：剩余区域文字线段识别，在整图上进行检测框的去重与拼接。
对于重复的文字检测框，去除重复检测的文字框区域；对于去重后的区域进行拼接，得到完整的文字检测区域，如图6所示。
本实施例中，能够解决实际电气图纸中边缘细小文字无法检测的问题，相比于直接进行文本检测方法，有很强的实用性，可靠性较高，能够改善文本的检测结果，提高检测算法的准确性。
实施例二
如图所示，如图7所示，本实施例公共了一种针对电气图纸中边缘细小文字识别的预处理系统，包括：
常规元件检测模块101，用于利用YOLOv5目标检测模型检测常规元件所在区域。
所述常规元件检测模块101具体包括：
标注单元1011，用于对原始图片中的常规元件所在区域进行标注；
训练单元1012，用于利用标注后的样本图片训练YOLOv5目标检测模型；
检测单元1013，用于利用训练好的YOLOv5目标检测模型检测所述原始图片中的常规元件所在区域。
空白覆盖模块102，用于确定各所述常规元件区域的区域坐标，并根据所述区域坐标对所述原始图片进行空白区域填充，得到空白覆盖后的图片。
所述空白覆盖模块102具体包括：
坐标保存单元1021，用于在所述常规元件区域检测时，在所述YOLOv5目标检测模型中设置save-txt参数，将检测出的所述常规元件所在区域的坐标保留在TXT文档中；
覆盖单元1022，用于根据所述TXT文档中保留的所述区域坐标对原始图片进行空白填充，得到空白覆盖后的电气图片。
具体的，所述覆盖单元1022包括：
文件格式转换子单元10221，用于将YOLO格式的TXT文档文件转换为VOC格式的XML标注文件；
覆盖子单元10222，用于读取所述XML标注文件中保留的所述区域坐标，并对所述原始图片进行空白填充，得到空白覆盖后的电气图片。
滑动切割模块103，于将原始的大图切割成多份小图，方便更好的进行细小文字检测。
所述滑动切割模块103具体包括：
参数设置单元1031，用于设置滑动的切割参数；
保存单元1032，用于根据设置的参数将大图切割成多份小图；
预处理模块104，用于对遍历切割后的图纸进行文字区域检测，将检测框位置还原到整图上。
所述预处理模块104具体包括：
文字初检测单元1041，用于设置滑动的切割参数；
坐标结合单元1042，用于根据设置的参数将大图切割成多份小图；
去重与拼接模块105，用于对剩余区域文字线段识别，将重复区域进行去重，对去重后的图片进行拼接。
所述去重与拼接模块具体包括：
去重单元1051，用于去除重复检测的文字框区域；
拼接单元1052，用于得到完整的文字检测区域。
本说明书中每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种针对电气图纸中边缘细小文字识别的预处理方法，其特征在于包括如下步骤：
通过目标检测算法，检测常规电气元件所在区域；
将识别结果保留坐标，将常规电气元件所在区域利用空白覆盖；
对覆盖后的图纸进行滑动切割，将整张图纸切割成多份小图；
遍历切割后的图纸进行文字区域检测，将检测框位置还原到整图上；
剩余区域文字线段识别，在整图上进行检测框的去重与拼接。
2.如权利要求1所述的针对电气图纸中边缘细小文字识别的预处理方法，其特征在于，所述通过目标检测算法，检测常规电气元件所在区域具体包括如下步骤：
通过AutoCAD根据实际电气工程要求设计绘制生成PDF，再转化为计算机可以处理的图像格式；
对图像中的常规元件所在区域进行标注并训练出模型权重，将此权重用于检测电气设计图纸中的常规元件区域；
利用训练好的YOLOv5目标检测模型检测所述目标图片中的所述常规区域所在区域。
3.如权利要求1所述的针对电气图纸中边缘细小文字识别的预处理方法，其特征在于，所述将识别结果保留坐标，将常规电气元件所在区域利用空白覆盖具体包括如下步骤：
通过YOLOv5算法中设置save-txt参数，将检测出的常规元件区域坐标保留在TXT文档中；
根据所述TXT文档中保留的所述区域坐标对所述目标图片进行空白覆盖，得到覆盖后的图片。
4.如权利要求1所述的针对电气图纸中边缘细小文字识别的预处理方法，其特征在于，所述对覆盖后的图纸进行滑动切割，将整张图纸切割成多份小图具体包括如下步骤：
通过参数设置需要切割的尺寸；
根据切割尺寸将大图切割成小图，并保存在新的文件夹中。
5.如权利要求1所述的针对电气图纸中边缘细小文字识别的预处理方法，其特征在于，所述遍历切割后的图纸进行文字区域检测，将检测框位置还原到整图上具体包括如下步骤：
在切割后的多张小块上进行文字区域检测；
在滑动切割时会记录切割后获得的图像相对于整图的位置坐标；
文字坐标是相对于切割后图像的，把这两种坐标结合起来，就是文字相对于整图的坐标。
6.如权利要求1所述的针对电气图纸中边缘细小文字识别的预处理方法，其特征在于，所述剩余区域文字线段识别，在整图上进行检测框的去重与拼接具体包括如下步骤：
对于重复的文字检测框，去除重复检测的文字框区域；
对于去重后的区域进行拼接，得到完整的文字检测区域。
7.一种针对电气图纸中边缘细小文字识别的预处理系统，其特征在于包括：
常规元件检测模块：用于通过目标检测算法，检测常规电气元件所在区域；
空白覆盖模块，用于确定各所述常规元件区域的区域坐标，并根据所述区域坐标对所述原始图片进行空白区域填充，得到空白覆盖后的图片；
滑动切割模块，用于对覆盖后的图纸进行滑动切割，将整张图纸切割成多份小图；
预处理模块，用于对遍历切割后的图纸进行文字区域检测，将检测框位置还原到整图上；
去重与拼接模块，用于对剩余区域文字线段识别，将重复区域进行去重，对去重后的图片进行拼接。
8.如权利要求7所述的针对电气图纸中边缘细小文字识别的预处理系统，其特征在于，所述常规元件检测模块具体包括：
标注单元，用于对原始图片中的常规元件所在区域进行标注；
训练单元，用于利用标注后的样本图片训练YOLOv5目标检测模型；
检测单元，用于利用训练好的YOLOv5目标检测模型检测所述原始图片中的常规电气元件所在区域；
所述空白覆盖模块具体包括：
坐标保存单元，用于在所述常规电气元件区域检测时，在所述YOLOv5目标检测模型中设置save-txt参数，将检测出的所述常规电气元件所在区域的坐标保留在TXT文档中；
覆盖单元，用于根据所述TXT文档中保留的所述区域坐标对原始图片进行空白填充，得到空白覆盖后的电气图片。
9.如权利要求8所述的针对电气图纸中边缘细小文字识别的预处理系统，其特征在于，所述覆盖单元具体包括：
文件格式转换子单元，用于将YOLO格式的TXT文档文件转换为VOC格式的XML标注文件；
覆盖子单元，用于读取所述XML标注文件中保留的所述区域坐标，并对所述原始图片进行空白填充，得到空白覆盖后的电气图片。
10.如权利要求7所述的针对电气图纸中边缘细小文字识别的预处理系统，其特征在于，所述滑动切割模块具体包括：
参数设置单元，用于设置滑动的切割参数；
保存单元，用于根据设置的参数将大图切割成多份小图；
所述预处理模块具体包括：
文字初检测单元，用于设置滑动的切割参数；
坐标结合单元，用于根据设置的参数将大图切割成多份小图；
所述去重与拼接模块具体包括：
去重单元，用于去除重复检测的文字框区域；
拼接单元，用于得到完整的文字检测区域。
CN202310143004.4A 2023-02-21 2023-02-21 针对电气图纸中边缘细小文字识别的预处理方法及系统 Active CN116311333B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310143004.4A CN116311333B (zh) 2023-02-21 2023-02-21 针对电气图纸中边缘细小文字识别的预处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310143004.4A CN116311333B (zh) 2023-02-21 2023-02-21 针对电气图纸中边缘细小文字识别的预处理方法及系统

Publications (2)

Publication Number Publication Date
CN116311333A true CN116311333A (zh) 2023-06-23
CN116311333B CN116311333B (zh) 2023-12-01

Family

ID=86835234

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310143004.4A Active CN116311333B (zh) 2023-02-21 2023-02-21 针对电气图纸中边缘细小文字识别的预处理方法及系统

Country Status (1)

Country Link
CN (1) CN116311333B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11272792A (ja) * 1998-03-24 1999-10-08 Fuji Xerox Co Ltd 用紙方向判定装置及び方法
US20140118797A1 (en) * 2012-10-29 2014-05-01 Oki Data Corporation Image processing device, image formation system and image processing method
CN109002824A (zh) * 2018-06-27 2018-12-14 淮阴工学院 一种基于OpenCV的建筑图纸标签信息检测方法
WO2019085971A1 (zh) * 2017-11-03 2019-05-09 腾讯科技（深圳）有限公司 图像中定位文本的方法、装置、电子设备和存储介质
CN110516672A (zh) * 2019-08-29 2019-11-29 腾讯科技（深圳）有限公司 卡证信息识别方法、装置及终端
WO2019227615A1 (zh) * 2018-06-01 2019-12-05 平安科技（深圳）有限公司 校正发票图像的方法、装置、计算机设备和存储介质
CN111476801A (zh) * 2020-03-31 2020-07-31 万翼科技有限公司 图像分割方法、电子设备及相关产品
WO2020234386A1 (de) * 2019-05-21 2020-11-26 Fresenius Kabi Deutschland Gmbh Anlage und verfahren zum herstellen einer medizinischen verpackung
US20210004629A1 (en) * 2019-07-05 2021-01-07 Beijing Baidu Netcom Science And Technology Co., Ltd. End-to-end text recognition method and apparatus, computer device and readable medium
CN112580452A (zh) * 2020-12-07 2021-03-30 北京明略昭辉科技有限公司 故障树的处理方法、装置、计算机可读存储介质以及处理器
CN113378671A (zh) * 2021-05-31 2021-09-10 邵艳杰 基于深度学习的pid图纸解析方法、计算机系统及介质
WO2021252712A1 (en) * 2020-06-10 2021-12-16 Ancestry.Com Operations Inc. Systems and methods for identifying and segmenting objects from images
CN113920295A (zh) * 2021-10-30 2022-01-11 平安科技（深圳）有限公司 文字检测识别方法、装置、电子设备及存储介质
CN114463197A (zh) * 2021-12-31 2022-05-10 济南信通达电气科技有限公司 一种用于电力设备的文本识别方法及设备
CN115588202A (zh) * 2022-10-28 2023-01-10 南京云阶电力科技有限公司 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
CN115690823A (zh) * 2022-11-01 2023-02-03 南京云阶电力科技有限公司 电气图纸中带有毛刺特征的表格信息提取方法及装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11272792A (ja) * 1998-03-24 1999-10-08 Fuji Xerox Co Ltd 用紙方向判定装置及び方法
US20140118797A1 (en) * 2012-10-29 2014-05-01 Oki Data Corporation Image processing device, image formation system and image processing method
WO2019085971A1 (zh) * 2017-11-03 2019-05-09 腾讯科技（深圳）有限公司 图像中定位文本的方法、装置、电子设备和存储介质
WO2019227615A1 (zh) * 2018-06-01 2019-12-05 平安科技（深圳）有限公司 校正发票图像的方法、装置、计算机设备和存储介质
CN109002824A (zh) * 2018-06-27 2018-12-14 淮阴工学院 一种基于OpenCV的建筑图纸标签信息检测方法
WO2020234386A1 (de) * 2019-05-21 2020-11-26 Fresenius Kabi Deutschland Gmbh Anlage und verfahren zum herstellen einer medizinischen verpackung
US20210004629A1 (en) * 2019-07-05 2021-01-07 Beijing Baidu Netcom Science And Technology Co., Ltd. End-to-end text recognition method and apparatus, computer device and readable medium
CN110516672A (zh) * 2019-08-29 2019-11-29 腾讯科技（深圳）有限公司 卡证信息识别方法、装置及终端
CN111476801A (zh) * 2020-03-31 2020-07-31 万翼科技有限公司 图像分割方法、电子设备及相关产品
WO2021252712A1 (en) * 2020-06-10 2021-12-16 Ancestry.Com Operations Inc. Systems and methods for identifying and segmenting objects from images
CN112580452A (zh) * 2020-12-07 2021-03-30 北京明略昭辉科技有限公司 故障树的处理方法、装置、计算机可读存储介质以及处理器
CN113378671A (zh) * 2021-05-31 2021-09-10 邵艳杰 基于深度学习的pid图纸解析方法、计算机系统及介质
CN113920295A (zh) * 2021-10-30 2022-01-11 平安科技（深圳）有限公司 文字检测识别方法、装置、电子设备及存储介质
CN114463197A (zh) * 2021-12-31 2022-05-10 济南信通达电气科技有限公司 一种用于电力设备的文本识别方法及设备
CN115588202A (zh) * 2022-10-28 2023-01-10 南京云阶电力科技有限公司 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
CN115690823A (zh) * 2022-11-01 2023-02-03 南京云阶电力科技有限公司 电气图纸中带有毛刺特征的表格信息提取方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHAITRA Y. L 等: "An Impact of YOLOv5 on Text Detection and Recognition System using TesseractOCR in Images/Video Frames", 《2022 IEEE INTERNATIONAL CONFERENCE ON DATA SCIENCE AND INFORMATION SYSTEM (ICDSIS)》, pages 1 - 6 *
MEIMEI WANG: "Recognition of Circuit Diagram in Physics of Secondary School", 《万方数据知识服务平台》 *
王圣江: "露白特征在印章印文检验中的应用价值研究", 《法庭科学》, no. 58, pages 133 - 137 *
秦辞海 等: "基于深度学习的变电站钢结构图纸标题栏文字检测与识别", 《第八届BIM技术国际交流会暨新产品展览会——工程项目全生命期协同应用创新发展》, pages 550 - 555 *

Also Published As

Publication number Publication date
CN116311333B (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
CN109902622B (zh) 一种用于登机牌信息验证的文字检测识别方法
CN115690823B (zh) 电气图纸中带有毛刺特征的表格信息提取方法及装置
CN111563509A (zh) 一种基于tesseract的变电站端子排识别方法及系统
CN111859805B (zh) 基于人工智能的电力图纸拓扑关系的检测方法
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
CN112364834A (zh) 一种基于深度学习和图像处理的表格识别的还原方法
CN102968638B (zh) 基于关键字光学字符识别的影像清晰度判断的方法
CN113221711A (zh) 一种信息提取方法及装置
CN113674216A (zh) 一种基于深度学习的地铁隧道病害检测方法
CN103246953A (zh) 一种单据稽核方法
CN116311333B (zh) 针对电气图纸中边缘细小文字识别的预处理方法及系统
CN114119528A (zh) 一种配电线路绝缘子的缺陷检测方法及装置
CN112686888A (zh) 混凝土轨枕裂纹的检测方法、系统、设备和介质
CN115830584B (zh) 基于深度学习的端子排文本检测方法及系统
CN113743159A (zh) 一种应用于电力企业的ocr方法
CN107861931B (zh) 模板文件处理方法、装置、计算机设备和存储介质
CN115359505A (zh) 一种电力图纸检测提取方法及系统
CN110719445A (zh) 一种基于图像识别的远程抄表系统及方法
CN114049598B (zh) 电力图元的状态识别方法及装置、存储介质及电子设备
CN109741426B (zh) 一种漫画形式转化方法和装置
CN113947778A (zh) 一种基于档案文件数字化处理方法
CN109299652B (zh) 一种用于图像定位的模型训练方法、图像定位方法及装置
CN111881869B (zh) 一种基于手势数据的分级存储方法及系统
JP5035443B2 (ja) 画像処理装置、および画像処理方法、並びにコンピュータ・プログラム
CN117611710A (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

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
TR01 Transfer of patent right

Effective date of registration: 20240521

Address after: Room 204, Building A11, No. 9 Science and Technology Innovation Avenue, Zhongshan Science and Technology Park, Jiangbei New District, Nanjing City, Jiangsu Province, 211899

Patentee after: FIVE-C SMART POWER GRID TECHNOLOGY Co.,Ltd.

Country or region after: China

Address before: Room 301-28, Building A10, No. 9, Kechuang Avenue, Intelligent Manufacturing Industrial Park (Zhihe Park), Jiangbei New District, Nanjing, Jiangsu 211899

Patentee before: Nanjing Yunjie Power Technology Co.,Ltd.

Country or region before: China