CN117372572A - 一种土壤图件自动化处理方法及系统 - Google Patents
一种土壤图件自动化处理方法及系统 Download PDFInfo
- Publication number
- CN117372572A CN117372572A CN202311294420.0A CN202311294420A CN117372572A CN 117372572 A CN117372572 A CN 117372572A CN 202311294420 A CN202311294420 A CN 202311294420A CN 117372572 A CN117372572 A CN 117372572A
- Authority
- CN
- China
- Prior art keywords
- map
- data
- shp
- layer
- attribute
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 21
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000009877 rendering Methods 0.000 claims abstract description 19
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000012795 verification Methods 0.000 claims description 9
- 208000025174 PANDAS Diseases 0.000 claims description 3
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 claims description 3
- 235000016496 Panda oleosa Nutrition 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 240000000220 Panda oleosa Species 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 4
- 230000008676 import Effects 0.000 abstract description 2
- 240000004718 Panda Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种土壤图件自动化处理方法及系统，方法包括以下步骤：S1、安装arcGisPro软件，新建并存放好需要处理的土壤图件；S2、导入excel表格进行shp属性表更新；S3、选取字段进行图层地块渲染；S4、采用神经网络进行相似图层识别，将识别出的相似图层进行合并；S5、从excel表格中获取图件标题、表格数据，对图件的标题和表格框进行渲染；S6、导出图件成果。本发明通过上述方法解决了arcGis制图软件需要手动导入各种基础图层以及输入所需的渲染信息表格进而导致的流程复杂的问题，同时解决了arcGis制图软件在处理大量数据时容易出现的处理缓慢的问题。
Description
技术领域
本发明涉及arcGis制图技术领域，特别涉及一种土壤图件自动化处理方法及系统。
背景技术
arcGis制图软件在使用时通常需要手动导入各种基础图层，并且输入所需的渲染信息表格，手动设置渲染层级和颜色，导入数据和设置渲染操作复杂，整个操作流程非常消耗时间，同时在面对大型土壤图件时，需要大量的计算资源和存储空间，这会导致软件性能下降和处理速度缓慢，基于以上存在的问题，本发明提供一种土壤图件自动化处理方法及系统。
发明内容
本发明的目的是提供一种能够自动进行图层渲染和解决处理大型图件时处理速度缓慢的土壤图件自动化处理方法及系统。
为解决上述技术问题，本发明采用的技术方案为：一种土壤图件自动化处理方法，包括以下步骤：
S1、安装arcGisPro软件，新建并存放好需要处理的土壤图件；
S2、导入excel表格进行shp属性表更新；
S3、选取字段进行图层地块渲染；
S4、采用神经网络进行相似图层识别，将识别出的相似图层进行合并；
S5、从excel表格中获取图件标题、表格数据，对图件的标题和表格框进行渲染；
S6、导出图件成果。
进一步地，S2中根据excel表格数据进行shp属性表更新包括以下步骤：
S201、导入所需的库和模块；
S202、使用Pandas库读取excel表格数据；
S203、加载shp文件并将其转换为GeoDataFrame（地理数据帧）；
S204、将excel表格数据与shp数据合并；
S205、更新shp属性表；
S206、将更新后的GeoDataFrame（地理数据帧）保存为新的shp文件。
进一步地，S3中图层地块渲染包括以下步骤：
S301、加载shp文件并将其转换为GeoDataFrame；
S302、根据属性进行渲染；
S303、添加图例和标签；
S304、显示渲染结果。
进一步地，S4中采用神经网络进行相似图层识别的过程包括以下步骤：
S401、获取数据，数据来自于S3中经过渲染的图层；
S402、从S401中的图层中提取图像形状、面积、周长、紧凑度和位置关系的属性值；
S403、将获取的图层数据划分为训练集、验证集和测试集，构建深度神经网络模型，判断S402中的各个属性值的相似度数值，对每个属性值赋予一个权重值，各个相似度数值与相应的权重值相乘之和即为整体图层的相似度数值，设置相似度阈值，整体图层的相似度数值大于阈值即判定为相似图层；
S404、抽取S403中的判定结果进行准确度验证，将验证结果反馈到深度神经网络进行超参数调整。
一种土壤图件自动化处理系统，包括arcGisPro软件，phython自动化图件制作程序、基础图层数据存储单元和pdf、shp文件存储单元，phython自动化图件制作程序根据excel表格数据对基础图层数据进行处理，导出的图件成果储存到pdf、shp文件存储单元中。
本发明与现有技术相比的有益效果为：本发明使用phython自动化图件制作程序完成shp属性表更新，图层的渲染，导出pdf和shp图件，用python串联各环节，实现自动化批量制图，极大地提升了制图效率，减少了误操作；同时本发明引入了神经网络，自动识别相似图层，将识别出的相似图层进行合并，由此解决arcGis制图软件在处理大型图件时，由于数据量过大出现的处理速度缓慢的问题。
具体实施方式
实施例：一种土壤图件自动化处理方法，包括以下步骤：
S1、安装arcGisPro软件，新建并存放好需要处理的土壤图件。
S2、导入excel表格进行shp属性表更新。
根据excel表格数据进行shp属性表更新包括以下步骤：
S201、导入所需的库和模块；
S202、使用Pandas库读取excel表格数据；
S203、加载shp文件并将其转换为GeoDataFrame（地理数据帧）；
S204、将excel表格数据与shp数据合并；
S205、更新shp属性表；
S206、将更新后的GeoDataFrame（地理数据帧）保存为新的shp文件。
S3、选取字段进行图层地块渲染。
图层地块渲染包括以下步骤：
S301、加载shp文件并将其转换为GeoDataFrame；
S302、根据属性进行渲染；
S303、添加图例和标签；
S304、显示渲染结果。
S4、采用神经网络进行相似图层识别，将识别出的相似图层进行合并。
采用神经网络进行相似图层识别的过程包括以下步骤：
S401、获取数据，数据来自于S3中经过渲染的图层；
S402、从S401中的图层中提取图像形状、面积、周长、紧凑度和位置关系的属性值；
S403、将获取的图层数据划分为训练集、验证集和测试集，构建深度神经网络模型，判断S402中的各个属性值的相似度数值，对每个属性值赋予一个权重值，各个相似度数值与相应的权重值相乘之和即为整体图层的相似度数值，设置相似度阈值，整体图层的相似度数值大于阈值即判定为相似图层；
S404、抽取S403中的判定结果进行准确度验证，将验证结果反馈到深度神经网络进行超参数调整。
S5、从excel表格中获取图件标题、表格数据，对图件的标题和表格框进行渲染；
S6、导出图件成果。
一种土壤图件自动化处理系统，包括arcGisPro软件，phython自动化图件制作程序、基础图层数据存储单元和pdf、shp文件存储单元，phython自动化图件制作程序根据excel表格数据对基础图层数据进行处理，导出的图件成果储存到pdf、shp文件存储单元中。
Claims (5)
1.一种土壤图件自动化处理方法，其特征在于，包括以下步骤：
S1、安装arcGisPro软件，新建并存放好需要处理的土壤图件；
S2、导入excel表格进行shp属性表更新；
S3、选取字段进行图层地块渲染；
S4、采用神经网络进行相似图层识别，将识别出的相似图层进行合并；
S5、从excel表格中获取图件标题、表格数据，对图件的标题和表格框进行渲染；
S6、导出图件成果。
2.根据权利要求1所述的一种土壤图件自动化处理方法，其特征在于，S2中根据excel表格数据进行shp属性表更新包括以下步骤：
S201、导入所需的库和模块；
S202、使用Pandas库读取excel表格数据；
S203、加载shp文件并将其转换为GeoDataFrame（地理数据帧）；
S204、将excel表格数据与shp数据合并；
S205、更新shp属性表；
S206、将更新后的GeoDataFrame（地理数据帧）保存为新的shp文件。
3.根据权利要求1所述的一种土壤图件自动化处理方法，其特征在于，S3中图层地块渲染包括以下步骤：
S301、加载shp文件并将其转换为GeoDataFrame；
S302、根据属性进行渲染；
S303、添加图例和标签；
S304、显示渲染结果。
4.根据权利要求1所述的一种土壤图件自动化处理方法，其特征在于，S4中采用神经网络进行相似图层识别的过程包括以下步骤：
S401、获取数据，数据来自于S3中经过渲染的图层；
S402、从S401中的图层中提取图像形状、面积、周长、紧凑度和位置关系的属性值；
S403、将获取的图层数据划分为训练集、验证集和测试集，构建深度神经网络模型，判断S402中的各个属性值的相似度数值，对每个属性值赋予一个权重值，各个相似度数值与相应的权重值相乘之和即为整体图层的相似度数值，设置相似度阈值，整体图层的相似度数值大于阈值即判定为相似图层；
S404、抽取S403中的判定结果进行准确度验证，将验证结果反馈到深度神经网络进行超参数调整。
5.一种土壤图件自动化处理系统，使用如权利要求1-3任一项所述的土壤图件自动化处理方法，其特征在于，包括arcGisPro软件，phython自动化图件制作程序、基础图层数据存储单元和pdf、shp文件存储单元，phython自动化图件制作程序根据excel表格数据对基础图层数据进行处理，导出的图件成果储存到pdf、shp文件存储单元中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311294420.0A CN117372572A (zh) | 2023-10-09 | 2023-10-09 | 一种土壤图件自动化处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311294420.0A CN117372572A (zh) | 2023-10-09 | 2023-10-09 | 一种土壤图件自动化处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117372572A true CN117372572A (zh) | 2024-01-09 |
Family
ID=89390322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311294420.0A Pending CN117372572A (zh) | 2023-10-09 | 2023-10-09 | 一种土壤图件自动化处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117372572A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105760536A (zh) * | 2016-03-14 | 2016-07-13 | 中国地质调查局发展研究中心 | 一种基于地理数据库的地质图件建库装置及方法 |
| US10217278B1 (en) * | 2015-03-03 | 2019-02-26 | Amazon Technologies, Inc. | Three dimensional terrain modeling |
| CN111445569A (zh) * | 2019-11-28 | 2020-07-24 | 成都理工大学 | 一种沉积地质演化动态模拟方法 |
| CN114020362A (zh) * | 2021-11-10 | 2022-02-08 | 中维国际工程设计有限公司 | 一种图层合并方法、装置、设备及存储介质 |
| US20220067336A1 (en) * | 2020-08-31 | 2022-03-03 | Board Of Trustees Of The University Of Arkansas | System and process for integrative computational soil mapping |
| CN114170360A (zh) * | 2021-11-30 | 2022-03-11 | 埃洛克航空科技（北京）有限公司 | 适用于多种地形数据的合并渲染方法、系统及电子设备 |
| CN115080038A (zh) * | 2022-06-17 | 2022-09-20 | 浙江大学 | 图层处理方法、模型生成方法及设备 |
| CN115291864A (zh) * | 2022-06-30 | 2022-11-04 | 浙江大学 | 一种基于图神经网络的零碎图层检测方法及装置 |
-
2023
- 2023-10-09 CN CN202311294420.0A patent/CN117372572A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10217278B1 (en) * | 2015-03-03 | 2019-02-26 | Amazon Technologies, Inc. | Three dimensional terrain modeling |
| CN105760536A (zh) * | 2016-03-14 | 2016-07-13 | 中国地质调查局发展研究中心 | 一种基于地理数据库的地质图件建库装置及方法 |
| CN111445569A (zh) * | 2019-11-28 | 2020-07-24 | 成都理工大学 | 一种沉积地质演化动态模拟方法 |
| US20220067336A1 (en) * | 2020-08-31 | 2022-03-03 | Board Of Trustees Of The University Of Arkansas | System and process for integrative computational soil mapping |
| CN114020362A (zh) * | 2021-11-10 | 2022-02-08 | 中维国际工程设计有限公司 | 一种图层合并方法、装置、设备及存储介质 |
| CN114170360A (zh) * | 2021-11-30 | 2022-03-11 | 埃洛克航空科技（北京）有限公司 | 适用于多种地形数据的合并渲染方法、系统及电子设备 |
| CN115080038A (zh) * | 2022-06-17 | 2022-09-20 | 浙江大学 | 图层处理方法、模型生成方法及设备 |
| CN115291864A (zh) * | 2022-06-30 | 2022-11-04 | 浙江大学 | 一种基于图神经网络的零碎图层检测方法及装置 |
Non-Patent Citations (5)
| Title |
|---|
| 周翰林: "基于深度学习的GIS图例符号识别系统研建", 中国优秀硕士论文电子期刊网, 15 April 2020 (2020-04-15), pages 008 - 97 * |
| 周翰林: "基于深度学习的GIS图例符号识别系统研建", 中国优秀硕士论文电子期刊网, 20 April 2020 (2020-04-20), pages 008 - 97 * |
| 宋香平;段动宾;张桥梁;: "基于Arcpy专题地图批量制作方法", 黑龙江工程学院学报, no. 02, 25 April 2017 (2017-04-25), pages 40 - 44 * |
| 杨忠华: "基于VB.NET县域土壤资源信息系统的开发与应用研究-以贵州省瓮安县为例", 万方数据, 20 October 2012 (2012-10-20), pages 1 - 120 * |
| 测绘与空间信息工程学院: "Arcgis初学者：图层之间的相互合并", Retrieved from the Internet <URL:https://mp.weixin.qq.com/s?__biz=MzI3MzA1NTI1Mw==&mid=2650934114&idx=4&sn=f8ea5fb2480ffc4731298a3a6e2d6126&chksm=f0df8018c7a8090e4c6f824dd7cb3c13de679cc07fc68cc07576d2fc1d261fc368b18a80e279&scene=27> * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111259854B (zh) | 一种文本图像中表格的结构化信息的识别方法及装置 | |
| CN109858476B (zh) | 标签的扩充方法和电子设备 | |
| CN111739020B (zh) | 周期纹理背景缺陷标签自动标注方法、装置、设备及介质 | |
| CN105957149A (zh) | 一种适用于高效渲染的城市三维模型数据预处理方法 | |
| CN114782970A (zh) | 一种表格提取方法、系统及可读介质 | |
| CN116052193B (zh) | Rpa界面动态表格的拾取和匹配方法及系统 | |
| CN107239631B (zh) | Bim模块化建模方法及bim模块化建模系统 | |
| CN114896691A (zh) | 一种基于mbd设备模型的三维标注方法 | |
| CN117372572A (zh) | 一种土壤图件自动化处理方法及系统 | |
| CN112488135A (zh) | 一种变电站bim三维图像特征的分类方法 | |
| CN116186144B (zh) | 矿山遥感监测数据的格式化自动处理方法及系统 | |
| CN109388680B (zh) | 一种提高浏览器端gis点数据渲染效率的方法和装置 | |
| CN104973215A (zh) | 一种基于精度数据库的全局动态拟实搭载方法 | |
| CN115408543A (zh) | 一种基于三维地质模型的多源地质数据处理方法及其系统 | |
| CN115600570A (zh) | 一种电网设备预警限值表格重构方法、录入方法及装置 | |
| CN114037700A (zh) | 面板缺陷检测方法、装置、电子设备及存储介质 | |
| CN114694159A (zh) | 一种工程图bom识别方法、装置、电子设备和存储介质 | |
| CN115116052A (zh) | 一种果园荔枝识别方法、装置、设备及存储介质 | |
| CN111353284B (zh) | 一种零件图标题栏填充方法、系统和存储介质 | |
| CN112256896A (zh) | 一种cad图元自动识别与替换方法 | |
| CN107807911B (zh) | 矢量数据编辑方法、装置及系统 | |
| CN113158999B (zh) | 基于模板匹配的电气设计图纸中端子跳线识别方法及装置 | |
| CN118171749A (zh) | 基于调度算法的机器学习方法、系统及存储介质 | |
| CN117314928B (zh) | 基于图像分割和虚拟现实的自然景观模拟系统 | |
| CN113570623B (zh) | 大型煤堆开挖点、堆料点自动识别方法及装置 |
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 |