申请/专利权人：国网上海市电力公司;上海科路信息技术有限公司

申请日：2021-01-13

公开（公告）日：2024-04-09

公开（公告）号：CN112733735B

主分类号：G06V30/422

分类号：G06V30/422;G06V30/18;G06V30/19;G06V10/82;G06N3/0464;G06N3/08;G06T5/30;G06V30/148;G06V30/162

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.05.21#实质审查的生效;2021.04.30#公开

摘要：本发明公开了一种采用机器学习进行图纸布局分类识别的方法，通过步骤1图纸布局特征提取，步骤2机器学习模型训练，步骤3图纸区域布局分类，从而获得图纸要素布局的分类结果，图纸要素布局的分类结果可在匹配相应布局参数后，供后续做图形边界，表格文字等处理使用。本发明能够实现对于图纸的快速分类。

主权项：1.一种采用机器学习进行图纸布局分类识别的方法，其特征在于，包括如下步骤：步骤1，图纸布局特征提取，具体步骤如下；步骤1.1，图形文件的图像化转换，将不同类型的图纸文件，分页转换为图纸图像；步骤1.2，对图纸图像进行灰度化处理后，使用OTSU算法完成二值化处理，得到二值化图纸图像；步骤1.3，二值化图纸图像，提取图纸边框及分割线的线条，通过腐蚀ERODE及膨胀DILATE算法，去除无关图像、线条噪声后，使用水平及垂直的单像素宽度矩形形态转换方法，提取图形中的水平及垂直线条，合并形成图纸的线图图像；步骤1.4，对线图图像进行归一化处理，将不同大小的图纸线条图像缩放为统一大小；步骤1后得到统一大小的灰度图像，即为图纸布局特征图像；步骤2，机器学习模型训练，具体步骤如下；步骤2.1，训练及验证数据集的准备，选择一定数量的各类型图纸文件，执行第一步的图纸布局特征提取处理，并进行人工布局分类标签；通过擦除图像中部分线条，修改线条颜色灰度的方法，生成扩展训练及验证图像集；得到满足模型训练及验证的一定规模的图纸布局特征图像集合；步骤2.2，模型的选择与训练，使用训练图像集，测试图像集数据，基于InceptionResNetV2卷积神经网络基础模型，通过多次训练和验证，生成模型权重数据，参数如下：优化器：RMSProp算法；LOSS函数：CategoricalCrossentropy；步骤3，图纸区域布局分类，具体步骤如下；步骤3.1，对待分类的图纸集合，执行第一步图纸布局特征提取的预处理过程，得到归一化的图纸要素特征图像集合；步骤3.2，使用经第二步训练得到的模型参数，对待分类的图纸要素特征图像集合进行分类，获得图纸要素布局的分类结果；图纸要素布局的分类结果可在匹配相应布局参数后，供后续做图形边界，表格文字处理使用。

全文数据：

权利要求：

百度查询： 国网上海市电力公司;上海科路信息技术有限公司 一种采用机器学习进行图纸布局分类识别的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD