一种基于SSD模型的建筑图纸非构件识别方法技术

本发明专利技术公开了一种基于SSD模型的建筑图纸非构件识别方法，首先使用Python的渲染库MuPDF将建筑图纸从PDF格式转为JPG格式，同时通过灰度化、膨胀腐蚀等方法对建筑图纸进行预处理。然后按照不同的衰减学习率，采用SSD算法对预处理后的建筑图纸进行训练，比较不同衰减学习率下模型的收敛速度及识别准确率，获得最优非构件检测模型集。本发明专利技术方法有效的改进了建筑图纸的非构件检测方法，使得训练的收敛速度加快，同时提高了建筑图纸中非构件的识别准确率，增加非构件检测模型的使用价值。

A Non-component Recognition Method of Building Drawings Based on SSD Model

The invention discloses a non-component recognition method of architectural drawings based on the SSD model. Firstly, the Python rendering library MuPDF is used to convert the architectural drawings from PDF format to JPG format, and at the same time, the architectural drawings are preprocessed by graying, expansion and corrosion methods. Then, according to different attenuation learning rates, SSD algorithm is used to train the pre-processed architectural drawings. The convergence speed and recognition accuracy of the model under different attenuation learning rates are compared, and the optimal non-component detection model set is obtained. The method of the invention effectively improves the non-component detection method of building drawings, speeds up the convergence speed of training, improves the recognition accuracy of non-component in building drawings, and increases the use value of the non-component detection model.

【技术实现步骤摘要】
一种基于SSD模型的建筑图纸非构件识别方法
本专利技术属于图像处理和图像识别领域，特别设计一种SSD模型的建筑图纸非构件识别方法。
技术介绍
本专利技术中的建筑图纸非构件识别方法对传统的有监督的建筑图纸识别有重大的作用和意义。在面对建筑图纸的识别问题的时候，研究者们会选择通过图纸预处理或者调整训练模型的参数，从而加快收敛速度并且提高识别的准确率，优化SSD模型为相关系统提供高效的知识服务和个性化的工作分配方案。冯万利，朱全银等人已有的研究基础包括：WanliFeng.Researchofthemestatementextractionforchineseliteraturebasedonlexicalchain.InternationalJournalofMultimediaandUbiquitousEngineering,Vol.11,No.6(2016),pp.379-388；WanliFeng,YingLi,ShangbingGao,YunyangYan,JianxunXue.Anovelflameedgedetectionalgorithmviaanovelactivecon本文档来自技高网...

【技术保护点】
1.一种基于SSD模型的建筑图纸非构件识别方法，其特征在于，包括如下步骤：(1)遍历所有PDF格式的建筑图纸，获得原始图纸文件信息集和图纸文件集G1、G2，同时对G2进行格式转换和图纸预处理，获得预处理后的JPG格式的图纸文件集G3；(2)采用SSD算法对JPG格式的图纸文件集G3进行训练，获得非构件检测模型f，输出建筑图纸构件信息集G4；(3)等梯度调整衰减学习率decayed_learning_rate，获得最优检测模型集G5；(4)输出最优检测模型集G5。

【技术特征摘要】
1.一种基于SSD模型的建筑图纸非构件识别方法，其特征在于，包括如下步骤：(1)遍历所有PDF格式的建筑图纸，获得原始图纸文件信息集和图纸文件集G1、G2，同时对G2进行格式转换和图纸预处理，获得预处理后的JPG格式的图纸文件集G3；(2)采用SSD算法对JPG格式的图纸文件集G3进行训练，获得非构件检测模型f，输出建筑图纸构件信息集G4；(3)等梯度调整衰减学习率decayed_learning_rate，获得最优检测模型集G5；(4)输出最优检测模型集G5。2.根据权利要求1所述的一种基于SSD模型的建筑图纸非构件识别方法，其特征在于，所述步骤(1)中的获得预处理后的JPG格式的图纸文件集G3具体方法为：(1.1)定义Text为单张图纸信息集，定义id，name分别为单张图纸的编号、名称，并且满足关系Text＝{id,name}；(1.2)定义G1、G2分别为原始图纸文件信息集和图纸文件集，G1＝{Text1,Text2,…,TextA}，G2＝{name1,name2,…,nameA}，Texta为G1中第a个图纸信息数据，namea为G2中第a个图纸名称数据，其中，A＝Card(G1)，变量a∈[1,A]；(1.3)定义循环变量j1用来遍历G2，j1赋值为0；(1.4)遍历G2，得出建筑图纸的总数A；(1.5)使用Python的渲染库MuPDF对G2中所有PDF格式的建筑图纸转换为JPG格式；(1.6)如果j1<A，转到步骤(1.7)，否则转到步骤(1.12)；(1.7)使用Python的第三方库OpenCV对namea进行灰度化处理；(1.8)使用OpenCV对namea进行膨胀处理，迭代次数为2；.(1.9)使用OpenCV对namea进行腐蚀处理，迭代次数为1；(1.10)使用OpenCV对namea进行膨胀处理，迭代次数为2，合并图像区域；(1.11)j1＝j1+1，转到步骤(1.6)；(1.12)获得预处理后的JPG格式的图纸文件集G3。3.根据权利要求1所述的一种基于SSD模型的建筑图纸非构件识别方法，，其特征在于，所述步骤(2)中获得非构件检测模型f，输出建筑图纸构件信息集G4的具体方法为：(2.1)定义C1、C2分别为单张图纸构件类别信息集、识别准确率信息集，定义class、scoring分别为单个构件的类别、识别准确率，C1＝{class1,class2,…,classD}，classd为C1中的第d个类别，其中，D＝Card(C1)，C2＝{scoring1,scoring2,…,scoringE}，scoringe为C2中的第e个识别准确率，其中，E＝Card(C2)；...

【专利技术属性】
技术研发人员：朱全银，潘阳，周蕾，王留洋，宗慧，冯万利，金鹰，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：江苏,32