CAD图纸智能识别方法技术

本发明专利技术公开了一种CAD图纸智能识别方法，用于解决现有CAD图纸识别方法实用性差的技术问题。技术方案是对导入的大量图纸进行分类，利用基于区域的卷积神经网络自动分辨出是否有电气设备及元器件等设备；对于含有电气设备或元器件的图纸，同样利用基于区域的卷积神经网络方法对其中的元器件和文字信息分别进行定位和识别；对每个元器件及其对应的文字信息做匹配，并生成BOM单。本发明专利技术通过智能识别和匹配的方法对CAD图纸进行处理和分析，在很大程度上减少了人力的消耗，并且取得较高的识别速度和准确率，实用性好。

Intelligent Recognition Method of CAD Drawings

【技术实现步骤摘要】
CAD图纸智能识别方法
本专利技术涉及一种CAD图纸识别方法，特别涉及一种CAD图纸智能识别方法。
技术介绍
计算机技术的高速发展使其在很多行业扮演着越来越重要的角色，如工程设计、机械制造等领域都享受到了计算机技术带来的便利，CAD技术就是一种非常杰出的计算机技术。21世纪以来，装备制造行业已经普遍使用CAD软件进行工程实践，这使传统的产品设计方法与生产模式发生了深刻的变化，为社会的经济发展带来了巨大的经济效益。然而，随着CAD图纸文件的越积越多，工程设计领域需要一种能够准确提取CAD图纸内容的方法，以便于企业快速完成报价、设计、以及生产过程的材料统计，进而提升企业的生产效率。文献“申请公布号是CN102693334A的中国专利技术专利”公开了一种基于CAD电子图纸的动态构件识别方法。该方法通过使用鼠标、键盘等交互设备手动抓取CAD图纸上的二维数据；在某个相近领域通过遍历的方式来查找候选图元信息；进一步提取排序结果中最优的图元信息反馈给客户。对于该方法来说，这个过程不仅较为繁琐，而且候选图元信息的排序方式容易受人为操作的影响。
技术实现思路
为了克服现有CAD图纸识别方法实用性差的不足，本专利技术提供一种CAD图纸智能识别方法。该方法对导入的大量图纸进行分类，利用基于区域的卷积神经网络自动分辨出是否有电气设备及元器件等设备；对于含有电气设备或元器件的图纸，同样利用基于区域的卷积神经网络方法对其中的元器件和文字信息分别进行定位和识别；对每个元器件及其对应的文字信息做匹配，并生成BOM单。本专利技术通过智能识别和匹配的方法对CAD图纸进行处理和分析，在很大程度上减少了人力的消耗，并且取得较高的识别速度和准确率，实用性好。本专利技术解决其技术问题所采用的技术方案：一种CAD图纸智能识别方法，其特点是包括以下步骤：步骤一、CAD图纸的自动分类。利用基于区域的卷积神经网络对图纸内容进行识别，从候选CAD图纸中找出含有元器件的图纸。利用已有带标签的CAD图纸对神经网络模型进行训练，使模型能充分学习每种元器件的图像特征；利用训练好的神经网络模型对待分类的CAD图纸进行检测，将含有指定元器件的图纸进行归类，对CAD图纸进行自动分类和管理。步骤二、基于深度学习的CAD图纸元器件与文字信息智能识别。CAD图纸中包含很多元器件及其对应的型号文字信息，构建两个基于区域的卷积神经网络模型提出元器件及文字信息，利用监督学习方法，学习每个CAD图像中的像素信息，对于新的CAD图像，做到准确高效的识别元器件与文字信息。使用的基于区域的卷积神经网络模型通过监督学习的方法深度掌握CAD图纸中各种信息。步骤三、CAD图纸元器件与文字信息的自动匹配及BOM单生成。将CAD图纸中的元器件及其对应的文字信息进行匹配，将结果以BOM单的形式存储和展示。构建一个卷积神经网络模型，将之前识别出来的元器件与文字信息进行关联，将元器件与文字信息一一对应起来。将匹配的结果转换为BOM单形式。本专利技术的有益效果是：该方法对导入的大量图纸进行分类，利用基于区域的卷积神经网络自动分辨出是否有电气设备及元器件等设备；对于含有电气设备或元器件的图纸，同样利用基于区域的卷积神经网络方法对其中的元器件和文字信息分别进行定位和识别；对每个元器件及其对应的文字信息做匹配，并生成BOM单。本专利技术通过智能识别和匹配的方法对CAD图纸进行处理和分析，在很大程度上减少了人力的消耗，并且取得较高的识别速度和准确率，实用性好。具体的，1.识别速度快。深度学习模型利用自身先前学习到图像特征规律来对新的CAD图纸进行识别和分类，不需要再对新的图纸进行处理，这直接是一个端到端的过程，使图纸的识别速度要比现有的方法更快。2.便于操作。由于之前已经完成了CAD图纸智能识别模型的训练与优化，因此，只需要将待识别的CAD图纸直接导入到识别模型中，不需要额外的操作，这比现有的方法节省了很多人力、物力以及时间成本。3.准确率高。深度学习方法与其他方法相比，其优势就是可以提取对象更深层次的特征，已掌握其本质的规律。基于深度学习的CAD图纸智能识别在准确率上较之现有的方法表现更优。4.扩展性强。现有的CAD图纸内容识别方法往往是针对某一个方面采取具体的方式去进行识别，当识别对象及要求发生改变时而需要重新建模，这不利于CAD图纸识别工作的扩展。而基于深度学习的CAD图纸智能识别方法，只需要足量的训练数据就可以解决一类问题，并且模型本身具有很好的泛化能力，即使对象发生了一定的改变，也可以在一定程度上保证识别的准确率。下面结合附图和具体实施方式对本专利技术作详细说明。附图说明图1是本专利技术CAD图纸智能识别方法的流程图。图2是本专利技术方法实施例中CAD图纸自动分类方法流程图。图3是本专利技术方法实施例中RPN图像内容框选示意图。图4是本专利技术方法实施例中CAD图纸内容检测效果图。图5是本专利技术方法实施例中CAD图纸元器件与文字信息识别与匹配方法流程图。具体实施方式参照图1-5。本专利技术CAD图纸智能识别方法具体步骤如下：步骤一、对一定量的CAD图像进行人工标注，为神经网络模型的学习提供样本；步骤二、构建Faster—RCNN模型，利用带有标签的CAD图像对其进行训练，深度掌握CAD图纸的内容信息；步骤三、将待识别的CAD图纸导入到训练好的神经网络模型中进行分类，如果某个CAD图纸经检测，没有特定的元器件(如高、低压箱柜、配电箱等)，则继续导入并识别下一张CAD图纸，如果有，则进行元器件与文字信息的识别与匹配；步骤四、将匹配的结果以BOM单的形式进行展示和存储。详细实施方式如下：一、CAD图纸的自动分类。在CAD图纸识别过程中，首先要做的是CAD图纸的自动分类，通过分类不仅能够挑选出具有某些元器件的图纸，而且能对元器件及其型号的文字信息进行定位。首先，将CAD图像输入到一个卷积神经网络中进行原始的特征提取，得到原始图像的特征图。然后，将提取出的特征图输入到RPN中，RPN的作用是生成候选框。RPN会在原始图像中生成多个面积、长宽比不同的候选框并对其进行评分，并选取其中评分最高的框作为下一步的输入。框选完成后得到rois(regionsofinterest)，它是候选框对应位置的特征值。接下来，将rois输入到FastRCNN中，FastRCNN的作用是对所框选的内容进行检测。为了能快速生成候选框，RPN与FastRCNN共享卷积层。对于共享卷积层的训练需要如下步骤：a.利用之前RPN生成的rois，由FastRCNN训练一个单独的检测网络；b.用检测网络初始化RPN的训练，此时固定共享的卷积层，并且微调RPN独有的层；c.保持共享的卷积层固定，微调FastRCNN的全连接层，如此，两个网络共享相同的卷积层，构成一个统一的网络。通过这种共享参数的方式，可以使得模型对CAD图像内容进行快速的定位和检测。最后，根据检测结果对CAD图纸进行分类，并得到元器件在图中的精确位置。二、CAD图纸元器件与文字信息的同步智能识别与匹配。CAD图纸元器件与文字信息的识别与匹配是建立在图纸自动分类基础上的，即先要对元器件与文字信息进行定位与检测。首先，按照CAD图纸内容自动分类的的流程对元器件和文字信息分别进行定位和识别，但有别于CAD图纸的自动分类，元器件和文字信本文档来自技高网...

【技术保护点】
1.一种CAD图纸智能识别方法，其特征在于包括以下步骤：步骤一、CAD图纸的自动分类；利用基于区域的卷积神经网络对图纸内容进行识别，从候选CAD图纸中找出含有元器件的图纸；利用已有带标签的CAD图纸对神经网络模型进行训练，使模型能充分学习每种元器件的图像特征；利用训练好的神经网络模型对待分类的CAD图纸进行检测，将含有指定元器件的图纸进行归类，对CAD图纸进行自动分类和管理；步骤二、基于深度学习的CAD图纸元器件与文字信息智能识别；CAD图纸中包含很多元器件及其对应的型号文字信息，构建两个基于区域的卷积神经网络模型提出元器件及文字信息，利用监督学习方法，学习每个CAD图像中的像素信息，对于新的CAD图像，做到准确高效的识别元器件与文字信息；使用的基于区域的卷积神经网络模型通过监督学习的方法深度掌握CAD图纸中各种信息；步骤三、CAD图纸元器件与文字信息的自动匹配及BOM单生成；将CAD图纸中的元器件及其对应的文字信息进行匹配，将结果以BOM单的形式存储和展示；构建一个卷积神经网络模型，将之前识别出来的元器件与文字信息进行关联，将元器件与文字信息一一对应起来；将匹配的结果转换为BOM单形式。...

【技术特征摘要】
1.一种CAD图纸智能识别方法，其特征在于包括以下步骤：步骤一、CAD图纸的自动分类；利用基于区域的卷积神经网络对图纸内容进行识别，从候选CAD图纸中找出含有元器件的图纸；利用已有带标签的CAD图纸对神经网络模型进行训练，使模型能充分学习每种元器件的图像特征；利用训练好的神经网络模型对待分类的CAD图纸进行检测，将含有指定元器件的图纸进行归类，对CAD图纸进行自动分类和管理；步骤二、基于深度学习的CAD图纸元器件与文字信息智能识别；CAD图纸中包含很多元器件及其对应的型号文字信息，构建两个基于区域...

【专利技术属性】
技术研发人员：杨涛，周浩然，石国伟，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61