设计图纸与实物的自动核对方法及系统技术方案

本发明专利技术提供一种设计图纸与实物的自动核对方法及系统，方法包括：分别采用深度学习神经网络和卷积/循环神经网络从设计图纸和设备实物中识别出设备线路接线数据，以设计图纸中的设备线路接线数据为标准，将从设备实物中识别出的线路接线数据与设备的标准线路接线数据进行自动核对，判定设备实物的接线是否正确，可将设计图纸自动识别为统一的设备/线路接线数据，能够实现现场设备实物接线数据的快速、实时核对，能够大幅降低配电接线/通信接线管理的工作量、极大减少人为检查失误。极大减少人为检查失误。极大减少人为检查失误。

【技术实现步骤摘要】
设计图纸与实物的自动核对方法及系统


[0001]本专利技术涉及人工智能领域，更具体地，涉及一种设计图纸与实物的自动核对方法及系统。

技术介绍

[0002]工程实施验收和运维、检修中常需要核对图纸和设备接线的一致性，如配电线路控制箱内的接线或通信设备的接线。
[0003]一直以来，都是以人工方式核对图纸与现场实际线路是否一致，采用人工核对的方式，效率慢而且容易出错，即便近几年来陆续采用责任到人、标准化命名/编号、现场拍照等多种措施，仍不能避免人为失误造成的各类安全隐患。

技术实现思路

[0004]本专利技术提供一种克服上述问题或者至少部分地解决上述问题的一种设计图纸与实物的自动核对方法及系统。
[0005]根据本专利技术的第一方面，提供了一种设计图纸与实物的自动核对方法，包括：将每一张电子设计图纸输入训练后的深度学习神经网络中，获取由所述深度学习神经网络从每一张电子设备图纸中识别出的设备编号和所述设备编号对应的标准线路接线数据；将每一张电子设计图纸以及识别出的对应的设备编号和标准线路接线数据存储于数据库中；将获取的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设计图纸与实物的自动核对方法，其特征在于，包括：将每一张电子设计图纸输入训练后的深度学习神经网络中，获取由所述深度学习神经网络从每一张电子设备图纸中识别出的设备编号和所述设备编号对应的标准线路接线数据；将每一张电子设计图纸以及识别出的对应的设备编号和标准线路接线数据存储于数据库中；将获取的设备实物内外图像输入训练后的卷积/循环神经网络中，获取由所述卷积/循环神经网络根据所述设备实物内外图像识别出的设备编号和对应的线路接线数据；根据从设备实物内外图像中识别出的设备编号，从数据库中查找与所述设备编号对应的标准线路接线数据；将从设备实物内外图像中识别出的线路接线数据与所述标准线路接线数据进行自动核对，以确定所述线路接线数据是否正确。2.根据权利要求1所述的设计图纸与实物的自动核对方法，其特征在于，所述将每一张电子设计图纸输入训练后的深度学习神经网络中，获取由所述深度学习神经网络从每一张电子设备图纸中识别出的设备编号和所述设备编号对应的标准线路接线数据包括：将DWG格式或word格式或pdf格式的电子设计图纸输入训练后的深度学习神经网络中，由所述深度学习神经网络从所述电子设计图纸中识别出卷封和标准施工设计图；其中，所述卷封包括项目名称、设计单位和有效时间，所述标准施工设计图包括项目名称、设备编号和设备的内外接线数据。3.根据权利要求2所述的设计图纸与实物的自动核对方法，其特征在于，所述设备的内外接线数据包括设计图表内部的元件编号或编号组合、元件间的线路编号或编号组合以及元件间的接线关系。4.根据权利要求1
‑
3任一项所述的设计图纸与实物的自动核对方法，其特征在于，通过如下方式对深度学习神经网络训练：获取第一训练数据集，所述第一训练数据集包括多张标准设计图纸，每一张标准设计图纸中标注有设备编号和标准线路接线数据，其中，多张标准设计图纸中包括不同设备厂商的标准设计图纸；采用所述第一训练数据集对深度学习神经网络进行训练。5.根据权利要求1所述的设计图纸与实物的自动核对方法，其特征在于，所述将获取的设备实物内外图像输入训练后的卷积/循环神经网络中，获取由所述卷积/循环神经网络根据所述设备实物内外图像识别出的设备编号和对应的线路接线数据包括...

【专利技术属性】
技术研发人员：钟舒健，杨宁，凌坤，
申请(专利权)人：广州布谷信息科技有限公司，
类型：发明
国别省市：