提供了一种用于从2D绘图中确定材料提取的系统和方法。该系统和方法包括：预处理部件，其可操作成接收和预处理2D绘图，以提供经处理的图像；分类器部件；其可操作成接收经处理的图像，所述分类器部件包括一个或更多个经预训练的卷积神经网络，所述分类器部件可操作成从一个或更多个类别的绘图类型中确定经处理的图像的类型。还提供了材料标识符部件，该材料标识符部件可操作成接收经处理的图像，并且提供与经处理的图像相关联的值的多维矩阵，其中，多维矩阵中的每个值表示经处理的图像中存在特征的概率。材料标识符部件还可操作成针对经处理的图像生成一个或更多个多维概率矩阵(MPM)。还提供了MPM解码部件，该MPM解码部件可操作成对由材料标识符部件生成的一个或更多个MPM进行解码，以针对在处理的图像中发现的每个特征产生一个或更多个数据对象。最后，输出部件提供以下中的一个或更多个：每个特征的唯一标识符；指示特征在经处理的图像上的位置的坐标列表；和/或描述与特征相关联的任意文本或其他编码信息的位置的坐标列表。本或其他编码信息的位置的坐标列表。本或其他编码信息的位置的坐标列表。
【技术实现步骤摘要】
【国外来华专利技术】用于自动化材料提取的系统和方法
[0001]本专利技术涉及用于从绘图自动提取材料的系统和方法。
技术介绍
[0002]建设项目在建造阶段期间可能涉及数百人——包括与建设项目相关联的许多不同行业的制造商、供应商和安装者。
[0003]建设项目包括其中利益相关方对建设项目内的工作进行投标的投标过程。投标过程一般要求利益相关方提供详细的、逐项列出的需要作为项目的一部分制造/供应/安装的所有材料的列表。该列表称为材料清单(BOM)。
[0004]为了让利益相关方投标，提供建设项目的二维(2D)绘图(一般为PDF格式)。从这些2D绘图中，通过一个或更多个个人分析绘图并识别所用的材料的类型/数量来手动创建BOM。该过程一般被称为“材料提取(material take
‑
off)”。
[0005]可以通过在2D绘图上(经常在打印出PDF的纸张上)对所有材料进行手动测量、计数和着色来执行材料提取。对于大型建设项目，这可能需要参与投标过程的利益相关方全职工作两天以上(以及利用经验丰富的估算师的服务)。如能理解的那样，该过程的手动性质造成了延误以及计算错误的巨大风险，这可能导致在建设阶段期间的成本超支。
[0006]已尝试使材料提取自动化。例如，存在接收建设项目(例如建筑物等)的建筑3D模型的软件，该软件允许用户选择材料块，并且将它们与特定产品类型相关联。这允许用户导出项目所需的所有材料的列表，并且在3D模型中单独地跟踪它们。这种类型的软件的缺点是材料提取仍然是极度劳动密集型的，并且还需要专门的计算技能来使用该软件。迄今为止，安装/制造公司对这些类型的软件系统的使用率极低。
[0007]还存在允许用户从2D绘图“数字地”执行手动估计活动的软件工具，例如在多个单独的材料中打勾/着色以对总数进行计数，或者使用“数字卷尺”来测量在图像上的尺寸。该过程几乎和传统的纸笔方法一样是手动的(对于仅单一类型的材料即玻璃，每个项目经常花费几天)，并且该过程产生了很多人为错误的风险。
[0008]期望提供一种改进或至少减轻一个或更多个上述问题或提供有用的替代方案的方法和系统。
[0009]本文对作为现有技术给出的专利文件或其他事项的引用不应被视为承认在任意权利要求的优先权日该文件或事项是已知的，或者其包含的信息是公知常识的一部分。
技术实现思路
[0010]根据第一方面，本专利技术提供了一种用于从2D绘图中确定材料提取的系统，该系统包括：预处理部件，其可操作成接收和预处理一个或更多个2D绘图，以提供一个或更多个经处理的图像；分类器部件，其可操作成从预处理部件接收经处理的图像，所述分类器部件包括一个或更多个经预训练的卷积神经网络，所述分类器部件可操作成从一个或更多个类别的绘图类型中确定经处理的图像的类型；材料标识符部件，其可操作成接收经处理的图像，
并且提供与经处理的图像相关联的值的多维矩阵，其中，多维矩阵中的每个值表示经处理的图像中存在特征的概率并且针对经处理的图像生成一个或更多个多维概率矩阵(MPM)；MPM解码部件，其可操作成对由材料标识符部件生成的一个或更多个MPM进行解码，以针对在经处理的图像中发现的每个特征产生一个或更多个数据对象；以及输出部件，其可操作成提供以下中的一个或更多个：每个特征的唯一标识符；指示特征在经处理的图像上的位置的坐标列表；和/或描述与特征相关联的任意文本或其他编码信息的位置的坐标列表。
[0011]优选地，预处理部件还可操作成将2D绘图转换为以下中的一个或更多个：预定格式、尺寸和纵横比。2D绘图可以采用任意格式，并且例如可以是pdf、jpg、dwg文件中的一个或更多个。优选地，可以使用1024
×
1024像素的尺寸，但是应当理解，可以取决于应用使用任意尺寸。
[0012]优选地，预处理部件还包括图像重新缩放部件，该图像重新缩放部件可操作成对经处理的图像进行标准化。
[0013]应当理解，一个或更多个卷积神经网络可以包括预定维度的输入层。输入层可以是例如1024
×
1024
×
3层。
[0014]一个或更多个卷积神经网络可以包括包含一个或更多个节点的一个或更多个卷积层，所述一个或更多个节点各自具有一个或更多个权重和偏差。一个或更多个卷积层还可以对应于支持的绘图类型的数目。
[0015]优选地，材料标识符部件包括一个或更多个经预训练的材料识别神经网络。一个或更多个经预训练的材料识别神经网络优选地被训练，以产生值的多维矩阵。
[0016]优选地，MPM表示与经处理的图像相关联的每个特征的数目、类型、物理位置和尺寸中的一个或更多个；并且MPM以分配给绘图上的每个X和Y像素坐标的值进行编码。
[0017]应当理解，特征可以采取任意形式，并且可以包括以下中的一个或更多个：材料、包括墙壁和房间的结构的部分、家具或在绘图上可见的其他元素。
[0018]优选地，MPM解码部件可操作成扫描在MPM中表示的每个坐标，并且确定经处理的图像中的一个或更多个坐标是否包含以下中的一个或更多个：(a)材料；(b)没有材料；或者(c)新材料的边缘。MPM解码部件还可操作成扫描相邻坐标并检查每个相邻坐标的值，从而确定边界和/或相关联的文本或由MPM表示的其他属性类型。
[0019]优选地，该系统还包括后处理部件，该后处理部件可操作成对数据执行检查以改进系统的操作。后处理部件可以包括OCR子系统部件，该OCR子系统部件可操作成在与MPM识别的特征相关联的坐标位置上运行光学字符识别过程。
[0020]优选地，后处理部件还包括质量保证子系统部件，该质量保证子系统部件可操作成向用户提供对MPM解码部件的输出的检查。质量保证子系统部件提供交互式经处理的图像，其中，使用在绘图上识别的每个特征的坐标来在特征上呈现突出显示，以便于识别。质量保证子系统部件可以包括呈现在表格中的绘图的BOM，该表格可以由用户编辑，使得如果系统遗漏新特征，则可以将新特征添加至BOM表。
[0021]优选地，质量保证子系统部件包括绘制/拖动/擦除工具，该绘制/拖动/擦除工具允许用户在经处理的图像上创建/修改/删除坐标。
[0022]优选地，该系统还包括训练数据部件，该训练数据部件经由MPM解码器接收2D绘图以及所生成的BOM；经由MPM解码器将2D绘图与所生成的BOM一起反馈到当前特征的训练数
据集中。
[0023]根据第二方面，本专利技术提供了一种从2D绘图中确定材料提取的方法，该方法包括以下步骤：接收和预处理一个或更多个2D绘图，以提供一个或更多个经处理的图像；通过一个或更多个经预训练的卷积神经网络从一个或更多个类别的绘图类型中确定经处理的图像的类型；提供与经处理的图像相关联的值的多维矩阵，其中，多维矩阵中的每个值表示经处理的图像中存在的特征的概率；针对经处理的图像生成一个或更多个多维概率矩阵(MPM)；对一个或更多个MPM进行解码，以针对在经处理的图像中发现的每个特征产生一个或本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于从2D绘图中确定材料提取的系统，所述系统包括：预处理部件，其可操作成接收和预处理一个或更多个2D绘图，以提供一个或更多个经处理的图像；分类器部件，其可操作成从所述预处理部件接收所述经处理的图像，所述分类器部件包括一个或更多个经预训练的卷积神经网络，所述分类器部件可操作成从一个或更多个类别的绘图类型中确定经处理的图像的类型；材料标识符部件，其可操作成接收经处理的图像，并且提供与所述经处理的图像相关联的值的多维矩阵，其中，所述多维矩阵中的每个值表示所述经处理的图像中存在特征的概率，并且针对所述经处理的图像生成一个或更多个多维概率矩阵(MPM)；MPM解码部件，其可操作成对由所述材料标识符部件生成的一个或更多个MPM进行解码，以针对在所述经处理的图像中发现的每个特征产生一个或更多个数据对象；以及输出部件，其可操作成提供以下中的一个或更多个：每个特征的唯一标识符；指示所述特征在所述经处理的图像上的位置的坐标列表；和/或描述与所述特征相关联的任意文本或其他编码信息的位置的坐标列表。2.根据权利要求1所述的系统，其中，所述预处理部件还可操作成将所述2D绘图转换为以下中的一个或更多个：预定格式、尺寸和纵横比。3.根据权利要求1所述的系统，其中，所述2D绘图是pdf、jpg、dwg中的一个或更多个。4.根据权利要求2所述的系统，其中，所述尺寸是1024
×
1024像素。5.根据权利要求1所述的系统，其中，所述预处理部件还包括图像重新缩放部件，所述图像重新缩放部件可操作成对所述经处理的图像进行标准化。6.根据权利要求1所述的系统，其中，所述一个或更多个卷积神经网络包括预定维度的输入层。7.根据权利要求6所述的系统，其中，所述输入层是1024
×
1024
×
3层。8.根据权利要求1所述的系统，其中，所述一个或更多个卷积神经网络包括一个或更多个卷积层，所述卷积层包含一个或更多个节点，所述一个或更多个节点各自具有一个或更多个权重和偏差。9.根据权利要求8所述的系统，其中，所述一个或更多个卷积层对应于支持的绘图类型的数目。10.根据权利要求1所述的系统，其中，所述材料标识符部件包括一个或更多个经预训练的材料识别神经网络。11.根据权利要求10所述的系统，其中，所述一个或更多个经预训练的材料识别神经网络被训练以产生值的多维矩阵。12.根据权利要求1所述的系统，其中，所述MPM表示与所述经处理的图像相关联的每个特征的数目、类型、物理位置和尺寸中的一个或更多个；并且所述MPM以分配给所述绘图上的每个X和Y像素坐标的值进行编码。13.根据权利要求1所述的系统，其中，所述特征包括以下中的一个或更多个：材料、包括墙壁或房间的结构...
【专利技术属性】
技术研发人员：沙恩，
申请(专利权)人：马特拉克盾牌私人有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。