一种梁信息的自动识别和获取方法技术

本发明专利技术公开了一种梁信息的自动识别和获取方法，涉及梁的自动识别和获取技术领域，通过预先收集标准建筑图集，并从标准建筑图集中筛选出带有主梁以及次梁的图片，作为训练输入图片集合；将输入图片集合作为图像识别类神经网络模型的输入，训练出识别主梁与次梁的神经网络模型；再利用训练完成的神经网络模型判断待识别梁的主梁与次梁的信息；使用文字识别技术识别梁的图片中标注图解的文字内容；并根据文字内容区别集中标注模式或原位标注模式；对集中标注模式与原位标注模式的文字内容使用NLP技术进行语义分析，获得对应字段信息；极大的降低了人力与物力人本，提高了梁的识别效率。率。率。

【技术实现步骤摘要】
一种梁信息的自动识别和获取方法


[0001]本专利技术属于建筑领域，涉及梁的自动识别技术，具体是一种梁信息的自动识别和获取方法。

技术介绍

[0002]由支座支承，承受的外力以横向力和剪力为主，以弯曲为主要变形的构件称为梁；进一步的，将两个柱子之间连接的梁称为主梁，而与主梁搭接的梁称为次梁；在梁的CAD图纸中，往往需要对梁的参数进行标注，包括集中标注和原位标注；集中标注表示构件的通用信息，原位标注表示构件的特殊信息；当集中标注中的某项数值不适用于构件的某部位时，则用原位标注标注该部位信息；
[0003]目前对梁的识别以及梁的集中标注模式和原位标注模式的语义分析均通过人工方式；分析效率较低且需要大量人力与物力；
[0004]为此，提出一种梁信息的自动识别和获取方法。

技术实现思路

[0005]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种梁信息的自动识别和获取方法，该一种梁信息的自动识别和获取方法极大的降低了人力与物力成本，提高了梁的识别效率。
[0006]为实现上述目的，根据本专利技术的第一方面的实施例提出一种梁信息的自动识别和获取方法，包括以下步骤：
[0007]步骤一：预先收集标准建筑图集，并从标准建筑图集中筛选出带有主梁以及次梁的图片，作为训练输入图片集合；
[0008]步骤二：将输入图片集合作为图像识别类神经网络模型的输入，训练出识别主梁与次梁的神经网络模型M；
[0009]步骤三：收集待识别梁的图片，获得待识别梁的主梁与次梁的信息；
[0010]步骤四：使用文字识别技术识别梁的图片中标注图解的文字内容；并根据文字内容区别集中标注模式或原位标注模式；
[0011]步骤五：对集中标注模式与原位标注模式的文字内容使用NLP技术进行语义分析，获得对应字段信息；
[0012]其中，所述标准建筑图集以及待识别的梁的图片均为CAD格式图片；可以理解的是，在CAD软件中，可以对梁进行集中标注和原位标注；
[0013]对标准建筑图集中的建筑图片进行筛选的方式可以为使用图像识别技术识别出图片中的梁；
[0014]其中，训练识别主梁与次梁的神经网络模型包括以下步骤：
[0015]步骤S1：对筛选后的标准建筑图集中的图片中的主梁与次梁进行人工标记；
[0016]步骤S2：将图片中进行标记后的梁图片作为输入，输入至图像识别类神经网络模
型中，对神经网络模型进行训练；
[0017]步骤S3：预先为神经网络模型设置预测准确率阈值M；在神经网络模型的预测准确率大于预测准确率阈值M时，停止训练；并将训练完成的神经网络模型标记为M；
[0018]其中，对待识别的梁的图片识别主梁与次梁的信息的方式为：
[0019]将带识别梁的图片使用图像识别技术识别其中包含的梁的位置，再将该位置的图片进行截取，将截取的图片输入至神经网络模型M中，获得神经网络模型M对待识别梁的图片的类型的判断；
[0020]其中，所述文字识别技术可以为OCR文字识别技术；
[0021]其中，将文字区分为集中标注或原位标注的方式为：
[0022]根据集中标注模式必须具有的五项必注值的特性，根据文字行数、每行文字的形式和内容，判断文字是否为集中标注；
[0023]根据原位标注模式通常在具体的梁的位置附近的特性，根据文字形式和内容以及文字的位置，判断文字是否为原位标注；
[0024]其中，所述使用NLP技术对文字内容进行语义分析包括以下步骤：
[0025]步骤P1：使用NLP技术训练根据集中标注或原位标注的各个属性的文字形式或格式，训练出识别属性类型的神经网络模型；
[0026]步骤P2：使用训练完成的NLP的神经网络模型对待识别的梁的图片中的主梁或次梁的集中标注和原位标注进行识别；识别出对应的标注的属性。
[0027]与现有技术相比，本专利技术的有益效果是：
[0028]本专利技术通过预先训练出对标准建筑图集，训练出图像识别方面神经网络模型；再使用神经网络模型识别出待识别的梁的图片中的主梁与次梁，进一步使用OCR技术识别出各个主梁与次梁上的集中标注与原位标注，再对集中标注和原位标注使用NLP技术分析标注中所包含的各个属性；从而通过人工智能技术自动将梁的信息进行提取和识别；
[0029]现有专利CN202210288244.9提出一种通过图像识别技术来识别建筑图像中主梁与次梁的方法；该方法可用于识别CAD图像中的主梁与次梁，但依然无法根据图像计算出主梁与次梁的参数，依然需要通过人工方式来读取主梁与次梁的集中标注和原位标注的属性；
[0030]本专利技术提出的先利用图像分析技术、OCR技术以及NLP技术完成对主梁与次梁、集中标注和原位标注的区分以及标注内容的分析，从而全自动化的将主梁与次梁信息从CAD图纸中识别和读取出来；从而极大的降低了人力成本；
[0031]再进一步的，本专利技术提出的使用NLP技术分析集中标注和原位标注的属性的方式未从公开文件中查询到，而此技术避免了使用传统的属性分析技术过于依赖书写格式的问题，从而在书写格式有所改变的情况下，依然能准确识别。
附图说明
[0032]图1为本专利技术的流程图。
具体实施方式
[0033]下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实
施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0034]由支座支承，承受的外力以横向力和剪力为主，以弯曲为主要变形的构件称为梁；目前对梁的识别以及梁的集中标注模式和原位标注模式的语义分析均通过人工方式；分析效率较低且需要大量人力与物力；
[0035]如图1所示，一种梁信息的自动识别和获取方法，包括以下步骤：
[0036]步骤一：预先收集标准建筑图集，并从标准建筑图集中筛选出带有主梁以及次梁的图片，作为训练输入图片集合；
[0037]步骤二：将输入图片集合作为图像识别类神经网络模型的输入，训练出识别主梁与次梁的神经网络模型M；
[0038]步骤三：收集待识别梁的图片，获得待识别梁的主梁与次梁的信息；
[0039]步骤四：使用文字识别技术识别梁的图片中标注图解的文字内容；并根据文字内容区别集中标注模式或原位标注模式；
[0040]步骤五：对集中标注模式与原位标注模式的文字内容使用NLP技术进行语义分析，获得对应字段信息；
[0041]其中，所述标准建筑图集以及待识别的梁的图片均为CAD格式图片；可以理解的是，在CAD软件中，可以对梁进行集中标注和原位标注；
[0042]在一个优选的实施例中，对标准建筑图集中的建筑图片进行筛选的方式可以为使用图像识别技术识别出图片中的梁；
[0043]可以理解的是，建筑学中，将两个柱子之间连接的梁称为主梁，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种梁信息的自动识别和获取方法，其特征在于，包括以下步骤：步骤一：预先收集标准建筑图集，并从标准建筑图集中筛选出带有主梁以及次梁的图片，作为训练输入图片集合；步骤二：将输入图片集合作为图像识别类神经网络模型的输入，训练出识别主梁与次梁的神经网络模型M；步骤三：收集待识别梁的图片，获得待识别梁的主梁与次梁的信息；步骤四：使用文字识别技术识别梁的图片中标注图解的文字内容；并根据文字内容区别集中标注模式或原位标注模式；步骤五：对集中标注模式与原位标注模式的文字内容使用NLP技术进行语义分析，获得对应字段信息。2.根据权利要求1所述的一种梁信息的自动识别和获取方法，其特征在于，所述标准建筑图集以及待识别的梁的图片为CAD格式图片。3.根据权利要求1所述的一种梁信息的自动识别和获取方法，其特征在于，训练识别主梁与次梁的神经网络模型包括以下步骤：步骤S1：对筛选后的标准建筑图集中的图片中的主梁与次梁进行人工标记；步骤S2：将图片中进行标记后的梁图片作为输入，输入至图像识别类神经网络模型中，对神经网络模型进行训练；步骤S3：预先为神经网络模型设置预测准确率阈值M；在神经网络模型的预测准确率大于预测准确率阈值M时，停止训练；并将训练完成的神经网络模型标记为M。4.根据权利要求1所述的一种梁信息的自动识别和获取方法，其特征在于，对待识别的梁的...

【专利技术属性】
技术研发人员：庄颖，胡绮颖，黄春霞，梁锦河，陈宁，王勃，任立娟，李志崧，陈灏，胡灼贞，
申请(专利权)人：华联世纪工程咨询股份有限公司，
类型：发明
国别省市：