【技术实现步骤摘要】
本专利技术涉及压力管道工程技术等领域，具体的说，是一种基于cnn的压力管道单线图特征识别方法。
技术介绍
1、目前，传统的压力管道单线图制作方法通常涉及现场手绘，随后使用软件将手绘图转换为数字格式，效率较低。当需要修改这些单线图时，通常需要找到相应的文件，再通过软件进行编辑或重新绘制。并且，在压力管道单线图中的各类元素特征仍需通过人工处理方式输出，这一过程不仅繁琐，还存在一定程度的主观性。然而，随着图像识别技术的快速发展，特别是深度学习中基于卷积神经网络的算法，能够较为准确识别图像中的各种元素特征。例如，光学字符识别（ocr）技术可以从图像中提取文本及其空间坐标，而目标检测技术可以识别图像中的管件类型及其精确位置。霍夫变换检测可以对图像中的直线、圆形检测。这些图像识别技术在各个领域都有广泛的应用。
2、现有压力管道单线图制作方法存在如下问题：
3、1、修改效率低下：在修改压力管道单线图时，传统方法要求首先定位到相应的设计文件，随后通过专业软件进行手动编辑，效率较低。
4、2、工作冗余度高：若源文件不幸丢失或损坏，传统的做法只能是重新参考现有的图片资料，利用设计软件从头开始绘制压力管道单线图。
5、3、信息提取繁琐：传统方式下，从压力管道单线图中提取文本坐标、文本内容、管件坐标、管件类型、管线方向、管线坐标等特征较为繁琐，限制了进一步的应用和分析，并且通过人工处理方式输出过程存在主观性，容易导致误差。
技术实现思路
1、本专利技术的目的
2、本专利技术通过下述技术方案实现：一种基于cnn的压力管道单线图特征识别方法，包括下述具体步骤：
3、1）将压力管道单线图图像导入到图像去噪模块内并进行去噪处理，得到去噪后的图像；
4、2）将经过去噪处理的图像输入到文本识别模块内，通过文本检测算法和文本识别算法实现文本内容的提取处理，得到图像中所有文本的内容和坐标；
5、3）将步骤1）的输出和步骤2）的输出利用yolox管件检测模块进行关键信息提取，输出图中每个管件的类型和坐标；
6、4）经步骤3）后，通过管线识别模块利用边缘检测、霍夫变换和膨胀操作中的一种或多种，进行数据处理，得到图像中所有管线的方向和坐标；
7、5）最后，将文本识别模块、yolox管件检测模块和管线识别模块的输出进行规范化。
8、进一步为更好地实现本专利技术所述的一种基于cnn的压力管道单线图特征识别方法，特别采用下述设置方式：所述步骤1）具体为：将需要进行识别的压力管道单线图作为输入（整个过程的开始），导入图像去噪模块，并采用高斯滤波方法降低图像噪声，即将图像中可能存在的一些异常点进行去除，得到去噪后的图像，通过图像去噪的方式，凸显真实细节，为后续模块提供更清晰的输入。
9、进一步为更好地实现本专利技术所述的一种基于cnn的压力管道单线图特征识别方法，特别采用下述设置方式：所述步骤2）包括下述步骤：
10、2.1）将去噪后的图像进行尺寸调整，然后输入到文本识别模块的文本检测算法dbnet中，并输出图像中文本所在坐标，其中所在坐标包括图像中所有文本的左上角和右下角坐标，并以二维数组的方式存放坐标；
11、即文本检测算法dbnet在进行计算之前会将图像的尺寸调整到固定大小，然后将固定尺寸的图像输入到算法中，算法会输出图像中文本所在坐标，文本坐标是以矩形框形式框选文本后的左上角和右下角坐标。检测算法dbnet会输出图中所有文本的左上角和右下角坐标，以二维数组的方式存放坐标。
12、2.2）在得到图中所有文本的坐标后，根据每个文本的左上角和右下角坐标在原图中进行裁剪，裁剪得到的每个子图都代表一行文本；
13、2.3）某些文本的子图由于可能存在倾斜问题，那么首先将存在倾斜问题的子图进行预设为水平子图，建立倾斜与水平二者之间的映射关系，然后根据映射关系采用仿射变换方法将存在倾斜问题的子图调整为水平状态；
14、2.4）将所有水平状态的文本子图调整到固定的图像尺寸后，输入到文本识别模块的文本识别模型crnn中，crnn算法会对子图中的每一个字符进行分类，输出每个字符的识别结果，而每个子图的结果即其所含全部字符识别结果的集合；
15、2.5）将每个文本在原图中的左上角和右下角坐标，以及对应的文本识别结果组合到一起进行输出，也就得到图像中所有文本的内容和坐标。
16、进一步为更好地实现本专利技术所述的一种基于cnn的压力管道单线图特征识别方法，特别采用下述设置方式：所述步骤3）包括下述具体步骤：
17、3.1）将步骤1）和步骤2）的输出输入到yolox管件检测模块中，首先利用去噪后的图像和文本识别模块得到的结果，根据文本识别得到的每个文本的坐标，将每个文本区域（由左上角坐标和右下角坐标形成的矩形）填充为背景颜色，即得到在原图基础上去除文本后的图像；
18、3.2）然后，将去除文本后的图像调整到固定图像尺寸，再输入到目标检测算法yolox中检测图像中的管件，输出图中每个管件的类型和坐标（左上角和右下角两个坐标）。
19、进一步为更好地实现本专利技术所述的一种基于cnn的压力管道单线图特征识别方法，特别采用下述设置方式：所述步骤3.1）中，文本区域为每个文本的左上角坐标和右下角坐标形成的矩形；每个管件的坐标包括左上角和右下角两个坐标。
20、进一步为更好地实现本专利技术所述的一种基于cnn的压力管道单线图特征识别方法，特别采用下述设置方式：所述步骤4）包括下述具体步骤：
21、4.1）首先，根据管件检测得到每个管件的坐标，也就是在原图中的每个管件区域（由左上角和右下角坐标形成的矩形），将每个管件区域填充为背景颜色；
22、4.2）经步骤4.1）后，得到在原图基础上先是去掉了文本区域，再是去掉管件区域的图像；
23、4.3）然后，通过边缘检测canny算子对图像进行处理，得到的灰度图中背景为黑色，线段为白色，即凸出线段信息；
24、4.4）经步骤4.3）后，第一次采用霍夫变换方法检测线段，利用霍夫变换方法在图中进行直线拟合，拟合后的直线则是通过两端坐标表示；
25、4.5）经步骤4.4）后，根据得到的线段两端坐标，将线段填充为背景颜色；
26、4.6）填充后的图像可能存在少部分线段未检测到的情况，随后，使用膨胀操作对经步骤4.5）后图像中剩下的未检测到的线段进行特征增强，再使用轮廓检测方法获取到图中的线段区域（每个区域的边缘坐标），通过计算每个区域的像素值数量过滤掉一些异常点（噪声）；
27、4.7）对经过步骤4.6）本文档来自技高网...
【技术保护点】
1.一种基于CNN的压力管道单线图特征识别方法，其特征在于：包括下述具体步骤：
2.根据权利要求1所述的一种基于CNN的压力管道单线图特征识别方法，其特征在于：所述步骤1）具体为：将需要进行识别的压力管道单线图作为输入，导入图像去噪模块，并采用高斯滤波方法降低图像噪声，得到去噪后的图像。
3.根据权利要求1所述的一种基于CNN的压力管道单线图特征识别方法，其特征在于：所述步骤2）包括下述步骤：
4.根据权利要求1所述的一种基于CNN的压力管道单线图特征识别方法，其特征在于：所述步骤3）包括下述具体步骤：
5.根据权利要求4所述的一种基于CNN的压力管道单线图特征识别方法，其特征在于：所述步骤3.1）中，文本区域为每个文本的左上角坐标和右下角坐标形成的矩形；每个管件的坐标包括左上角和右下角两个坐标。
6.根据权利要求1所述的一种基于CNN的压力管道单线图特征识别方法，其特征在于：所述步骤4）包括下述具体步骤：
7.根据权利要求6所述的一种基于CNN的压力管道单线图特征识别方法，其特征在于：所述步骤4.6）中，使
8.根据权利要求1所述的一种基于CNN的压力管道单线图特征识别方法，其特征在于：所述步骤5）具体为：
...【技术特征摘要】
1.一种基于cnn的压力管道单线图特征识别方法，其特征在于：包括下述具体步骤：
2.根据权利要求1所述的一种基于cnn的压力管道单线图特征识别方法，其特征在于：所述步骤1）具体为：将需要进行识别的压力管道单线图作为输入，导入图像去噪模块，并采用高斯滤波方法降低图像噪声，得到去噪后的图像。
3.根据权利要求1所述的一种基于cnn的压力管道单线图特征识别方法，其特征在于：所述步骤2）包括下述步骤：
4.根据权利要求1所述的一种基于cnn的压力管道单线图特征识别方法，其特征在于：所述步骤3）包括下述具体步骤：
5.根据权利要求4所述的一种基于cnn的压...
【专利技术属性】
技术研发人员：车帅，张铁骥，刘红梅，张松平，杨波，王诗卉，肖艺，冷海风，
申请(专利权)人：安格利成都仪器设备有限公司，
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。