-
公开(公告)号：CN116259067B
公开(公告)日：2023-09-12
申请号：CN202310538334.3
申请日：2023-05-15
Applicant: 济南大学 , 济南市城镇化与村镇建设服务中心
IPC: G06V30/422 , G06V30/148 , G06V30/19 , G06V30/18 , G06V30/14 , G06V10/82
Abstract: 本发明提出了一种高精度识别PID图纸符号的方法，涉及PID图纸符号识别领域。本发明提出PCSC_CBAM注意力机制，将该机制引入到YOLOv5中Neck里去，提高YOLOv5网络对符号识别的准确率。对高分辨率PID图纸进行数据增强，然后使用滑动窗口对高分辨率PID图纸进行分割，得到N张小图片。使用改进的YOLOv5网络用于对N张图片符号识别，实现符号的精准分类以及模糊定位；之后将N张图片拼接回高分辨率图像进行非极大值抑制。遍历拼接后的高分辨率图像符号识别的结果，从高分辨率图像中裁切仅包含当前符号的图像，对其使用Canny边缘检测和形态学处理得到符号的精确位置，提高PID图纸符号识别的准确率。
-
公开(公告)号：CN116259067A
公开(公告)日：2023-06-13
申请号：CN202310538334.3
申请日：2023-05-15
Applicant: 济南大学 , 济南市城镇化与村镇建设服务中心
IPC: G06V30/422 , G06V30/148 , G06V30/19 , G06V30/18 , G06V30/14 , G06V10/82
Abstract: 本发明提出了一种高精度识别PID图纸符号的方法，涉及PID图纸符号识别领域。本发明提出PCSC_CBAM注意力机制，将该机制引入到YOLOv5中Neck里去，提高YOLOv5网络对符号识别的准确率。对高分辨率PID图纸进行数据增强，然后使用滑动窗口对高分辨率PID图纸进行分割，得到N张小图片。使用改进的YOLOv5网络用于对N张图片符号识别，实现符号的精准分类以及模糊定位；之后将N张图片拼接回高分辨率图像进行非极大值抑制。遍历拼接后的高分辨率图像符号识别的结果，从高分辨率图像中裁切仅包含当前符号的图像，对其使用Canny边缘检测和形态学处理得到符号的精确位置，提高PID图纸符号识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114863464A
公开(公告)日：2022-08-05
申请号：CN202210798533.3
申请日：2022-07-08
Applicant: 济南大学
IPC: G06V30/422 , G06V30/418 , G06V30/24 , G06V30/19
Abstract: 本发明公开了一种PID图纸图件信息的二阶识别方法，涉及图像识别图像分类领域，尤其是PID图纸图件的识别问题。本发明提出结合传统机器学习和深度学习强监督实现对PID图纸图件的准确识别和分类，针对PID图件中存在的类内差异较小的问题，第一阶段采用归一化相关系数、HOG特征提取相关性计算的方式实现按图件共有的基础几何图形特征的初分类，第二阶段采用深度学习强监督的方式，对相似度较高的图件添加关键部位重标注，提模型对类内差异部位的感知能力来改善模型对图件分类和识别的性能，从而提升PID图纸图件信息在实际工程中的应用效率，提升企业数字化交付的能力。
-
公开(公告)号：CN114694165A
公开(公告)日：2022-07-01
申请号：CN202210610807.1
申请日：2022-06-01
Applicant: 济南大学
IPC: G06V30/422 , G06V30/418 , G06V30/19 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62 , G06T11/20 , G06F30/18 , G06F113/14
Abstract: 本发明提出了一种PID图纸智能识别与重绘方法，涉及PID图纸识别、图像处理和计算机辅助设计领域。本发明通过采用模板匹配、深度学习、基于像素点的管线识别算法与合并规则的方法实现PID图纸图像中图件的定位、分类、文字检测与识别，并利用正则表达式将图件与文字进行关联以及通过PID绘制软件完成PID图纸的重绘，能够大幅度降低专业工程师手工绘制PID的时间，提高绘图效率和质量。
-
公开(公告)号：CN116110071B
公开(公告)日：2023-09-12
申请号：CN202310361501.1
申请日：2023-04-07
Applicant: 济南大学
IPC: G06V30/422 , G06V30/414 , G06V10/26 , G06V10/774 , G06V10/82 , G06V30/146
Abstract: 本发明公开了一种基于深度学习的图像格式管道和仪表图管线识别方法。涉及图像识别和管道和仪表图领域。本发明通过基于深度学习的算法，在管道和仪表图P&ID中先识别并删除符号和文字区域，将长管线分割成重复短管线，在识别完成后，将符合条件的短管线合并为长管线，达到识别各种长度管线的效果，并最后输出各段管线的端点和分类。本发明与人工识别管道和仪表图中管线相比，管线识别时间大幅缩小，识别准确率不受限于人工熟练度影响，信息化程度更好。相比现有的几种方法，本发明在识别准确率较高的前提下，使用更短的识别时间识别多种类型和多种长度的管线。
-
公开(公告)号：CN116110071A
公开(公告)日：2023-05-12
申请号：CN202310361501.1
申请日：2023-04-07
Applicant: 济南大学
IPC: G06V30/422 , G06V30/414 , G06V10/26 , G06V10/774 , G06V10/82 , G06V30/146
Abstract: 本发明公开了一种基于深度学习的图像格式管道和仪表图管线识别方法。涉及图像识别和管道和仪表图领域。本发明通过基于深度学习的算法，在管道和仪表图P&ID中先识别并删除符号和文字区域，将长管线分割成重复短管线，在识别完成后，将符合条件的短管线合并为长管线，达到识别各种长度管线的效果，并最后输出各段管线的端点和分类。本发明与人工识别管道和仪表图中管线相比，管线识别时间大幅缩小，识别准确率不受限于人工熟练度影响，信息化程度更好。相比现有的几种方法，本发明在识别准确率较高的前提下，使用更短的识别时间识别多种类型和多种长度的管线。
-
公开(公告)号：CN114694165B
公开(公告)日：2023-05-09
申请号：CN202210610807.1
申请日：2022-06-01
Applicant: 济南大学
IPC: G06V30/422 , G06V30/418 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T11/20 , G06F30/18 , G06F113/14
Abstract: 本发明提出了一种PID图纸智能识别与重绘方法，涉及PID图纸识别、图像处理和计算机辅助设计领域。本发明通过采用模板匹配、深度学习、基于像素点的管线识别算法与合并规则的方法实现PID图纸图像中图件的定位、分类、文字检测与识别，并利用正则表达式将图件与文字进行关联以及通过PID绘制软件完成PID图纸的重绘，能够大幅度降低专业工程师手工绘制PID的时间，提高绘图效率和质量。
-
-
-
-
-
-
Search Results
7
records
(took 0.043 seconds)
