[发明专利]一种基于深度学习的图元图纸校核方法及系统

说明书

本发明属于人工智能和图像处理技术领域，尤其涉及一种基于深度学习的图元图纸校核方法及系统。所述方法包括：获取待校核的图元图纸图片文件；将待校核的图片文件按照比例切割为原理图和文字信息部分并记录相应的信息；将文字信息图片部分输入预先构建的文字识别模型，获得所检测的文字信息；根据文字信息采用图像处理的方法校核对应的原理图是否合理，并输出结果信息。本发明通过对图元图纸图片文件的校核，避免了图纸绘制后出现的不合理情况，提高工程设计的质量，为后续工作提供保障。

技术领域

本发明属于人工智能和图像处理技术领域，尤其涉及一种基于深度学习的图元图纸校核方法及系统。

背景技术

传统的工程图校核是依靠“经验”进行的，对于工程设计人员来说是一项繁琐的工作。由于但是这个过程通常费时费力，其校核结果受主观因素影响较大，没有形成量化指标。

深度学习的概念于2006年被加拿大多伦多大学的Hinton教授第一次提了出来。之后的10年里，深度学习在计算机视觉等多个领域中不断地取得突破性的进展。深度学习预先定义了计算规则，通过层级式网络结构，将数据从输入层传递到输出层，并自动学习图像的特征表达。

基于以上的问题，亟需一种新的基于深度学习的图元图纸校核方法及系统的技术方案。

发明内容

针对以上现有技术中存在的问题，本发明提出了一种基于深度学习的图元图纸校核方法及系统，其目的是为了解决现有技术中工程设计人员在校核图纸的过程中费时费力的问题，进而提高工作效率。

为了实现上述发明目的，本发明是通过以下技术方案来实现的：

一种基于深度学习的图元图纸校核方法，包括以下步骤：

S1、获取待校核的图元图纸图片文件；

S2、将待校核图片文件按照比例切割为原理图和文字信息部分,并记录相应的信息；

S3、将文字信息图片部分输入预先构建的文字识别模型，获得所检测的文字信息内容；

S4、根据文字信息采用图像处理的方法校核对应的原理图是否合理；

S5、输出提示信息。

所述获取待校核的图元图纸图片文件，包括：获取待校核的图元图纸图片文件，文件格式为PNG。

所述将待校核图片文件按照比例切割为原理图和文字信息部分,并记录相应的信息：包括：将待校核图片按照比例切割为原理图和文字信息图片部分。

所述将文字信息图片部分输入预先构建的文字识别模型，获得所检测的文字信息内容，包括：将文字信息图片部分输入预先构建的文字识别模型，获得所检测的文字信息内容；其中，文字识别模型基于整理的样本图像和神经网络模型训练获得。

所述步骤S4根据文字信息采用图像处理的方法校核对应的原理图是否合理，包括：不同的文字信息对应的原理图特征不同，采用图像处理的方法对特征进行处理和分析，根据文字信息采用图像处理的方法校核对应的原理图是否合理。

所述步骤S5输出提示信息，包括：输出提示信息；所述提示信息包括错误原理图对应的文字信息及原因。

一种基于深度学习的图元图纸校核系统，包括：

获取文件模块：用于获取待校核的图元图纸图片文件；

文件切割模块：用于将待校核图片文件按照比例切割为原理图和文字信息部分并记录相应的信息；

文字识别模块：用于将文字信息图片部分输入预先构建的文字识别模型，获得所检测的文字信息内容；

图纸校核模块：用于根据文字信息采用图像处理的方法校核对应的原理图是否合理；