[发明专利]一种工程图纸的图像识别方法、系统及相关装置

说明书

本申请提供一种工程图纸的图像识别方法，包括：获取工程图纸数据；对所述工程图纸数据进行预处理，得到图像数据；将所述图像数据输入训练模型，得到图像识别结果；其中，所述训练模型为包含多边形训练模型、双平行线训练模型和门窗训练模型的混合模型。本申请通过对工程图纸数据预处理后直接输入训练模型进行识别，无需人工识别，尤其对于画法复杂门窗构建，可以准确的分析识别，提高了对于工程图纸的识别精确度。同时借助于训练模型进行图像识别，可以通过对训练模型进行优化以保证识别精度，解决了当前图纸识别软件难以更新的问题。本申请还提供一种工程图纸的图像识别系统、计算机可读存储介质和电子设备，具有上述有益效果。

技术领域

本申请涉及工业制造领域，特别涉及一种工程图纸的图像识别方法、系统及相关装置。

背景技术

当前针对于建筑工程图纸的识别过程中，利用传统的图像识别方法可以识别建筑图纸中的简单构件，例如柱状构件、梁墙构件等，但针对于复杂的门窗框构件很难利用图像识别方法识别，其识别误差大，存在图纸数据的识别误差，不利于对建筑图纸的识别应用。

发明内容

本申请的目的是提供一种工程图纸的图像识别方法、图像识别系统、计算机可读存储介质和电子设备，能够借助于训练模型快速有效识别工程图纸。

为解决上述技术问题，本申请提供一种工程图纸的图像识别方法，具体技术方案如下：

获取工程图纸数据；

对所述工程图纸数据进行预处理，得到图像数据；

将所述图像数据输入训练模型，得到图像识别结果；其中，所述训练模型为包含多边形训练模型、双平行线训练模型和门窗训练模型的混合模型。

可选的，将所述图像数据输入训练模型之前，还包括：

训练所述多边形训练模型；

训练所述双平行线训练模型；

训练所述门窗训练模型；

在全连接层整合所述多边形训练模型、所述双平行线训练模型和所述门窗训练模型，得到所述训练模型。

可选的，训练所述多边形训练模型包括：

确定卷积大小为5×5像素、输出特征图深度为1和滑动步长为1；

在全连接层中按照多边形的类型进行分类；所述类型包括定点数据、内角角度特征和输出形状；

输入柱形构件数据并采用平均池化进行训练，得到多边形训练模型。

可选的，训练所述双平行线训练模型包括：

确定卷积大小为5×5像素、输出特征图深度为1和滑动步长为3；

在全连接层中按照双平行线的间距分类；

输入梁墙边线数据并采用最大池化进行训练，得到双平行线训练模型。

可选的，训练所述门窗训练模型包括：

确定卷积大小为3×3像素、输出特征图深度为1和滑动步长为1；

在全连接层中按照弧线特征进行分类；

输入门窗数据并采用平均池化进行训练，得到门窗训练模型。

可选的，在全连接层整合所述多边形训练模型、所述双平行线训练模型和所述门窗训练模型，得到所述训练模型之前，还包括：

为所述多边形训练模型、所述双平行线训练模型和所述门窗训练模型配置各自的分类准确率；