[发明专利]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

权利要求书

1.一种基于深度学习的图像格式管道和仪表图管线识别方法，应用于深度学习技术领域，其特征在于，包括以下步骤：

S1、对于图像格式管道和仪表图PID包含的各类管线，不同类型管线可视作连续线并带有不同的特征，相同的管线的特征相同，特征间距离固定，一段管线的长度从十几px到几千px不定，长度变化剧烈，在通过深度学习方法去除符号和文字的影响后，将长管线进行标注并切割为短管线，与原本存在的短管线合并一起，根据特征识别短管线，并将识别的切分短管线按相应规则进行合并，从而识别不同分类、尺度变化剧烈的管线，整个处理流程分为三个预处理步骤和两个识别步骤；

S2、预处理步骤一，将图像格式PID进行符号标注，然后将大尺度的完整图像进行切分获得多张小尺度切分图像，将小尺度图像进行训练，在小尺度图像上进行识别，将识别结果在完整图像上进行位置还原，将每个符号所在区域以白色背景进行替代，获得去除符号的完整图像格式PID；

S3、预处理步骤二，将去除符号的完整图像格式PID进行切分，首先使用文字识别算法进行文字定位，将文字位置在完整图像进行位置还原，将每个文字所在区域以白色背景进行替代，获得去除符号和文字的完整图像格式PID；

S4、预处理步骤三，将去除符号和文字的完整图像格式PID进行管线标注，在完整图像进行管线标注时，将两个端点在同一水平或垂直线的连续管线标注为一个管线样本，标注完成后，将大尺度的完整图像进行切分获得多张小尺度切分图像，对于跨越两个及以上切分区域的标注样本，将标注框进行重新计算，使每个切分部分都分配到单个标注框，样本分类不变，切分完成后，进行管线样本训练；

S5、识别步骤一，为实现管线识别，首先输入完整图像格式PID按照S1和S2步骤进行符号和文字识别，并在完整图像中进行去除，然后在切分后进行管线识别，然后在完整图像中进行识别框位置还原，在切分过程中，部分单个管线样本会被切分成两个及以上样本，所以在还原过程中，需要对相同分类值的两个及以上的识别框进行合并，具体操作如下，对所有的切分图像S(i,j)，i和j取值范围为0到9，首先计算j为0的十个切分图像，输入十个图像的所有识别框坐标，先判断第一个识别框的右上坐标是否和切分线重合，如果重合，则判断第二个识别框的左上坐标是否和切分线重合，如果重合，判断两个坐标是否位于同一水平线，如果判断通过，则将第一个识别框的左上、左下和第二个识别框的右上右下坐标合并为一个新识别框，并取代两个识别框，如果发生合并，则重新计算第一个和第二个识别框，然后以第一个识别框为主，依次计算第二、第三、第四直至最后一个识别框，第一个识别框计算完毕后，以第二个识别框为主，依次计算第三、第四、第五直至最后一个识别框，当j为0的十个切分图像的水平合并识别框计算完毕后，依次计算j为1、j为2直到j为9的十个切分图像，当水平方向计算完毕后，在竖直方向，依次计算i为0、i为1到i为9的十个切分图像，如果合并的两个识别框宽度不一致，将宽度调整至两个宽度值中较小的那一个；

S6、识别步骤二，对于识别的管线，通过对识别框进行处理，获得每条管线的端点坐标，处理过程为，使用识别框纵横比确定管线是水平还是垂直方向，如果是水平方向，从上边框中间坐标往下遍历到第一个黑色像素，确定管线水平坐标，然后从左边框符合该水平坐标的点向右遍历到第一个黑色像素，即为管线左端点，从右边框符合该水平坐标的点向左遍历到第一个黑色像素，即为管线右端点。

2.根据权利要求1所述的基于深度学习的图像格式管道和仪表图管线识别方法，其特征在于：步骤S2和S3中图像切分与还原具体操作如下，本方法使用数据集图像大小为8410×5940，将输入图像填充空白区域，扩充为8600×6000，切分成100张860×600的图像，每个切分图像记作S(i,j)，则S(i,j)图像的(x,y)坐标还原到完整图像的坐标为(x+10i,y+10j)。