CAD配电系统图中住户配电箱系统图子图的精准识别方法

摘要

本发明公开了CAD配电系统图中住户配电箱系统图子图的精准识别方法，涉及CAD图纸识别和图像处理技术领域。本发明包括如下步骤：S1、解析，获取文本信息、图元信息以及图层信息，转换成pdf或png图片；S2、人工标记，标记所有的开关；S3、进行分类模型训练；S4、分类出所有的开关构件；S5、获取文本的内容及文本在图中坐标位置；S6、获取到所有的电线构件；S7、移底图；S8、获取最小bbox；S9、完成最小bbox；S10、得到最终的子图位置。本发明可以高效精准的获取电气专业配电系统图中所有的配电箱或配电系统图中子图区域，为配电箱系统图子图研究，审查等提供了坚实的基础。

说明书

技术领域

本发明属于CAD图纸识别和图像处理技术领域，特别是涉及CAD配电系统图中住户配电箱系统图子图的精准识别方法。

背景技术

CAD施工图，是表示通过AutoCAD软件将工程项目总体布局，建筑物的外部形状、内部布置、结构构造、内外装修、材料作法以及设备、施工等制作的图样。CAD施工图具有图纸齐全、表达准确、要求具体的特点，是进行工程施工、编制施工图预算和施工组织设计的依据，也是进行技术管理的重要技术文件，在施工之前需要对施工图纸进行仔细的审查才能进入施工阶段，目的是保障施工的顺利进行，并且可以避免因图纸有误对完成施工后的使用阶段产生的影响。

CAD施工图中的配电系统图主要绘制的电气方面的系统图，如楼层电表箱系统图/公共照明配电箱系统图/住宅配电箱系统图等等一系列系统图都绘制到配电系统图中，通常某些强条规则是对住宅配电箱系统图进行约束限制，随着人工智能的兴起，一大波由人工参与的项目可以用人工智能代替，其中CAD施工图的审查就是一项耗时耗力的重复性工作。为了便于人工智能对CAD施工图的审查，需要精准的识别图纸中的子图，本发明正是针对CAD配电系统图中住宅或住户配电箱系统图子图的精准识别，提出了一种覆盖范围广，准确率高的住宅或住户配电箱系统图子图识别方法。

发明内容

本发明提供了CAD配电系统图中住户配电箱系统图子图的精准识别方法，解决了以上问题。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明的CAD配电系统图中住户配电箱系统图子图的精准识别方法,包括如下步骤：

S1、对CAD配电系统图纸进行解析，获取文本信息、图元信息以及图层信息，并将CAD配电系统图纸转换成pdf或png图片；

S2、对转换成的pdf或png图片进行人工标记，标记所有的开关，包括单刀开关和双刀开关；

S3、将人工标记后的数据采用深度学习的分类算法进行分类模型训练；

S4、实用训练后的分类模型分类出所有的开关构件，包括单刀开关和双刀开关，并获取构件的位置信息；

S5、通过所有的文本信息，利用正则化匹配的方法，找到图框中代表住宅配电箱的文本，获取文本的内容及文本在图中坐标位置；

S6、通过所有的图层信息，获取到所有的电线构件；

S7、将所有获取到的电线构件和开关构件绘制到一张纯色背景到底图上；

S8、对绘制好的图像基于canny算子进行边缘检测，将轮廓分为两种每一种是面积在合理经验值中的合格轮廓，一种是不合格的轮廓，在对不合格的小轮廓进行外扩，与合格的大轮廓进行合并，最终获取到包含电线和开关构件的子图的最小bbox；

S9、基于轮廓的最小bbox判断是否与住宅电箱的文本的bbox相交；如果相交则为住宅或住户配电箱子图，否则不是住宅或住户配电箱子图，并判断住宅配电箱文本信息相对轮廓的bbox的位置，对轮廓的bbox进行调整，即完成包括轮廓的bbox和文本信息的最小bbox；

S10、得到最终的子图位置。

进一步地，所述正则化匹配的方法的匹配格式采用“**住宅或住户/户内**配电箱/配电”的形式。

进一步地，所述步骤S6中电线构件的图层名称包含有“"WIRE","电线","BUSW","照明布线","D线","DX"”关键字的图层。

进一步地，所述深度学习的分类算法采用神经网络；所述分类模型采用mobilenet模型。

本发明相对于现有技术包括有以下有益效果：

本发明可以高效精准的获取电气专业配电系统图中所有的配电箱或配电系统图中子图区域，弥补了CAD图纸中识别住宅或住户配电箱系统图子图的技术空白，为后续开展住宅或住户配电箱系统图子图研究，审查等提供了坚实的基础。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的CAD配电系统图中住户配电箱系统图子图的精准识别方法的步骤图；

图2为本发明具体实施例的步骤图；

图3为本发明具体实施例的一个住宅用户的ACD配电系统平面图；

图4为本发明具体实施例的一个住宅用户的另一ACD配电系统平面图；

图5为基于图3和图4的住宅用户用电分配电箱系统结线图；

图6为本发明具体实施例的包括开关构件在内的所有构件的汇总图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-6所示，本发明的CAD配电系统图中住户配电箱系统图子图的精准识别方法，包括如下步骤：

S1、对CAD配电系统图纸进行解析，获取文本信息、图元信息以及图层信息，并将CAD配电系统图纸转换成pdf或png图片；

S2、对转换成的pdf或png图片进行人工标记，标记所有的开关，包括单刀开关和双刀开关；

S3、将人工标记后的数据采用深度学习的分类算法进行分类模型训练；

S4、实用训练后的分类模型分类出所有的开关构件，包括单刀开关和双刀开关，并获取构件的位置信息；

S5、通过所有的文本信息，利用正则化匹配的方法，找到图框中代表住宅配电箱的文本，获取文本的内容及文本在图中坐标位置；

S6、通过所有的图层信息，获取到所有的电线构件；

S7、将所有获取到的电线构件和开关构件绘制到一张纯色背景到底图上；

S8、对绘制好的图像基于canny算子进行边缘检测，将轮廓分为两种每一种是面积在合理经验值中的合格轮廓，一种是不合格的轮廓，在对不合格的小轮廓进行外扩，与合格的大轮廓进行合并，最终获取到包含电线和开关构件的子图的最小bbox；如图5所示为配电字图最小bbox；其中包括有开关构件和电线构件等；配电箱子图中必须有电线和开关，放置其它构件干扰，因此将电线和构件绘制至新的空的png图片上；

S9、基于轮廓的最小bbox判断是否与住宅电箱的文本的bbox相交；如果相交则为住宅或住户配电箱子图，否则不是住宅或住户配电箱子图，并判断住宅配电箱文本信息相对轮廓的bbox的位置，对轮廓的bbox进行调整，即完成包括轮廓的bbox和文本信息的最小bbox；

S10、得到最终的子图位置。

其中，正则化匹配的方法的匹配格式采用“**住宅或住户/户内**配电箱/配电”的形式。

其中，步骤S6中电线构件的图层名称包含有“"WIRE","电线","BUSW","照明布线","D线","DX"”关键字的图层。

其中，深度学习的分类算法采用神经网络；所述分类模型采用mobilenet模型。

其中，正则表达式(regular expression)描述了一种字符串匹配的模式(pattern)，可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等；

Canny算子可以认为是Canny边缘检测算法可以分为以下5个步骤：

1)使用高斯滤波器，以平滑图像，滤除噪声。

2)计算图像中每个像素点的梯度强度和方向。

3)应用非极大值(Non-Maximum Suppression)抑制，以消除边缘检测带来的杂散响应。

4)应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘。

5)通过抑制孤立的弱边缘最终完成边缘检测。

有益效果：

本发明可以高效精准的获取电气专业配电系统图中所有的配电箱或配电系统图中子图区域，弥补了CAD图纸中识别住宅或住户配电箱系统图子图的技术空白，为后续开展住宅或住户配电箱系统图子图研究，审查等提供了坚实的基础。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。