[發明專利]一種采用機器學習進行圖紙布局分類識別的方法

在審

• 申請號: 202110040792.5
• 申請日: 2021-01-13
• 公開（公告）號: CN112733735A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 儲琳琳;宗明;張宇俊;肖業凡;朱夏;王經緯;顧志銘;翟清綱;辛洪波;張曉莉
• 申請（專利權）人: 國網上海市電力公司;上?？坡沸畔⒓夹g有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N20/00;G06T5/30;G06T7/11
• 代理公司: 上海兆豐知識產權代理事務所(有限合伙) 31241
• 代理人: 章蔚強

1.一種采用機器學習進行圖紙布局分類識別的方法，其特征在于，包括如下步驟：

步驟1，圖紙布局特征提取，具體步驟如下；

步驟1.1，圖形文件的圖像化轉換，將不同類型的圖紙文件，分頁轉換為圖紙圖像；

步驟1.2，對圖紙圖像進行灰度化處理后，使用OTSU算法完成二值化處理，得到二值化圖紙圖像；

步驟1.3，二值化圖紙圖像，提取圖紙邊框及分割線的線條，通過腐蝕ERODE及膨脹DILATE算法，去除無關圖像、線條噪聲后，使用水平及垂直的單像素寬度矩形形態轉換方法，提取圖形中的水平集垂直線條，合并形成圖紙的線圖圖像；

步驟1.4，對線圖圖像進行歸一化處理，將不同大小的圖紙線條圖像縮放為統一大?。?/p>

步驟1后得到統一大小的灰度圖像，即為圖紙布局特征圖像；

步驟2，機器學習模型訓練，具體步驟如下；

步驟2.1，訓練及驗證數據集的準備，選擇一定數量的各類型圖紙文件，執行第一步的圖紙布局特征提取處理，并進行人工布局分類標簽；通過擦除圖像中部分線條，修改線條顏色灰度的方法，生成擴展訓練及驗證圖像集；得到滿足模型訓練及驗證的一定規模的圖紙布局特征圖像集合；

步驟2.2，模型的選擇與訓練，使用訓練圖像集，測試圖像集數據，基于InceptionResNetV2卷積神經網絡基礎模型，通過多次訓練和驗證，生成模型權重數據，參數如下：

優化器：RMSProp算法；

LOSS函數：Categorical Crossentropy；

步驟3，圖紙區域布局分類，具體步驟如下；

步驟3.1，對待分類的圖紙集合，執行第一步圖紙布局特征提取的預處理過程，得到歸一化的圖紙要素特征圖像集合；

步驟3.2，使用經第二步訓練得到的模型參數，對待分類的圖紙要素特征圖像集合進行分類，獲得圖紙要素布局的分類結果；

圖紙要素布局的分類結果可在匹配相應布局參數后，供后續做圖形邊界，表格文字等處理使用。