[發明專利]一種核電流程圖自動繪制方法和系統在審
| 申請號: | 202211312186.5 | 申請日: | 2022-10-25 |
| 公開(公告)號: | CN115601468A | 公開(公告)日: | 2023-01-13 |
| 發明(設計)人: | 何善紅;董晨輝;楊雅慧;張濤;萬田;李敏;向方成 | 申請(專利權)人: | 蘇州熱工研究院有限公司;中國廣核集團有限公司;中國廣核電力股份有限公司 |
| 主分類號: | G06T11/20 | 分類號: | G06T11/20;G06N20/00 |
| 代理公司: | 深圳市瑞方達知識產權事務所(普通合伙) 44314 | 代理人: | 紀媛媛 |
| 地址: | 215008 *** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 核電 流程圖 自動 繪制 方法 系統 | ||
1.一種核電流程圖自動繪制方法,其特征在于,包括以下步驟:
S1:加載圖紙文件設置為底圖;
S2:在所述底圖上創建結構化的新圖層并將所述新圖層設置相關透明度;
S3:對所述底圖中的圖形進行掃描;
S4:將掃描的所述圖形自動輸入至所述新圖層的對應位置中;
S5:保存所述新圖層和移除所述底圖,并根據所述新圖層對應記錄所述圖形的信息。
2.根據權利要求1所述的核電流程圖自動繪制方法,其特征在于,步驟S3包括:
基于深度學習的圖形圖案文字檢測方法對所述底圖的圖形進行匹配掃描。
3.根據權利要求2所述的核電流程圖自動繪制方法,其特征在于,所述深度學習的圖形圖案文字檢測方法,包括:
收集相關樣例圖紙,抽取所述樣例圖紙進行人工標記,標記包括:版面、圖例、文字和連接線;
對所述樣例圖紙進行人工標記,標記出期望的結果;
使用所述標記的數據對所述深度學習模型進行訓練和學習;
對訓練結果進行數據檢驗;
將訓練完成的所述深度學習模型部署在識別引擎內,構建完成所述檢測方法。
4.根據權利要求3所述的核電流程圖自動繪制方法,其特征在于,所述對訓練結果進行數據檢驗,包括:
判斷因所述樣例圖紙不足導致準確率不夠時,則返回收集所述樣例圖紙操作進行補充;
判斷因所述標記錯誤導致準確率不夠時,則返回所述標記流程中,對所述標記數據進行檢查修改;
識別因所述深度學習設計出現問題時,則返回設計所述深度學習模型訓練進行修改。
5.根據權利要求1所述的核電流程圖自動繪制方法,其特征在于,所述記錄所述圖形的信息,包括:
記錄所述圖形的坐標和唯一身份標識號信息。
6.一種核電流程圖自動繪制系統,其特征在于,包括:
加載模塊,用于加載圖紙文件設置為底圖;
創建模塊,用于在所述底圖上創建結構化的新圖層并將所述新圖層設置相關透明度;
掃描模塊,用于對所述底圖中的圖形進行掃描;
輸入模塊,用于將掃描的所述圖形自動輸入至所述新圖層的對應位置中;
保存模塊,用于保存所述新圖層和移除所述底圖,并根據所述新圖層對應記錄所述圖形的信息。
7.根據權利要求6所述的核電流程圖自動繪制系統,其特征在于,所述掃描模塊進一步用于:
基于深度學習的圖形圖案文字檢測方法對所述底圖的圖形進行匹配掃描。
8.根據權利要求7所述的核電流程圖自動繪制系統,其特征在于,所述深度學習的圖形圖案文字檢測方法,包括:
收集相關樣例圖紙,抽取所述樣例圖紙進行人工標記,標記包括:版面、圖例、文字和連接線;
對所述樣例圖紙進行人工標記,標記出期望的結果;
根據所述樣例圖紙中存在的特征設計深度學習模型;
使用所述標記的數據對所述深度學習模型進行訓練和學習;
對訓練結果進行數據檢驗;
將訓練完成的所述深度學習模型部署在識別引擎內,構建完成所述檢測方法。
9.根據權利要求8所述的核電流程圖自動繪制系統,其特征在于,所述對訓練結果進行數據檢驗,包括:
判斷因所述樣例圖紙不足導致準確率不夠時,則返回收集所述樣例圖紙操作進行補充;
判斷因所述標記錯誤導致準確率不夠時,則返回所述標記流程中,對所述標記數據進行檢查修改;
識別因所述深度學習設計出現問題時,則返回設計所述深度學習模型訓練進行修改。
10.根據權利要求6所述的核電流程圖自動繪制系統,其特征在于,所述輸入模塊進一步用于:
記錄所述圖形的坐標和唯一身份標識號信息。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于蘇州熱工研究院有限公司;中國廣核集團有限公司;中國廣核電力股份有限公司,未經蘇州熱工研究院有限公司;中國廣核集團有限公司;中國廣核電力股份有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202211312186.5/1.html,轉載請聲明來源鉆瓜專利網。





