CN110378206A - 一种智能审图***及方法 - Google Patents
一种智能审图***及方法 Download PDFInfo
- Publication number
- CN110378206A CN110378206A CN201910498656.3A CN201910498656A CN110378206A CN 110378206 A CN110378206 A CN 110378206A CN 201910498656 A CN201910498656 A CN 201910498656A CN 110378206 A CN110378206 A CN 110378206A
- Authority
- CN
- China
- Prior art keywords
- check
- drawings
- engineering drawing
- model
- intelligence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及图纸管理领域,具体涉及一种智能审图***及方法,应用于工程图纸中,所述工程图纸均至少具有一标签,以反映其属性,并通过人工审核建立或/和完善多个审图模型,所述方法包括以下步骤:根据当前工程图纸的标签,选择对应的审图模型,并对工程图纸进行智能审图;与现有技术相比,本发明通过设计一种智能审图***及方法,代替现有人工审图,减少了人工成本,进一步地减少人工操作,一方面可使得审图效率更高,另一方面,可减少人工操作误差,从而使得审图准确率更高。
Description
技术领域
本发明涉及图纸管理领域,具体涉及一种智能审图***及方法。
背景技术
随着我国的经济发展和社会进步,人民生活水平不断提高,城市建设日新月异,在每一个城市建设项目中都会产生大量的图纸。
其中,工程图纸的质量是关系到建设好坏中最重要的一环,由于建筑工程图纸的多样性及审查规则的复杂性,目前,建筑图纸的审核只能依赖于人工,存在效率低,人工失误难以避免等问题,并且,另一方面,随着人工智能技术的发展,人工智能已经可以在相对复杂的技术领域模拟人的思考方式,处理相应的问题。
因此,设计一种高效且准确的智能审图***及方法,一直是本领域重点研究的问题。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种高效且准确的智能审图***及方法,克服了人工审图成本大且效率低、准确率不高的缺陷。
本发明解决其技术问题所采用的技术方案是:提供一种智能审图方法,应用于工程图纸中,其优选方案在于,所述工程图纸均至少具有一标签,以反映其属性,并通过人工审核建立或/和完善多个审图模型,所述方法包括以下步骤:
根据当前工程图纸的标签,选择对应的审图模型,并对工程图纸进行智能审图。
其中,较佳方案为所述建立或/和完善审核模型还包括以下步骤:
通过人工审图方式或/和机器审图方式对工程图纸进行审批,形成多个审图样本数据;
基于不同标签的工程图纸所对应的审图样本数据,通过机器学习,建立或/和完善多个审图模型。
其中,较佳方案为所述建立或/和完善审图模型还包括以下步骤:
在完成智能审图后,通过人工对审图结果进行复核;
或者,在完成智能审图后,通过人工对审图结果进行复核及批注反馈;
将复核及批注内容增加至总审图模型,用于完善总审图模型。
其中,较佳方案为所述建立或/和完善审图模型还包括以下步骤:
通过人工审图方式或/和机器审图方式对工程图纸进行审批,获取工程图纸中存在的问题,并存储形成审图样本数据;
通过机器学习,整理分析大量的审图样本数据,获取共性;
根据共性建立基于机器学习的审图模型。
其中,较佳方案为建立所述智能审图方法还包括一下步骤:
通过获取工程图纸中的关键词信息,从而识别对应工程图纸的标签,以反映其属性。
其中,较佳方案为建立多个反映不同属性的分类组别,所述识别对应工程图纸的标签还包括以下步骤:
通过识别对应工程图纸的信息,提取其信息中的多个关键词;
对提取的关键词进行整理并生成所述工程图纸的标签,以反映其属性;
根据标签将对应的工程图纸归类至相应的分类组别中,以反映所述工程图纸的类别。
其中,较佳方案为所述智能审图方法还包括以下步骤:
根据当前工程图纸的类别属性,定向查找,获取工程图纸的具体图纸内容。
其中,较佳方案为所述建立/完善子审图模型方法还包括以下步骤:
S31、建立子审图模型,根据工程图纸的类别属性对总审图模型中的审图模型进行分类管理,对工程图纸的每一个类别属性对应建立一个子审图模型。
其中,较佳方案为所述建立/完善子审图模型方法还包括以下步骤:
S32、将人工对审图结果进行的复核及批注结果进行分析,并识别其对应的类别属性;
S33.根据当前工程图纸的类别属性,将其对应的复核及批注结果增加至对应的子审图模型中。
为解决现有技术的缺陷,本发明还提供一种智能审图***,所述智能识图***包括处理单元和存储模块,所述处理单元存储有计算机程序,所述计算机程序能够被执行以实现上述方法的步骤,所述存储模块存储处理单元所产生的相关数据信息。
本发明的有益效果在于,与现有技术相比,本发明通过设计一种智能审图***及方法,代替现有人工审图,减少了人工成本,进一步地减少人工操作,一方面可使得审图效率更高,另一方面,可减少人工操作误差,从而使得审图准确率更高。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明中一种智能审图方法的流程图一;
图2是本发明中一种智能审图***的结构框图;
图3是本发明中一种智能审图方法的流程图二;
图4是本发明中建立/完善总审图模型方法的流程图一;
图5是本发明中建立/完善子审图模型方法的流程图二;
图6是本发明中建立/完善子审图模型方法的流程图三;
图7是本发明中建立/完善子审图模型方法的流程图四;
图8是本发明中识别对应工程图纸的标签的流程图。
具体实施方式
现结合附图,对本发明的较佳实施例作详细说明。
如图1-图3所示,本发明提供一种智能审图方法的最佳实施例。
参考图1,一种智能审图方法,应用于工程图纸中,所述工程图纸均至少具有一标签,以反映其属性,所述方法包括以下步骤:
S1、通过人工审核建立或/和完善多个审图模型;
S2、根据当前工程图纸的标签,选择对应的审图模型,并对工程图纸进行智能审图。
进一步地,参考图2,本发明提供一种智能审图***的最佳实施例。
一种智能审图***,所述智能识图***包括处理单元100和存储模块200,所述处理单元100存储有计算机程序,所述计算机程序能够被执行以实现上述方法的步骤,所述存储模块200存储处理单元100所产生的相关数据信息。
更进一步地,并参考图3,所述智能审图方法还包括以下步骤:
S3、根据当前工程图纸的类别属性,定向查找,获取工程图纸的具体图纸内容。
其中,识别工程图纸的标签定向查找其属性具体为通过获取工程图纸中的关键词信息,从而识别对应工程图纸的标签,以反映其属性。
其中,工程图纸是指用于表示建筑物的内部布置情况,外部形状,以及装修、构造、施工要求等内容的有关图纸,分为建筑施工图、结构施工图、设备施工图,它也是审批建筑工程项目的依据;在生产施工中,它是备料和施工的依据;当工程竣工时,要按照工程图的设计要求进行质量检查和验收,并以此评价工程质量优劣;建筑工程图还是编制工程概算、预算和决算及审核工程造价的依据;建筑工程图是具有法律效力的技术文件;一般是以投影原理为基础,按国家规定的制图标准,把已经建成或尚未建成的建筑工程的形状、大小等准确地表达在平面上的图样,并同时标明工程所用的材料以及生产、安装等的要求,由于工程建设各个阶段的任务要求不同,各类图纸所表达的内容、深度和方式也有差别。
优选地,所述工程图纸均为PDF格式的图纸。
其中,所述标签为对图纸信息区信息进行整理并生成与对应工程图纸配对且用来反映该图纸自身属性的标签,具体是指所述工程图纸信息区中的可用于反映该工程图纸属性类型的名词,包括通用项名词以及通用项中所包含的信息内容词汇,所述通用项名词包括比如图纸名称、图纸类型、设计者姓名、所述单位名称或者制图日期等等词汇,所述通用项中所包含的信息内容则为具体图纸名称XXX、图纸类型XXX、设计者姓名XXX、所述单位名称XXX或者制图日期XXX等,常见的图纸类型包括:建筑施工图、结构施工图和设备施工图,其建筑施工图包括建筑总平面图、建筑平面图、建筑立面图、建筑剖面图和建筑详图;结构施工图包括基础平面图、基础剖面图、屋盖结构布置图、楼层结构布置图、柱梁板配筋图、楼梯图、结构构件图或表以及必要的详图;设备施工图包括采暖施工图、电器施工图、通风施工图和给排水施工图;所述标签为智能识图***对工程图纸进行扫描后自动获取,并且每一工程图纸对应多个标签。
其中,所述审图模型是指基于机器学习后,智能识图***构建的能够对每一工程图纸进行审核的依据,具体为所述智能审图***通过处理单元整理分析不同工程图纸的不同审图数据,获取一种数据共性,即能自动将某一工程图纸内容与其对应的审图数据一一对应起来,形成审图模型,并自动存储在存储模块中。
其中,所述处理单元为计算机或者专用识别设备。
计算机是由硬件***(hardware system)和软件***(software system)两部分组成的,传统计算机***的硬体单元一般可分为输入单元、输出单元、算术逻辑单元、控制单元及记忆单元,其中算术逻辑单元和控制单元合称中央处理单元(Center ProcessingUnit,CPU),即本实施例中所提到的处理单元,其中记忆单元即本实施例中所提到的存储单元。
具体地,通过大量的人工审图产生大量审图数据,通过处理模块100对其进行整理分析,从而建立或/和完善多个审图模型,并将多个审图模块存储在存储模块200中,其中,每一审图模型建立在于每一工程图纸对应一批审图数据的基础上,因此处理模块100可根据当前工程图纸的标签,在存储模块200中选择对应的审图模型,并对工程图纸进行智能审图,同时,由于工程图纸的标签与其类别属性一一对应用于直观反映该工程图纸类别属性的,因此可根据当前工程图纸的类别属性,定向查找,从而获取工程图纸的具体图纸内容。
如图4-7所示,本发明提供建立或/和完善审核模型的最佳实施例。
参考图4,所述建立或/和完善审核模型还包括以下步骤:
S11、通过人工审图方式或/和机器审图方式对工程图纸进行审批,形成多个审图样本数据;
S12、基于不同标签的工程图纸所对应的审图样本数据,通过机器学习,建立或/和完善多个审图模型。
更进一步地,并参考图5,所述建立或/和完善审图模型还包括以下步骤:
S121、通过人工审图方式或/和机器审图方式对工程图纸进行审批,获取工程图纸中存在的问题,并存储形成审图样本数据;
S122、通过机器学习,整理分析大量的审图样本数据,获取共性;
S123、根据共性建立基于机器学习的审图模型。
其中,研究中实际观测或调查的一部分个体称为样本(sample),研究对象的全部称为总体;为了使样本能够正确反映总体情况,对总体要有明确的规定;总体内所有观察单位必须是同质的;在抽取样本的过程中,必须遵守随机化原则;样本的观察单位还要有足够的数量;又称“子样”。按照一定的抽样规则从总体中取出的一部分个体;样本中个体的数目称为“样本容量”。
在本实施例中,审图样本数据是指在前期人工审图过程中产生的审图记录数据,作为后续智能审图的一个依据或者是一个参考,可供机器智能审图时进行智能比对,找到其数据共性,从而完成智能审图。
其中,共性指不同事物所共同具有的普遍性质,在本实施例中,所述数据共性是指大量样本数据的共同点。
其中,机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能;它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎;环境向***的学习部分提供某些信息,学习部分利用这些信息修改知识库,以增进***执行部分完成任务的效能,执行部分根据知识库完成任务,同时把获得的信息反馈给学习部分。在具体的应用中,环境,知识库和执行部分决定了具体的工作内容。
在本实施例中,机器学习主要是指通过人工审图,产生大量的样本数据以及样本数据共性,并将所有样本数据及其共性提供给计算机***的学习部分,进一步地,学习部分利用这些信息修改样本数据库,以增进计算机***执行部分完成任务的效能,进一步地,执行部分根据样本数据库,并将当前识别到的工程图纸的具体内容与样本数据库中内容进行比对完成智能审图,同时把智能审图结构反馈给学习部分,从而完善样本数据库。
具体地,通过人工审图方式对工程图纸进行审批,审批时直接对当前工程图纸的问题进行批注,进一步地,所述处理模块对人工审批记录数据进行整理分析,并将其存储在存储模块中,形成样本数据,当人工对大量的工程图纸进行审批后将得到大量的样本数据,从而形成样本数据库,并存储在存储模块中;更进一步地,通过机器学习,处理模块可对样本数据库中的大量样本数据进行比对分析,获取其数据共性;更进一步地,基于数据共性建立审图模型,最后,通过当前工程图纸中的标签,定位获取该工程图纸的具体内容,并将其与大量样本数据内容进行识别比对进行图纸审批。
进一步地,并参考图6,所述建立或/和完善审图模型还包括以下步骤:
S21、在完成智能审图后,通过人工对审图结果进行复核;
S22、或者,在完成智能审图后,通过人工对审图结果进行复核及批注反馈;
S221、将复核及批注内容增加至总审图模型,用于完善总审图模型。
其中,在机器学习中,影响学习***设计的最重要的因素是环境向***提供的信息,或者更具体地说是信息的质量。知识库里存放的是指导执行部分动作的一般原则,但环境向学习***提供的信息却是各种各样的,如果信息的质量比较高,与一般原则的差别比较小,则学习部分比较容易处理,如果向学习***提供的是杂乱无章的指导执行具体动作的具体信息,则学习***需要在获得足够数据之后,删除不必要的细节,进行总结推广,形成指导动作的一般原则,放入知识库,这样学习部分的任务就比较繁重,设计起来也较为困难。
因为学习***获得的信息往往是不完全的,所以学习***所进行的推理并不完全是可靠的,它总结出来的规则可能正确,也可能不正确,这要通过执行效果加以检验,正确的规则能使***的效能提高,应予保留;不正确的规则应予修改或从数据库中删除。
在本实施例中,同样基于机器学习,由于样本数据库里存放的审图规则只是审图的一般原则,依靠此进行推理总结出来的规则去审图,其审图结构可能正确,也可能不正确,需要通过人工对审图结果进行复核加以验证,正确的审图模型能够使得***效能提高,因此予以保留,而不正确的审图模型应在复合后进行批注反馈,再根据批注对不正确的审图模型进行删除或者是对其进行修改后并保存。
进一步地,并参考图7,所述建立或/和完善审图模型还包括以下步骤:
S13、建立子审图模型,根据工程图纸的类别属性对总审图模型中的审图模型进行分类管理,对工程图纸的每一个类别属性对应建立一个子审图模型。
进一步地,并参考图7,所述建立/完善子审图模型方法还包括以下步骤:
S14、将人工对审图结果进行的复核及批注结果进行分析,并识别其对应的类别属性;
S15、根据当前工程图纸的类别属性,将其对应的复核及批注结果增加至对应的子审图模型中。
具体地,根据工程图纸的类别属性对总审图模型中的审图模型进行分类管理,对工程图纸的每一个类别属性对应建立一个子审图模型,当进行智能审图时,可以根据当前工程图纸的类别属性直接选择对应其类别属性下的子审图模型,减少机器审图中需要选择的审图模型范围,使得智能审图更加快速,从而提高审图效率。
进一步地,将人工对审图结果进行的复核及批注结果进行分析,并识别其对应的类别属性,并根据复核及批注结果的类别属性,并将其增加至对应的子审图模型中,用于完善子审图模型,使得每一不同类别属性的工程图纸均对应一类与之对应的子审图模型,用于提高智能审图的准确性。
如图8所示,本发明提供识别对应工程图纸的标签的具体实施例。
参考图8,建立多个反映不同属性的分类组别,所述识别对应工程图纸的标签还包括以下步骤:
S31、通过识别对应工程图纸的信息,提取其信息中的多个关键词;
S32、对提取的关键词进行整理并生成所述工程图纸的标签,以反映其属性;
S33、根据标签将对应的工程图纸归类至相应的分类组别中,以反映所述工程图纸的类别。
具体地,首先,扫描工程图纸的信息区,提取其信息区中的多个关键词,再对每一个关键词提前设定好与之一一对应的标签;进一步地,对提取的关键词进行整理形成关键词列表,最后获取关键词列表中的已知项生产匹配的标签;例如:获取到的关键词中包括有建设单位、工程名字、设计阶段、图纸名称、图号、出图日期等项目名称,以及其项目名称内的具体信息,则根据具体地实际情况进行排序生产关键词列表,并显示该关键词列表中所有关键词对应的所有标签,以反映该工程图纸的属性;更进一步地,根据标签将工程图纸进行归类整理至相应的分类组别中,以反映工程图纸的类别。
以上所述者,仅为本发明最佳实施例而已,并非用于限制本发明的范围,凡依本发明申请专利范围所作的等效变化或修饰,皆为本发明所涵盖。
Claims (10)
1.一种智能审图方法,应用于工程图纸中,其特征在于,所述工程图纸均至少具有一标签,以反映其属性,并通过人工审核建立或/和完善多个审图模型,所述方法包括以下步骤:
根据当前工程图纸的标签,选择对应的审图模型,并对工程图纸进行智能审图。
2.根据权利要求1所述的智能审图方法,其特征在于,所述建立或/和完善审核模型还包括以下步骤:
通过人工审图方式或/和机器审图方式对工程图纸进行审批,形成多个审图样本数据;
基于不同标签的工程图纸所对应的审图样本数据,通过机器学习,建立或/和完善多个审图模型。
3.根据权利要求1所述的智能审图方法,其特征在于,所述建立或/和完善审图模型还包括以下步骤:
在完成智能审图后,通过人工对审图结果进行复核;
或者,在完成智能审图后,通过人工对审图结果进行复核及批注反馈;
将复核及批注内容增加至总审图模型,用于完善总审图模型。
4.根据权利要求2或3所述的智能审图方法,其特征在于,所述建立或/和完善审图模型还包括以下步骤:
通过人工审图方式或/和机器审图方式对工程图纸进行审批,获取工程图纸中存在的问题,并存储形成审图样本数据;
通过机器学习,整理分析大量的审图样本数据,获取共性;
根据共性建立基于机器学习的审图模型。
5.根据权利要求1所述的智能审图方法,其特征在于,建立所述智能审图方法还包括一下步骤:
通过获取工程图纸中的关键词信息,从而识别对应工程图纸的标签,以反映其属性。
6.根据权利要求5所述的智能审图方法,其特征在于,建立多个反映不同属性的分类组别,所述识别对应工程图纸的标签还包括以下步骤:
通过识别对应工程图纸的信息,提取其信息中的多个关键词;
对提取的关键词进行整理并生成所述工程图纸的标签,以反映其属性;
根据标签将对应的工程图纸归类至相应的分类组别中,以反映所述工程图纸的类别。
7.根据权利要求6所述的智能审图方法,其特征在于,所述智能审图方法还包括以下步骤:
根据当前工程图纸的类别属性,定向查找,获取工程图纸的具体图纸内容。
8.根据权利要求2所述的智能审图方法,其特征在于,所述建立/完善子审图模型方法还包括以下步骤:
S31、建立子审图模型,根据工程图纸的类别属性对总审图模型中的审图模型进行分类管理,对工程图纸的每一个类别属性对应建立一个子审图模型。
9.根据权利要求8所述的智能审图方法,其特征在于,所述建立/完善子审图模型方法还包括以下步骤:
S32、将人工对审图结果进行的复核及批注结果进行分析,并识别其对应的类别属性;
S33.根据当前工程图纸的类别属性,将其对应的复核及批注结果增加至对应的子审图模型中。
10.一种智能审图***,其特征在于:所述智能识图***包括处理单元和存储模块,所述处理单元存储有计算机程序,所述计算机程序能够被执行以实现如权利要求1至9任一项所述方法的步骤,所述存储模块存储处理单元所产生的相关数据信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910498656.3A CN110378206B (zh) | 2019-06-10 | 2019-06-10 | 一种智能审图***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910498656.3A CN110378206B (zh) | 2019-06-10 | 2019-06-10 | 一种智能审图***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110378206A true CN110378206A (zh) | 2019-10-25 |
CN110378206B CN110378206B (zh) | 2021-09-17 |
Family
ID=68249895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910498656.3A Active CN110378206B (zh) | 2019-06-10 | 2019-06-10 | 一种智能审图***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110378206B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047274A (zh) * | 2019-11-12 | 2020-04-21 | 深圳市毕美科技有限公司 | 工程设计图纸的审查方法及*** |
CN111581683A (zh) * | 2020-04-27 | 2020-08-25 | 深圳市华星光电半导体显示技术有限公司 | 显示面板信息提取方法、装置及电子设备 |
CN111832445A (zh) * | 2020-06-29 | 2020-10-27 | 万翼科技有限公司 | 工程图纸的定位方法及相关装置 |
CN112486384A (zh) * | 2020-11-27 | 2021-03-12 | 万翼科技有限公司 | 审图处理方法及相关装置 |
CN112507431A (zh) * | 2020-12-04 | 2021-03-16 | 国泰新点软件股份有限公司 | 基于bim模型的智能审图方法、装置及存储介质 |
CN114511303A (zh) * | 2022-04-06 | 2022-05-17 | 四川省大数据中心 | 一种勘察成果审查***、方法及设备 |
US11752639B2 (en) | 2022-01-21 | 2023-09-12 | Saudi Arabian Oil Company | Engineering drawing review using robotic process automation |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2364813A (en) * | 2000-07-13 | 2002-02-06 | Vhsoft Technologies Company Lt | Computer automated process for analysing and interpreting engineering drawings |
US20130103361A1 (en) * | 2011-10-20 | 2013-04-25 | Hon Hai Precision Industry Co., Ltd. | Computing device, storage medium and method for processing dimension numbers using the computing device |
CN103729635A (zh) * | 2012-10-10 | 2014-04-16 | 三星泰科威株式会社 | 用于提供数字图纸的设备和方法 |
CN106067101A (zh) * | 2016-08-02 | 2016-11-02 | 杭州凯达电力建设有限公司 | 一种配网电力工程验收方法及*** |
CN108805510A (zh) * | 2017-04-27 | 2018-11-13 | 中国铁道科学研究院铁道建筑研究所 | 一种施工图设计bim模型合规性审核方法及*** |
CN108920048A (zh) * | 2018-06-06 | 2018-11-30 | 武汉新迪数字工程***有限公司 | 大型图纸浏览方法、***、服务器及计算机可读存储介质 |
CN108985293A (zh) * | 2018-06-22 | 2018-12-11 | 深源恒际科技有限公司 | 一种基于深度学习的图像自动化标注方法及*** |
CN109002824A (zh) * | 2018-06-27 | 2018-12-14 | 淮阴工学院 | 一种基于OpenCV的建筑图纸标签信息检测方法 |
CN109086735A (zh) * | 2018-08-17 | 2018-12-25 | 四川网道科技发展有限公司 | 一种基于大数据的图纸审核*** |
CN109146419A (zh) * | 2018-08-17 | 2019-01-04 | 四川网道科技发展有限公司 | 基于人工智能的图纸分类审核*** |
CN109740965A (zh) * | 2019-01-22 | 2019-05-10 | 北京市天元网络技术股份有限公司 | 一种工程验证分析方法及装置 |
-
2019
- 2019-06-10 CN CN201910498656.3A patent/CN110378206B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2364813A (en) * | 2000-07-13 | 2002-02-06 | Vhsoft Technologies Company Lt | Computer automated process for analysing and interpreting engineering drawings |
US6941000B2 (en) * | 2000-07-13 | 2005-09-06 | Vhsoft Ip Company Limited | Computer automated process for analyzing and interpreting engineering drawings |
US20130103361A1 (en) * | 2011-10-20 | 2013-04-25 | Hon Hai Precision Industry Co., Ltd. | Computing device, storage medium and method for processing dimension numbers using the computing device |
CN103729635A (zh) * | 2012-10-10 | 2014-04-16 | 三星泰科威株式会社 | 用于提供数字图纸的设备和方法 |
CN106067101A (zh) * | 2016-08-02 | 2016-11-02 | 杭州凯达电力建设有限公司 | 一种配网电力工程验收方法及*** |
CN108805510A (zh) * | 2017-04-27 | 2018-11-13 | 中国铁道科学研究院铁道建筑研究所 | 一种施工图设计bim模型合规性审核方法及*** |
CN108920048A (zh) * | 2018-06-06 | 2018-11-30 | 武汉新迪数字工程***有限公司 | 大型图纸浏览方法、***、服务器及计算机可读存储介质 |
CN108985293A (zh) * | 2018-06-22 | 2018-12-11 | 深源恒际科技有限公司 | 一种基于深度学习的图像自动化标注方法及*** |
CN109002824A (zh) * | 2018-06-27 | 2018-12-14 | 淮阴工学院 | 一种基于OpenCV的建筑图纸标签信息检测方法 |
CN109086735A (zh) * | 2018-08-17 | 2018-12-25 | 四川网道科技发展有限公司 | 一种基于大数据的图纸审核*** |
CN109146419A (zh) * | 2018-08-17 | 2019-01-04 | 四川网道科技发展有限公司 | 基于人工智能的图纸分类审核*** |
CN109740965A (zh) * | 2019-01-22 | 2019-05-10 | 北京市天元网络技术股份有限公司 | 一种工程验证分析方法及装置 |
Non-Patent Citations (2)
Title |
---|
WANJING DING: "Intelligent Assessment System of Mechanical Drawing Job Based on Entity Comparison", 《SPRINGER BERLIN HEIDELBERG,2012》 * |
王亚楠 等: "基于BIM的混凝土框架结构施工图智能化审图技术探索", 《应用技术学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047274A (zh) * | 2019-11-12 | 2020-04-21 | 深圳市毕美科技有限公司 | 工程设计图纸的审查方法及*** |
CN111047274B (zh) * | 2019-11-12 | 2023-08-11 | 深圳市毕美科技有限公司 | 工程设计图纸的审查方法及*** |
CN111581683A (zh) * | 2020-04-27 | 2020-08-25 | 深圳市华星光电半导体显示技术有限公司 | 显示面板信息提取方法、装置及电子设备 |
US11880910B2 (en) | 2020-04-27 | 2024-01-23 | Shenzhen China Star Optoelectronics Semiconductor Display Technology Co., Ltd. | Method for extracting information from a display panel, device, and electronic device |
CN111832445A (zh) * | 2020-06-29 | 2020-10-27 | 万翼科技有限公司 | 工程图纸的定位方法及相关装置 |
CN112486384A (zh) * | 2020-11-27 | 2021-03-12 | 万翼科技有限公司 | 审图处理方法及相关装置 |
CN112507431A (zh) * | 2020-12-04 | 2021-03-16 | 国泰新点软件股份有限公司 | 基于bim模型的智能审图方法、装置及存储介质 |
US11752639B2 (en) | 2022-01-21 | 2023-09-12 | Saudi Arabian Oil Company | Engineering drawing review using robotic process automation |
CN114511303A (zh) * | 2022-04-06 | 2022-05-17 | 四川省大数据中心 | 一种勘察成果审查***、方法及设备 |
CN114511303B (zh) * | 2022-04-06 | 2022-07-22 | 四川省大数据中心 | 一种勘察成果审查***、方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110378206B (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378206A (zh) | 一种智能审图***及方法 | |
CN108287822A (zh) | 一种中文相似问题生成***与方法 | |
CN108717433A (zh) | 一种面向程序设计领域问答***的知识库构建方法及装置 | |
CN111325529A (zh) | 一种基于人才测评的人岗匹配方法及*** | |
CN1794234A (zh) | 数据语义化器 | |
CN107291902A (zh) | 一种基于混合分类技术的大众贡献审阅自动标注方法 | |
CN111177322A (zh) | 一种领域知识图谱的本体模型构建方法 | |
CN104536881A (zh) | 基于自然语言分析的众测错误报告优先级排序方法 | |
CN111651270B (zh) | 对法律数据完成多任务语义标注的可视化方法和装置 | |
CN108256022A (zh) | 人才评价模型构建方法及人才评价方法及*** | |
CN110096569A (zh) | 一种众测人员集合推荐方法 | |
JP2005501321A (ja) | ドキュメントを自動的にインデックスする方法 | |
US20220327398A1 (en) | Technology maturity judgment method and system based on science and technology data | |
CN103955429B (zh) | 确定回归测试范围的方法及装置 | |
CN110399787A (zh) | 一种工程图纸的管理***及方法 | |
CN110377768A (zh) | 一种智能识图***及方法 | |
CN106503050B (zh) | 一种基于大数据进行阅读文章推荐的方法与*** | |
CN111651271B (zh) | 基于法律数据的多任务学习语义标注方法和装置 | |
CN110399510A (zh) | 一种工程图纸的审图推送方法与*** | |
CN110414819B (zh) | 一种工单评分方法 | |
TWI695285B (zh) | 基於系統程式架構之迴歸測試方法及系統 | |
Kobets et al. | Creation of Logical Models for Conducting Forensic Linguistic Expertise | |
CN101236615A (zh) | 一种智能发音学习语料生成方法 | |
Ryabinin et al. | Ontology-driven data mining platform for fuzzy classification of mental maps | |
Zhang et al. | Influencing factors of the development of green building by designers based on grounded theory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230629 Address after: A601, Zhongke Naneng Building, No. 06 Yuexing 6th Road, Gaoxin District Community, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province, 518063 Patentee after: Shenzhen Wanyi Digital Technology Co.,Ltd. Address before: 519000 room 105-24914, No.6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province (centralized office area) Patentee before: WANYI TECHNOLOGY Co.,Ltd. |