CN114494114A - 一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法 - Google Patents
一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法 Download PDFInfo
- Publication number
- CN114494114A CN114494114A CN202111559072.6A CN202111559072A CN114494114A CN 114494114 A CN114494114 A CN 114494114A CN 202111559072 A CN202111559072 A CN 202111559072A CN 114494114 A CN114494114 A CN 114494114A
- Authority
- CN
- China
- Prior art keywords
- deep learning
- steps
- following
- attributes
- model
- 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 24
- 238000013135 deep learning Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 13
- 238000002372 labelling Methods 0.000 claims abstract description 5
- 238000003062 neural network model Methods 0.000 abstract description 2
- 238000011960 computer-aided design Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法,该方法包括以下步骤:S1、前期训练模型阶段;S2、根据模型结果分析图框;所述步骤S1中的前期训练模型阶段具体包括以下步骤:S11、拿到大约10000张结构专业的图框;S12、对图纸进行解析获取一系列图元;S13、将所有获取的图元打印到一张png上;S14、对所有画到png图纸上的图框进行标注;S15、训练深度学习版面分析的网络模型。本发明运用深度神经网络模型解决了CAD结构图纸的版面智能分析,能有高速准确有效的找到需要的信息,节省人力成本。
Description
技术领域
本发明涉及结构设计专业中构件及其属性的智能识别方法领域,尤其涉及一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法。
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。
现有的结构专业墙柱施工图构件的识别,主要是基于设计师的先验经验,构件的属性也需要设计师从图纸人工查找,这样耗时耗力,人力成本过高,也容易漏识别,准确率低。
发明内容
针对上述问题,本发明提供了一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法。
为解决上述技术问题,本发明是通过以下技术方案实现的:本发明提供了一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法,该方法包括以下步骤:
S1、前期训练模型阶段;
S2、根据模型结果分析图框;
所述步骤S1中的前期训练模型阶段具体包括以下步骤:
S11、拿到大约10000张结构专业的图框;
S12、对图纸进行解析获取一系列图元;
S13、将所有获取的图元打印到一张png上;
S14、对所有画到png图纸上的图框进行标注;
S15、训练深度学习版面分析的网络模型。
优选的,所述步骤S12中的图元包括:组成图形的可见基础元素,所对应的就是绘图界面上看得见的实体。
优选的,所述步骤S14中需进行标注的还包括:画图区,表格,说明,图例表。
优选的,所述步骤S2中的根据模型结果分析图框具体包括以下步骤:
S21、根据模型的预测,输入图框,输出图框中我们所关注的区域;
S22、利用opencv抠出所需要的每个区域的小图;
S23、拿到画图区域,根据图元所在的填充图层,找到结构暗柱的位置以及编号;
S24、拿到图例表区域,根据暗柱的编号找到对应的暗柱图例及其属性。
由上述对本发明的描述可知,和现有技术相比,本发明具有如下优点:
本发明一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法,运用深度神经网络模型解决了CAD结构图纸的版面智能分析,能有高速准确有效的找到需要的信息,节省人力成本。
附图说明
图1是本发明步骤流程图;
图2是本发明前期训练模型阶段步骤流程图;
图3是本发明根据模型结果分析图框步骤流程图;
图4是本发明实施例图框中关注区域的CAD示意图;
图5是本发明实施例画图区域的CAD示意图;
图6是本发明实施例图例表区域的CAD示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1-6所示,本发明提供一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法,该方法包括以下步骤:
S1、前期训练模型阶段;
S2、根据模型结果分析图框;
所述步骤S1中的前期训练模型阶段具体包括以下步骤:
S11、拿到大约10000张结构专业的图框;
S12、对图纸进行解析获取一系列图元;
S13、将所有获取的图元打印到一张png上;
S14、对所有画到png图纸上的图框进行标注;
S15、训练深度学习版面分析的网络模型。
其中,步骤S12中的图元包括:组成图形的可见基础元素,所对应的就是绘图界面上看得见的实体,比如直线,圆弧,圆等,这些基础元素组成一个个有实际意义的构件,如楼梯、空调等;
其中,步骤S14中需进行标注的还包括:画图区,表格,说明,图例表;
步骤S2中的根据模型结果分析图框具体包括以下步骤:
S21、根据模型的预测,输入图框,输出图框中我们所关注的区域,如图4所示;
S22、利用opencv抠出所需要的每个区域的小图;
S23、拿到画图区域,根据图元所在的填充图层,找到结构暗柱的位置以及编号,如图5深色区域所示;
S24、拿到图例表区域,根据暗柱的编号找到对应的暗柱图例及其属性,如图6所示。
本发明提供一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法,可以更精确的找到图纸中的各个模块区域,方便后面针对特定的模块对构件进行的智能审查。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法,其特征在于,所述方法包括以下步骤:
S1、前期训练模型阶段;
S2、根据模型结果分析图框;
所述步骤S1中的前期训练模型阶段具体包括以下步骤:
S11、拿到大约10000张结构专业的图框;
S12、对图纸进行解析获取一系列图元;
S13、将所有获取的图元打印到一张png上;
S14、对所有画到png图纸上的图框进行标注;
S15、训练深度学习版面分析的网络模型。
2.根据权利要求1所述一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法,其特征在于:所述步骤S12中的图元包括:组成图形的可见基础元素,所对应的就是绘图界面上看得见的实体。
3.根据权利要求1所述一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法,其特征在于:所述步骤S14中需进行标注的还包括:画图区,表格,说明,图例表。
4.根据权利要求1所述一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法,其特征在于:所述步骤S2中的根据模型结果分析图框具体包括以下步骤:
S21、根据模型的预测,输入图框,输出图框中我们所关注的区域;
S22、利用opencv抠出所需要的每个区域的小图;
S23、拿到画图区域,根据图元所在的填充图层,找到结构暗柱的位置以及编号;
S24、拿到图例表区域,根据暗柱的编号找到对应的暗柱图例及其属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111559072.6A CN114494114A (zh) | 2021-12-20 | 2021-12-20 | 一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111559072.6A CN114494114A (zh) | 2021-12-20 | 2021-12-20 | 一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114494114A true CN114494114A (zh) | 2022-05-13 |
Family
ID=81495010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111559072.6A Pending CN114494114A (zh) | 2021-12-20 | 2021-12-20 | 一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114494114A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007115238A (ja) * | 2005-09-20 | 2007-05-10 | Fukui Computer Kk | 2次元cadデータ処理装置、2次元cadデータ処理方法、2次元cadデータ処理プログラム、及び閉領域識別方法 |
WO2014142364A2 (en) * | 2013-03-15 | 2014-09-18 | Mochida Pharmaceutical Co., Ltd. | Compositions and methods for treating non-alcoholic steatohepatitis |
CN110502984A (zh) * | 2019-07-11 | 2019-11-26 | 万翼科技有限公司 | 图纸审查方法、装置、计算机设备和存储介质 |
CN111126414A (zh) * | 2019-12-03 | 2020-05-08 | 武汉邦拓信息科技有限公司 | 一种基于深度学习的装修图内图块识别方法 |
CN111242024A (zh) * | 2020-01-11 | 2020-06-05 | 北京中科辅龙科技股份有限公司 | 基于机器学习识别图纸内图例及文字的方法及*** |
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 |
CN112883799A (zh) * | 2021-01-20 | 2021-06-01 | 上海品览智造科技有限公司 | 一种cad坡道大样图中坡道精准识别的方法 |
CN112883798A (zh) * | 2021-01-20 | 2021-06-01 | 上海品览智造科技有限公司 | 基于深度学***面图空间内构件的识别方法 |
CN112989452A (zh) * | 2021-01-20 | 2021-06-18 | 上海品览智造科技有限公司 | 一种cad给排水专业图中对构件引线标注文本的精准识别方法 |
CN113052023A (zh) * | 2021-03-12 | 2021-06-29 | 深圳小库科技有限公司 | Cad图纸解析方法、装置、设备及存储介质 |
CN113223025A (zh) * | 2021-06-03 | 2021-08-06 | 新东方教育科技集团有限公司 | 图像处理方法及装置、神经网络的训练方法及装置 |
CN113469087A (zh) * | 2021-07-09 | 2021-10-01 | 上海智臻智能网络科技股份有限公司 | 建筑图纸中的图框检测方法、装置、设备及介质 |
CN113627257A (zh) * | 2021-07-09 | 2021-11-09 | 上海智臻智能网络科技股份有限公司 | 检测方法、检测***、设备和存储介质 |
-
2021
- 2021-12-20 CN CN202111559072.6A patent/CN114494114A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007115238A (ja) * | 2005-09-20 | 2007-05-10 | Fukui Computer Kk | 2次元cadデータ処理装置、2次元cadデータ処理方法、2次元cadデータ処理プログラム、及び閉領域識別方法 |
WO2014142364A2 (en) * | 2013-03-15 | 2014-09-18 | Mochida Pharmaceutical Co., Ltd. | Compositions and methods for treating non-alcoholic steatohepatitis |
CN110502984A (zh) * | 2019-07-11 | 2019-11-26 | 万翼科技有限公司 | 图纸审查方法、装置、计算机设备和存储介质 |
CN111126414A (zh) * | 2019-12-03 | 2020-05-08 | 武汉邦拓信息科技有限公司 | 一种基于深度学习的装修图内图块识别方法 |
CN111242024A (zh) * | 2020-01-11 | 2020-06-05 | 北京中科辅龙科技股份有限公司 | 基于机器学习识别图纸内图例及文字的方法及*** |
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 |
CN112883799A (zh) * | 2021-01-20 | 2021-06-01 | 上海品览智造科技有限公司 | 一种cad坡道大样图中坡道精准识别的方法 |
CN112883798A (zh) * | 2021-01-20 | 2021-06-01 | 上海品览智造科技有限公司 | 基于深度学***面图空间内构件的识别方法 |
CN112989452A (zh) * | 2021-01-20 | 2021-06-18 | 上海品览智造科技有限公司 | 一种cad给排水专业图中对构件引线标注文本的精准识别方法 |
CN113052023A (zh) * | 2021-03-12 | 2021-06-29 | 深圳小库科技有限公司 | Cad图纸解析方法、装置、设备及存储介质 |
CN113223025A (zh) * | 2021-06-03 | 2021-08-06 | 新东方教育科技集团有限公司 | 图像处理方法及装置、神经网络的训练方法及装置 |
CN113469087A (zh) * | 2021-07-09 | 2021-10-01 | 上海智臻智能网络科技股份有限公司 | 建筑图纸中的图框检测方法、装置、设备及介质 |
CN113627257A (zh) * | 2021-07-09 | 2021-11-09 | 上海智臻智能网络科技股份有限公司 | 检测方法、检测***、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
杜龙奇: "工程图纸文件管理平台的设计与实现", 《中国优秀博硕士学位论文全文数据库(硕士)》, no. 1, 15 January 2019 (2019-01-15), pages 1 - 71 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993827B (zh) | 一种将建筑图纸转换为三维bim模型的立面图识别方法 | |
US10937211B2 (en) | Automated parametrization of floor-plan sketches for multi-objective building optimization tasks | |
CN107045526A (zh) | 一种电子建筑施工图的图形识别方法 | |
CN110160502A (zh) | 地图要素提取方法、装置及服务器 | |
CN112883799B (zh) | 一种cad坡道大样图中坡道精准识别的方法 | |
CN111046462A (zh) | 一种室外建筑设计用图纸展示***及方法 | |
CN103390088A (zh) | 一种针对光栅建筑平面图的全自动三维转换方法 | |
CN104573231A (zh) | 基于bim的智慧楼宇***和方法 | |
CN111523167A (zh) | Bim模型生成方法、装置、设备和存储介质 | |
US20130046512A1 (en) | System and Methods Facilitating Interfacing with a Structure Design and Development Process | |
CN107506499A (zh) | 兴趣点与建筑物之间建立逻辑关系的方法、装置及服务器 | |
CN112989452A (zh) | 一种cad给排水专业图中对构件引线标注文本的精准识别方法 | |
CN114445129B (zh) | Bim编码*** | |
CN114022894B (zh) | 一种cad图纸中楼梯前室精准识别的方法 | |
CN111581699A (zh) | 一种欧式建筑的快速出加工图及提料的bim技术应用方法 | |
CN114782530A (zh) | 室内场景下的三维语义地图构建方法、装置、设备及介质 | |
CN110704653A (zh) | 一种bim模型中以图搜索构件的方法及图文搜索*** | |
CN114168795B (zh) | 建筑三维模型映射及存储方法、装置、电子设备及介质 | |
CN114005134A (zh) | 一种基于深度学***面图内的构件识别方法 | |
CN105468574A (zh) | 装饰字体的合成方法 | |
CN114494114A (zh) | 一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法 | |
CN110781851A (zh) | 一种基于图片的装修户型图识别方法 | |
CN115097974B (zh) | 一种bim模型智能辅助会审***及方法 | |
CN109086472A (zh) | 基于尺寸约束的房产图变更参数化绘图方法及其装置 | |
CN115170793A (zh) | 面向工业产品质检的小样本图像分割自我校准方法 |
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 |