CN115797291A - 回路端子的识别方法、装置、计算机设备和存储介质 - Google Patents
回路端子的识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115797291A CN115797291A CN202211541542.0A CN202211541542A CN115797291A CN 115797291 A CN115797291 A CN 115797291A CN 202211541542 A CN202211541542 A CN 202211541542A CN 115797291 A CN115797291 A CN 115797291A
- Authority
- CN
- China
- Prior art keywords
- terminal
- information
- result
- identification result
- information identification
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004590 computer program Methods 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000012015 optical character recognition Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 101001018259 Homo sapiens Microtubule-associated serine/threonine-protein kinase 1 Proteins 0.000 description 2
- 101000693728 Homo sapiens S-acyl fatty acid synthase thioesterase, medium chain Proteins 0.000 description 2
- 102100025541 S-acyl fatty acid synthase thioesterase, medium chain Human genes 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 102100032202 Cornulin Human genes 0.000 description 1
- 101000920981 Homo sapiens Cornulin Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请涉及一种回路端子的识别方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括:获取针对目标回路端子排的现场拍摄图像,以及与目标回路端子排对应的原理图纸文件;将现场拍摄图像输入预先训练的信息识别模型,得到现场拍摄图像的端子排信息识别结果,以及获取与原理图纸文件对应的图纸信息识别结果;将端子排信息识别结果与图纸信息识别结果进行对比,得到目标回路端子排中每个端子的对比结果;根据对比结果,生成针对目标回路端子排的识别结果。采用本方法能够提高回路端子的检测效率。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种回路端子的识别方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着电子电力技术的发展,回路端子逐渐广泛应用到各个领域,其在传递电信号和导电方面起到了连接的作用。
传统技术中,在对回路端子进行检测的时候,主要是通过人工手动进行信息排查。然而,这种检测方式由于相关图纸中的图号、电缆编号、端子编号等信息的位置、内容、表格形状不固定,难以依赖固定的方式进行识别,导致信息排查过程较为繁琐,从而导致回路端子的检测效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高回路端子的检测效率的回路端子的识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种回路端子的识别方法。所述方法包括:
获取针对目标回路端子排的现场拍摄图像,以及与所述目标回路端子排对应的原理图纸文件;
将所述现场拍摄图像输入预先训练的信息识别模型,得到所述现场拍摄图像的端子排信息识别结果,以及获取与所述原理图纸文件对应的图纸信息识别结果;
将所述端子排信息识别结果与所述图纸信息识别结果进行对比,得到所述目标回路端子排中每个端子的对比结果;
根据所述对比结果,生成针对所述目标回路端子排的识别结果。
在其中一个实施例中,所述获取与所述原理图纸文件对应的图纸信息识别结果,包括:
获取与所述原理图纸文件对应的目标图纸编号;
从多个预设图纸编号对应的图纸信息识别结果中,获取与所述目标图纸编号对应的图纸信息识别结果,作为与所述原理图纸文件对应的图纸信息识别结果。
在其中一个实施例中,在从多个预设图纸编号对应的图纸信息识别结果中,获取与所述目标图纸编号对应的图纸信息识别结果,作为与所述原理图纸文件对应的图纸信息识别结果之前,还包括:
获取多个预设图纸编号对应的预设原理图纸文件;
对每个预设图纸编号对应的预设原理图纸文件进行预处理,得到每个预处理后的预设原理图纸文件;
对所述每个预处理后的预设原理图纸文件进行信息识别,得到所述每个预处理后的预设原理图纸文件对应的图纸信息识别结果,对应作为所述每个预设图纸编号对应的图纸信息识别结果。
在其中一个实施例中,所述对所述每个预处理后的预设原理图纸文件进行信息识别,得到所述每个预处理后的预设原理图纸文件对应的图纸信息识别结果,包括:
获取所述预处理后的预设原理图纸文件对应的灰度图;
将所述灰度图输入预先训练的文本检测模型进行文本定位,得到所述灰度图中的目标表格区域;
通过预先训练的文本识别模型对所述目标表格区域进行信息识别,得到目标表格信息识别结果;
将所述目标表格信息识别结果,作为所述预处理后的预设原理图纸文件对应的图纸信息识别结果。
在其中一个实施例中,所述将所述现场拍摄图像输入预先训练的信息识别模型,得到所述现场拍摄图像的端子信息识别结果,包括:
通过所述预先训练的信息识别模型对所述现场拍摄图像进行文本定位,得到所述现场拍摄图像中的目标文字区域;
通过所述预先训练的信息识别模型对所述目标文字区域进行字符识别,得到对应的字符识别结果,作为所述现场拍摄图像的端子信息识别结果。
在其中一个实施例中,所述将所述端子排信息识别结果与所述图纸信息识别结果进行对比,得到所述目标回路端子排中每个端子的对比结果,包括:
将所述端子排信息识别结果中的每个端子信息识别结果,与所述图纸信息识别结果中的每个端子信息识别结果进行信息对比,得到所述目标回路端子排中每个端子的对比结果;每个端子信息识别结果至少包括回路号、电缆编号、电缆芯号、端子排编号和端子编号;
所述根据所述对比结果,生成针对所述目标回路端子排的识别结果,包括:
在所述每个端子的信息对比结果均为正确对比结果的情况下,确认针对所述目标回路端子排的识别结果为对比成功;
在至少一个端子的信息对比结果为错误对比结果的情况下,确认针对所述目标回路端子排的识别结果为对比失败。
第二方面,本申请还提供了一种回路端子的识别装置。所述装置包括:
信息获取模块,用于获取针对目标回路端子排的现场拍摄图像,以及与所述目标回路端子排对应的原理图纸文件;
信息识别模块,用于将所述现场拍摄图像输入预先训练的信息识别模型,得到所述现场拍摄图像的端子排信息识别结果,以及获取与所述原理图纸文件对应的图纸信息识别结果;
信息对比模块,用于将所述端子排信息识别结果与所述图纸信息识别结果进行对比,得到所述目标回路端子排中每个端子的对比结果;
结果生成模块,用于根据所述对比结果,生成针对所述目标回路端子排的识别结果。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取针对目标回路端子排的现场拍摄图像,以及与所述目标回路端子排对应的原理图纸文件;
将所述现场拍摄图像输入预先训练的信息识别模型,得到所述现场拍摄图像的端子排信息识别结果,以及获取与所述原理图纸文件对应的图纸信息识别结果;
将所述端子排信息识别结果与所述图纸信息识别结果进行对比,得到所述目标回路端子排中每个端子的对比结果;
根据所述对比结果,生成针对所述目标回路端子排的识别结果。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取针对目标回路端子排的现场拍摄图像,以及与所述目标回路端子排对应的原理图纸文件;
将所述现场拍摄图像输入预先训练的信息识别模型,得到所述现场拍摄图像的端子排信息识别结果,以及获取与所述原理图纸文件对应的图纸信息识别结果;
将所述端子排信息识别结果与所述图纸信息识别结果进行对比,得到所述目标回路端子排中每个端子的对比结果;
根据所述对比结果,生成针对所述目标回路端子排的识别结果。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取针对目标回路端子排的现场拍摄图像,以及与所述目标回路端子排对应的原理图纸文件;
将所述现场拍摄图像输入预先训练的信息识别模型,得到所述现场拍摄图像的端子排信息识别结果,以及获取与所述原理图纸文件对应的图纸信息识别结果;
将所述端子排信息识别结果与所述图纸信息识别结果进行对比,得到所述目标回路端子排中每个端子的对比结果;
根据对比结果,生成针对目标回路端子排的识别结果。
上述回路端子的识别方法、装置、计算机设备、存储介质和计算机程序产品,通过获取针对目标回路端子排的现场拍摄图像,以及与目标回路端子对应的原理图纸文件;再将现场拍摄图像输入预先训练的信息识别模型,得到现场拍摄图像的端子排信息识别结果,以及获取与原理图纸文件对应的图纸信息识别结果;然后将端子排信息识别结果与图纸信息识别结果进行对比,得到目标回路端子排中每个端子的对比结果;最后根据对比结果,生成针对目标回路端子排的识别结果。这样,先获取针对目标回路端子排的现场拍摄图像,可以准确地识别并获取与目标回路端子对应的原理图纸文件;再将现场拍摄图像输入预先训练的信息识别模型,从而通过预设的信息识别模型对现场拍摄图像的端子排信息进行识别,可以准确地得到现场拍摄图像的端子排信息识别结果;在获取与目标回路端子对应的原理图纸文件之后,可以有针对性地获取与原理图纸文件对应的图纸信息识别结果;然后,将端子排信息识别结果与图纸信息识别结果进行对比,得到目标回路端子排中每个端子的对比结果,可以有效利用相关已知信息进行逐一比对,从而快速准确得到目标回路端子排中每个端子的对比结果;最后,根据对比结果,生成针对目标回路端子排的识别结果;即采用人工智能的方式对比现场拍摄图像和原理图纸文件之间的异同,有利于快速准确地得出识别结果,且整个过程无需人工手动检测,从而避免了通过人工手动进行信息排查等繁琐的过程,进而提高了回路端子的检测效率。
附图说明
图1为一个实施例中回路端子的识别方法的应用环境图;
图2为一个实施例中回路端子的识别方法的流程示意图;
图3为一个实施例中现场拍摄图像的示意图;
图4为一个实施例中现场拍摄图像的端子排信息对应的识别效果图;
图5为一个实施例中回路端子标识智能识别***的示意图;
图6为一个实施例中对预设原理图纸文件进行预处理的步骤的流程示意图;
图7为一个实施例中对预处理后的预设原理图纸文件进行信息识别的步骤的流程示意图;
图8为另一个实施例中回路端子的识别方法的流程示意图;
图9为又一个实施例中回路端子的识别方法的流程示意图;
图10为一个实施例中回路端子的识别装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的回路端子的识别方法,可以应用于如图1所示的应用环境中。其中,图1提供了一种人工智能平台,该人工智能平台包括客户端101和服务器端102,客户端101通过网络与服务器端102进行通信。具体地,参考图1,客户端101通过手机软件或小程序等应用程序对目标回路端子排进行拍摄,得到针对目标回路端子排的现场拍摄图像,并从本地数据库中获取与目标回路端子对应的原理图纸文件,并将针对目标回路端子排的现场拍摄图像,以及与目标回路端子对应的原理图纸文件上传至服务器端102。服务器端102将现场拍摄图像输入预先训练的信息识别模型,得到现场拍摄图像的端子排信息识别结果,以及获取与原理图纸文件对应的图纸信息识别结果,将端子排信息识别结果与图纸信息识别结果进行对比,得到目标回路端子排中每个端子的对比结果;根据对比结果,生成针对目标回路端子排的识别结果。进一步地,服务器端102还可以将针对目标回路端子排的识别结果返回至客户端101,通过客户端101的界面展示针对目标回路端子排的识别结果。其中,客户端101可以是但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑。服务器端102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种回路端子的识别方法,以该方法应用于图1中的服务器端为例进行说明,包括以下步骤:
步骤S201,获取针对目标回路端子排的现场拍摄图像,以及与目标回路端子对应的原理图纸文件。
其中,回路端子排指的是由多个回路端子按照一定顺序排列得到的回路端子组合。目标回路端子排是指客户端当前需要识别的回路端子排。
其中,原理图纸文件指的是包含回路端子设计图纸信息的文件,比如PDF文件。
具体地,服务器端响应于用户通过客户端发起的针对目标回路端子排的识别请求,生成信息获取指令,根据信息获取指令,获取针对目标回路端子排的现场拍摄图像,以及与目标回路端子排对应的原理图纸文件。
举例说明,用户需要对端子排编号为X102的端子排的接线情况进行识别,服务器端响应于用户发起的回路端子识别请求,生成信息获取指令,根据信息获取指令,获取针对目标回路端子排X102的现场拍摄图像,以及与目标回路端子排X102对应的原理图纸文件。
步骤S202,将现场拍摄图像输入预先训练的信息识别模型,得到现场拍摄图像的端子排信息识别结果,以及获取与原理图纸文件对应的图纸信息识别结果。
其中,信息识别模型是指一种具有文本定位和字符识别功能的人工智能模型,比如神经网络模型、深度学习模型等。
其中,如图3所示,该图为一张现场拍摄图像,图中号码管编号为:701A/=21VG20+Q1-W351/01/-X102:1L,表示的意思就是X102端子排的1L号端子接入的是电缆编号为21VG20+Q1-W351的电缆的01号线芯,该条回路的编号为701A。
其中,如图4所示,端子排信息识别结果是指含有回路号、电缆编号、电缆芯号、端子排编号和端子编号等关键信息的端子排信息识别效果图。
其中,图纸信息识别结果中含有图号、回路号、电缆编号、电缆芯号、端子排编号和端子编号等关键信息。
具体地,服务器端获取预先训练的信息识别模型,并将该模型设置为目标模型,然后将现场拍摄图像输入目标模型进行分析与处理,得到现场拍摄图像的端子排信息识别结果;再根据与目标回路端子排对应的原理图纸文件,查找并获取与原理图纸文件对应的图纸信息识别结果。
步骤S203,将端子排信息识别结果与图纸信息识别结果进行对比,得到目标回路端子排中每个端子的对比结果。
其中,对比结果包括正确对比结果和错误对比结果,正确对比结果是指对应信息相一致,错误对比结果是指对应信息不一致。
具体地,服务器端将端子排信息识别结果中的每个端子信息识别结果,与图纸信息识别结果中的每个端子信息识别结果,进行对应信息的逐一分析与对比,汇总得到目标回路端子排中每个端子的对比结果。
举例说明,服务器端针对回路端子排X102,以表格的形式汇总并输出对比结果,对比结果分上下两行输出图号、回路号、电缆编号、电缆芯号、端子排编号和端子编号的识别情况,通过***程序进行识别结果对比,以不同底色区分正确和有误的接线情况,并能对识别正确、错误数进行计数。
步骤S204,根据对比结果,生成针对目标回路端子排的识别结果。
其中,识别结果包括对比成功和对比失败,对比成功是指每个端子的信息对比结果均为正确对比结果,对比失败是指至少一个端子的信息对比结果为错误对比结果。
具体地,服务器端对得到的对比结果进行分析与统计,根据分析统计得到的统计结果,对应生成针对目标回路端子排的识别结果。
举例说明,服务器端对得到的对比结果进行分析与统计,得到的统计结果为每个端子的信息对比结果均为正确对比结果,则生成针对目标回路端子排的识别结果为对比成功。
需要说明的是,上述回路端子的识别方法可应用于,如图5所示的回路端子标识智能识别***中。
上述回路端子的识别方法中,先获取针对目标回路端子排的现场拍摄图像,可以准确地识别并获取与目标回路端子对应的原理图纸文件;再将现场拍摄图像输入预先训练的信息识别模型,得到现场拍摄图像的端子排信息识别结果,从而通过预设的信息识别模型对现场拍摄图像的端子排信息进行识别,可以准确地得到现场拍摄图像的端子排信息识别结果;在获取与目标回路端子对应的原理图纸文件之后,可以有针对性地获取与原理图纸文件对应的图纸信息识别结果;然后,将端子排信息识别结果与图纸信息识别结果进行对比,得到目标回路端子排中每个端子的对比结果,可以有效利用相关已知信息进行逐一比对,从而快速准确得到目标回路端子排中每个端子的对比结果;最后,根据对比结果,生成针对目标回路端子排的识别结果;即采用人工智能的方式对比现场拍摄图像和原理图纸文件之间的异同,有利于快速准确地得出识别结果,且整个过程无需人工手动检测,从而避免了通过人工手动进行信息排查等繁琐的过程,进而提高了回路端子的检测效率。
在一个实施例中,上述步骤S202,获取与原理图纸文件对应的图纸信息识别结果,具体包括如下内容:获取与原理图纸文件对应的目标图纸编号;从多个预设图纸编号对应的图纸信息识别结果中,获取与目标图纸编号对应的图纸信息识别结果,作为与原理图纸文件对应的图纸信息识别结果。
其中,目标图纸编号是与原理图纸文件对应的预设编号;预设图纸编号是指为了区别不同的图纸而预先设置的编号。
具体地,服务器端根据原理图纸文件,查找与原理图纸文件对应的目标图纸编号;在数据库中查询多个预设图纸编号对应的图纸信息识别结果,然后从中识别并获取与目标图纸编号对应的图纸信息识别结果,作为与原理图纸文件对应的图纸信息识别结果。
举例说明,服务器端根据原理图纸文件,查找与原理图纸文件对应的目标图纸编号为001;在数据库中查询多个预设图纸编号对应的图纸信息识别结果,然后从中识别并获取与目标图纸编号001对应的图纸信息识别结果,作为与原理图纸文件对应的图纸信息识别结果。
本实施例中,通过获取与原理图纸文件对应的目标图纸编号,并从多个预设图纸编号对应的图纸信息识别结果中,获取与目标图纸编号对应的图纸信息识别结果,作为与原理图纸文件对应的图纸信息识别结果;从而可以通过图纸编号这一客观标识,准确地识别并获取与原理图纸文件对应的图纸信息识别结果。
在一个实施例中,在从多个预设图纸编号对应的图纸信息识别结果中,获取与目标图纸编号对应的图纸信息识别结果,作为与原理图纸文件对应的图纸信息识别结果之前,还包括如下内容:获取多个预设图纸编号对应的预设原理图纸文件;对每个预设图纸编号对应的预设原理图纸文件进行预处理,得到每个预处理后的预设原理图纸文件;对每个预处理后的预设原理图纸文件进行信息识别,得到每个预处理后的预设原理图纸文件对应的图纸信息识别结果,对应作为每个预设图纸编号对应的图纸信息识别结果。
其中,预设原理图纸文件是指预先设置的包含回路端子设计图纸信息的文件。
其中,预处理包括图片文件格式的转换和角度的旋转等操作。
具体地,如图6所示,服务器端获取多个预设图纸编号对应的预设原理图纸文件,选取得到的预设原理图纸文件,将其转换为PNG格式的图片,再将这些图片逆时针旋转90°,之后得到预处理后的预设原理图纸文件;对每个预处理后的预设原理图纸文件进行信息识别,得到每个预处理后的预设原理图纸文件对应的图纸信息识别结果;最后保存预处理后的预设原理图纸文件及其对应的图纸信息识别结果,并将其统一重命名为图号。
本实施例中,通过获取多个预设图纸编号对应的预设原理图纸文件;对每个预设图纸编号对应的预设原理图纸文件进行预处理,得到每个预处理后的预设原理图纸文件;对每个预处理后的预设原理图纸文件进行信息识别,得到每个预处理后的预设原理图纸文件对应的图纸信息识别结果;对预设原理图纸文件进行预处理有利于提高后续信息识别的效果,从而可以更准确地得到每个预处理后的预设原理图纸文件对应的图纸信息识别结果。
在一个实施例中,对每个预处理后的预设原理图纸文件进行信息识别,得到每个预处理后的预设原理图纸文件对应的图纸信息识别结果,具体包括如下内容:获取预处理后的预设原理图纸文件对应的灰度图;将灰度图输入预先训练的文本检测模型进行文本定位,得到灰度图中的目标表格区域;通过预先训练的文本识别模型对目标表格区域进行信息识别,得到目标表格信息识别结果;将目标表格信息识别结果,作为预处理后的预设原理图纸文件对应的图纸信息识别结果。
其中,灰度图是指用灰度表示的图像,除了常见的卫星图像、航空照片外,许多地球物理观测数据也以灰度表示。
其中,文本检测模型对多种文本检测算法(DB、EAST、SAST)进行择优选用,此外,SAST模型训练额外加入了icdar2013、icdar2017、COCO-Text、ArT等公开数据集进行调优。
其中,文本识别模型对多种文本识别算法(CRNN、Rosetta、STAR-Net、RARE、SRN),在优先准确率的前提下择优选用。
具体地,如图7所示,客户端对预处理后的预设原理图纸文件进行版面识别,定位表格所在的感兴趣区域;再将预设原理图纸文件转为灰度图,通过图像处理中的形态学操作自适应识别图像中的横线与竖线,计算横线与竖线焦点坐标,通过排序,排除掉相近的像素点,只取相近值的最后一点,根据横线、竖线及焦点标定表格轮廓,确定表格区域,在原图像基础上去掉表格框线,对表格内容进行识别,得到目标表格信息识别结果;将目标表格信息识别结果,作为预处理后的预设原理图纸文件对应的图纸信息识别结果。
本实施例中,通过获取预处理后的预设原理图纸文件对应的灰度图,可以降低图像处理的计算量,方便后续进行分析和处理;将灰度图输入预先训练的文本检测模型进行文本定位,得到灰度图中的目标表格区域,从而准确地得到目标表格区域的位置信息;通过预先训练的文本识别模型对目标表格区域进行信息识别,得到目标表格信息识别结果,将目标表格信息识别结果,作为预处理后的预设原理图纸文件对应的图纸信息识别结果;从而基于文本检测模型和文本识别模型等人工智能算法模型,准确地得到预处理后的预设原理图纸文件对应的图纸信息识别结果。
在一个实施例中,上述步骤S102,将现场拍摄图像输入预先训练的信息识别模型,得到现场拍摄图像的端子排信息识别结果,具体包括如下内容:通过预先训练的信息识别模型对现场拍摄图像进行文本定位,得到现场拍摄图像中的目标文字区域;通过预先训练的信息识别模型对目标文字区域进行字符识别,得到对应的字符识别结果,作为现场拍摄图像的端子排信息识别结果。
其中,信息识别模型包含文本检测模型和字符识别模型,具有文本定位和字符识别的功能,字符识别模型具有OCR识别(optical character recognition,光学字符识别)功能。
具体地,服务器端获取预先训练的信息识别模型,然后将现场拍摄图像输入预先训练的信息识别模型中的的文本检测模型进行文本定位,得到现场拍摄图像中的目标文字区域;再通过预先训练的信息识别模型中的字符识别模型对目标文字区域进行字符识别,得到现场拍摄图像的端子排信息识别结果。
举例说明,服务器端将现场拍摄图像输入预先训练的信息识别模型中的的文本检测模型进行文本目标定位,得到现场拍摄图像中的目标文字区域;再通过预先训练的信息识别模型中的字符识别模型对目标文字区域进行OCR识别,得到现场拍摄图像的端子排信息识别结果。
本实施例中,通过所述预先训练的信息识别模型对所述现场拍摄图像进行文本定位,得到所述现场拍摄图像中的目标文字区域;通过所述预先训练的信息识别模型对所述目标文字区域进行字符识别,得到对应的字符识别结果,作为所述现场拍摄图像的端子信息识别结果;对现场拍摄图像进行文本定位,得到目标文字区域,再针对得到的目标文字区域,对其进行字符识别,从而准确有效地得到现场拍摄图像的端子排信息识别结果。
在一个实施例中,上述步骤S103,将端子排信息识别结果与图纸信息识别结果进行对比,得到目标回路端子排中每个端子的对比结果,具体包括如下内容:将端子排信息识别结果中的每个端子信息识别结果,与图纸信息识别结果中的每个端子信息识别结果进行信息对比,得到目标回路端子排中每个端子的对比结果;
上述步骤S104,根据对比结果,生成针对目标回路端子排的识别结果,具体包括如下内容:在每个端子的信息对比结果均为正确对比结果的情况下,确认针对目标回路端子排的识别结果为对比成功;在至少一个端子的信息对比结果为错误对比结果的情况下,确认针对目标回路端子排的识别结果为对比失败。
其中,每个端子信息识别结果包括回路号、电缆编号、电缆芯号、端子排编号和端子编号等信息。
具体地,服务器端将端子排信息识别结果中的每个端子信息识别结果,与图纸信息识别结果中的每个端子信息识别结果进行分析与对比,得到多个端子的对比结果,再汇总成目标回路端子排中每个端子的对比结果;服务器端识别目标回路端子排中每个端子的所有对比结果,在每个端子的信息对比结果均为正确对比结果的情况下,确认针对目标回路端子排的识别结果为对比成功;在至少一个端子的信息对比结果为错误对比结果的情况下,确认针对目标回路端子排的识别结果为对比失败。
本实施例中,通过将端子排信息识别结果中的每个端子信息识别结果,与图纸信息识别结果中的每个端子信息识别结果进行信息对比,有效地得到目标回路端子排中每个端子的对比结果;在每个端子的信息对比结果均为正确对比结果的情况下,确认针对目标回路端子排的识别结果为对比成功;在至少一个端子的信息对比结果为错误对比结果的情况下,确认针对目标回路端子排的识别结果为对比失败;从而根据对比结果,准确地得出针对目标回路端子排的识别结果。
在一个实施例中,如图8所示,提供了另一种回路端子的识别方法,以该方法应用于图1中的服务器端为例进行说明,具体包括以下步骤:
步骤S801,获取与原理图纸文件对应的目标图纸编号,获取多个预设图纸编号对应的预设原理图纸文件,对每个预设图纸编号对应的预设原理图纸文件进行预处理,得到每个预处理后的预设原理图纸文件。
步骤S802,获取预处理后的预设原理图纸文件对应的灰度图;将灰度图输入预先训练的文本检测模型进行文本定位,得到灰度图中的目标表格区域。
步骤S803,通过预先训练的文本识别模型对目标表格区域进行信息识别,得到目标表格信息识别结果;将目标表格信息识别结果,作为预处理后的预设原理图纸文件对应的图纸信息识别结果。
步骤S804,获取针对目标回路端子排的现场拍摄图像,以及与目标回路端子对应的原理图纸文件。
步骤S805,通过预先训练的信息识别模型对现场拍摄图像进行文本定位,得到现场拍摄图像中的目标文字区域;通过预先训练的信息识别模型对目标文字区域进行字符识别,得到对应的字符识别结果,作为现场拍摄图像的端子排信息识别结果。
步骤S806,从多个预设图纸编号对应的图纸信息识别结果中,获取与目标图纸编号对应的图纸信息识别结果,作为与原理图纸文件对应的图纸信息识别结果。
步骤S807,将端子排信息识别结果中的每个端子信息识别结果,与图纸信息识别结果中的每个端子信息识别结果进行信息对比,得到目标回路端子排中每个端子的对比结果;每个端子信息识别结果至少包括回路号、电缆编号、电缆芯号、端子排编号和端子编号。
步骤S808,在每个端子的信息对比结果均为正确对比结果的情况下,确认针对目标回路端子排的识别结果为对比成功;在至少一个端子的信息对比结果为错误对比结果的情况下,确认针对目标回路端子排的识别结果为对比失败。
上述回路端子的识别方法中,先获取针对目标回路端子排的现场拍摄图像,可以准确地识别并获取与目标回路端子对应的原理图纸文件;再通过预先训练的信息识别模型对现场拍摄图像进行文本定位,得到现场拍摄图像中的目标文字区域,通过预先训练的信息识别模型对目标文字区域进行字符识别,得到现场拍摄图像的端子排信息识别结果,从而通过预先训练的信息识别模型对现场拍摄图像的端子排信息进行识别,可以准确地得到现场拍摄图像的端子排信息识别结果;在获取与目标回路端子对应的原理图纸文件之后,再对原理图纸文件进行预处理、文本定位和信息识别等操作,可以有针对性地得到与原理图纸文件对应的图纸信息识别结果;然后,将端子排信息识别结果与图纸信息识别结果进行对比,得到目标回路端子排中每个端子的对比结果,可以有效利用相关已知信息进行逐一比对,从而准确得到目标回路端子排中每个端子的对比结果;最后,根据对比结果,生成针对目标回路端子排的识别结果,识别结果包括对比成功和对比失败;即采用人工智能的方式对比现场拍摄图像和原理图纸文件之间的异同,有利于快速准确地得出识别结果,且整个过程无需人工手动检测,从而避免了通过人工手动进行信息排查等繁琐的过程,进而提高了回路端子的检测效率。。
为了更清晰阐明本申请实施例提供的回路端子的识别方法,以下以一个具体的实施例对该回路端子的识别方法进行具体说明。在一个实施例中,如图9所示,本申请还提供了又一种回路端子的识别方法,具体包括以下步骤:
步骤S901,服务器端接收客户端传回的现场实拍图片与图纸编号等信息。
步骤S902,对现场实拍图片进行OCR识别,得到现场图片识别结果。
步骤S903,将现场图片识别结果与图纸编号对应图纸识别结果进行对比。
步骤S904,统计错误信息并发送至客户端,若全部正确则发送对比成功。
需要说明的是,该回路端子的识别方法中设计图纸需要识别的内容包括:图号、电缆编号、端子排编号、端子编号、电缆芯号、回路号。现场号码管需要识别的内容包括:电缆编号、端子排编号、端子编号、电缆芯号、回路号。具体的识别思路是:先将设计图纸内容识别出来,按照关键字的形式形成数据库。然后现场拍摄具体号码管,通过号码管上的电缆编号和电缆芯号来识别是哪一条电缆的哪一根线芯,通过端子排号、端子号和回路号识别接线是否正确。
此外,输出结果和识别要求是:以表格的形式输出对比结果,对比结果分上下两行输出图号、电缆编号、端子排编号、端子编号、电缆芯号、回路号识别情况,通过***程序进行识别结果对比,以不同底色区分正确和有误的接线情况,并能对识别正确、错误数进行计数。识别程序需要具备批量识别的功能,尽量做到一个端子排只需要拍摄一张照片就可以把整个端子排的接线情况识别出来。
上述回路端子的识别方法中,先接收客户端传回的现场实拍图片与图纸编号等信息,可以准确地识别并获取与目标回路端子对应的原理图纸文件;再对现场实拍图片进行OCR识别,可以准确地得到现场实拍图片的端子排信息的OCR识别结果;然后,将现场图片识别结果与图纸识别结果进行对比,得到目标回路端子排中每个端子的对比结果,可以有效利用相关已知信息进行逐一比对,从而准确得到目标回路端子排中每个端子的对比结果;最后,统计错误信息发送至客户端,若全部正确则发送对比成功;即采用人工智能的方式对比现场拍摄图像和原理图纸文件之间的异同,有利于快速准确地得出识别结果,且整个过程无需人工手动检测,从而避免了通过人工手动进行信息排查等繁琐的过程,进而提高了回路端子的检测效率。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的回路端子的识别方法的回路端子的识别装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个回路端子的识别装置实施例中的具体限定可以参见上文中对于回路端子的识别方法的限定,在此不再赘述。
在一个实施例中,如图10所示,提供了一种回路端子的识别装置,包括:信息获取模块1001、信息识别模块1002、信息对比模块1003和结果生成模块1004,其中:
信息获取模块1001,用于获取针对目标回路端子排的现场拍摄图像,以及与目标回路端子排对应的原理图纸文件。
信息识别模块1002,用于将现场拍摄图像输入预先训练的信息识别模型,得到现场拍摄图像的端子排信息识别结果,以及获取与原理图纸文件对应的图纸信息识别结果。
信息对比模块1003,用于将端子排信息识别结果与图纸信息识别结果进行对比,得到目标回路端子排中每个端子的对比结果。
结果生成模块1004,用于根据对比结果,生成针对目标回路端子排的识别结果。
在一个实施例中,信息识别模块1002,还用于获取与原理图纸文件对应的目标图纸编号;从多个预设图纸编号对应的图纸信息识别结果中,获取与目标图纸编号对应的图纸信息识别结果,作为与原理图纸文件对应的图纸信息识别结果。
在一个实施例中,回路端子的识别装置还包括预处理模块,用于获取多个预设图纸编号对应的预设原理图纸文件;对每个预设图纸编号对应的预设原理图纸文件进行预处理,得到每个预处理后的预设原理图纸文件;对每个预处理后的预设原理图纸文件进行信息识别,得到每个预处理后的预设原理图纸文件对应的图纸信息识别结果,对应作为每个预设图纸编号对应的图纸信息识别结果。
在一个实施例中,预处理模块,还用于获取预处理后的预设原理图纸文件对应的灰度图;将灰度图输入预先训练的文本检测模型进行文本定位,得到灰度图中的目标表格区域;通过预先训练的文本识别模型对目标表格区域进行信息识别,得到目标表格信息识别结果;将目标表格信息识别结果,作为预处理后的预设原理图纸文件对应的图纸信息识别结果。
在一个实施例中,信息识别模块1002,还用于通过预先训练的信息识别模型对现场拍摄图像进行文本定位,得到现场拍摄图像中的目标文字区域;通过预先训练的信息识别模型对目标文字区域进行字符识别,得到对应的字符识别结果,作为现场拍摄图像的端子信息识别结果。
在一个实施例中,信息对比模块1003,还用于将端子排信息识别结果中的每个端子信息识别结果,与图纸信息识别结果中的每个端子信息识别结果进行信息对比,得到目标回路端子排中每个端子的对比结果;每个端子信息识别结果至少包括回路号、电缆编号、电缆芯号、端子排编号和端子编号。
结果生成模块1004,还用于用于在每个端子的信息对比结果均为正确对比结果的情况下,确认针对目标回路端子排的识别结果为对比成功;在至少一个端子的信息对比结果为错误对比结果的情况下,确认针对目标回路端子排的识别结果为对比失败。
上述回路端子的识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图11所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储图纸编号、原理图纸文件和图纸信息识别结果等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种回路端子的识别方法。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取针对目标回路端子排的现场拍摄图像,以及与目标回路端子排对应的原理图纸文件;
将现场拍摄图像输入预先训练的信息识别模型,得到现场拍摄图像的端子排信息识别结果,以及获取与原理图纸文件对应的图纸信息识别结果;
将端子排信息识别结果与图纸信息识别结果进行对比,得到目标回路端子排中每个端子的对比结果;
根据对比结果,生成针对目标回路端子排的识别结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取与原理图纸文件对应的目标图纸编号;从多个预设图纸编号对应的图纸信息识别结果中,获取与目标图纸编号对应的图纸信息识别结果,作为与原理图纸文件对应的图纸信息识别结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取多个预设图纸编号对应的预设原理图纸文件;对每个预设图纸编号对应的预设原理图纸文件进行预处理,得到每个预处理后的预设原理图纸文件;对每个预处理后的预设原理图纸文件进行信息识别,得到每个预处理后的预设原理图纸文件对应的图纸信息识别结果,对应作为每个预设图纸编号对应的图纸信息识别结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取预处理后的预设原理图纸文件对应的灰度图;将灰度图输入预先训练的文本检测模型进行文本定位,得到灰度图中的目标表格区域;通过预先训练的文本识别模型对目标表格区域进行信息识别,得到目标表格信息识别结果;将目标表格信息识别结果,作为预处理后的预设原理图纸文件对应的图纸信息识别结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过预先训练的信息识别模型对现场拍摄图像进行文本定位,得到现场拍摄图像中的目标文字区域;通过预先训练的信息识别模型对目标文字区域进行字符识别,得到对应的字符识别结果,作为现场拍摄图像的端子信息识别结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将端子排信息识别结果中的每个端子信息识别结果,与图纸信息识别结果中的每个端子信息识别结果进行信息对比,得到目标回路端子排中每个端子的对比结果;每个端子信息识别结果至少包括回路号、电缆编号、电缆芯号、端子排编号和端子编号;在每个端子的信息对比结果均为正确对比结果的情况下,确认针对目标回路端子排的识别结果为对比成功;在至少一个端子的信息对比结果为错误对比结果的情况下,确认针对目标回路端子排的识别结果为对比失败。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种回路端子的识别方法,其特征在于,所述方法包括:
获取针对目标回路端子排的现场拍摄图像,以及与所述目标回路端子排对应的原理图纸文件;
将所述现场拍摄图像输入预先训练的信息识别模型,得到所述现场拍摄图像的端子排信息识别结果,以及获取与所述原理图纸文件对应的图纸信息识别结果;
将所述端子排信息识别结果与所述图纸信息识别结果进行对比,得到所述目标回路端子排中每个端子的对比结果;
根据所述对比结果,生成针对所述目标回路端子排的识别结果。
2.根据权利要求1所述的方法,其特征在于,所述获取与所述原理图纸文件对应的图纸信息识别结果,包括:
获取与所述原理图纸文件对应的目标图纸编号;
从多个预设图纸编号对应的图纸信息识别结果中,获取与所述目标图纸编号对应的图纸信息识别结果,作为与所述原理图纸文件对应的图纸信息识别结果。
3.根据权利要求2所述的方法,其特征在于,在从多个预设图纸编号对应的图纸信息识别结果中,获取与所述目标图纸编号对应的图纸信息识别结果,作为与所述原理图纸文件对应的图纸信息识别结果之前,还包括:
获取多个预设图纸编号对应的预设原理图纸文件;
对每个预设图纸编号对应的预设原理图纸文件进行预处理,得到每个预处理后的预设原理图纸文件;
对所述每个预处理后的预设原理图纸文件进行信息识别,得到所述每个预处理后的预设原理图纸文件对应的图纸信息识别结果,对应作为所述每个预设图纸编号对应的图纸信息识别结果。
4.根据权利要求3所述的方法,其特征在于,所述对所述每个预处理后的预设原理图纸文件进行信息识别,得到所述每个预处理后的预设原理图纸文件对应的图纸信息识别结果,包括:
获取所述预处理后的预设原理图纸文件对应的灰度图;
将所述灰度图输入预先训练的文本检测模型进行文本定位,得到所述灰度图中的目标表格区域;
通过预先训练的文本识别模型对所述目标表格区域进行信息识别,得到目标表格信息识别结果;
将所述目标表格信息识别结果,作为所述预处理后的预设原理图纸文件对应的图纸信息识别结果。
5.根据权利要求1所述的方法,其特征在于,所述将所述现场拍摄图像输入预先训练的信息识别模型,得到所述现场拍摄图像的端子排信息识别结果,包括:
通过所述预先训练的信息识别模型对所述现场拍摄图像进行文本定位,得到所述现场拍摄图像中的目标文字区域;
通过所述预先训练的信息识别模型对所述目标文字区域进行字符识别,得到对应的字符识别结果,作为所述现场拍摄图像的端子信息识别结果。
6.根据权利要求1所述的方法,其特征在于,所述将所述端子排信息识别结果与所述图纸信息识别结果进行对比,得到所述目标回路端子排中每个端子的对比结果,包括:
将所述端子排信息识别结果中的每个端子信息识别结果,与所述图纸信息识别结果中的每个端子信息识别结果进行信息对比,得到所述目标回路端子排中每个端子的对比结果;每个端子信息识别结果至少包括回路号、电缆编号、电缆芯号、端子排编号和端子编号;
所述根据所述对比结果,生成针对所述目标回路端子排的识别结果,包括:
在所述每个端子的信息对比结果均为正确对比结果的情况下,确认针对所述目标回路端子排的识别结果为对比成功;
在至少一个端子的信息对比结果为错误对比结果的情况下,确认针对所述目标回路端子排的识别结果为对比失败。
7.一种回路端子的识别装置,其特征在于,所述装置包括:
信息获取模块,用于获取针对目标回路端子排的现场拍摄图像,以及与所述目标回路端子排对应的原理图纸文件;
信息识别模块,用于将所述现场拍摄图像输入预先训练的信息识别模型,得到所述现场拍摄图像的端子排信息识别结果,以及获取与所述原理图纸文件对应的图纸信息识别结果;
信息对比模块,用于将所述端子排信息识别结果与所述图纸信息识别结果进行对比,得到所述目标回路端子排中每个端子的对比结果;
结果生成模块,用于根据所述对比结果,生成针对所述目标回路端子排的识别结果。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211541542.0A CN115797291B (zh) | 2022-12-01 | 2022-12-01 | 回路端子的识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211541542.0A CN115797291B (zh) | 2022-12-01 | 2022-12-01 | 回路端子的识别方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115797291A true CN115797291A (zh) | 2023-03-14 |
CN115797291B CN115797291B (zh) | 2024-07-23 |
Family
ID=85445161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211541542.0A Active CN115797291B (zh) | 2022-12-01 | 2022-12-01 | 回路端子的识别方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115797291B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188962A (zh) * | 2023-04-27 | 2023-05-30 | 南方电网数字电网研究院有限公司 | 电能计量装置的错误识别方法、装置和计算机设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320287A (zh) * | 2018-03-12 | 2018-07-24 | 国网江苏省电力公司电力科学研究院 | 一种变电站二次***设备屏柜接线自动检查***及方法 |
CN109446689A (zh) * | 2018-11-07 | 2019-03-08 | 国网江苏省电力有限公司电力科学研究院 | 直流换流站二次***图纸识别方法及*** |
CN111563509A (zh) * | 2020-04-30 | 2020-08-21 | 贵州电网有限责任公司 | 一种基于tesseract的变电站端子排识别方法及*** |
CN112633343A (zh) * | 2020-12-16 | 2021-04-09 | 国网江苏省电力有限公司检修分公司 | 一种电力设备端子排接线校核方法及装置 |
CN113255499A (zh) * | 2021-05-18 | 2021-08-13 | 中国能源建设集团安徽省电力设计院有限公司 | 一种变电站电缆二次回路数字化自动建模方法 |
CN113837169A (zh) * | 2021-09-29 | 2021-12-24 | 平安科技(深圳)有限公司 | 文本数据处理方法、装置、计算机设备及存储介质 |
CN114155471A (zh) * | 2021-12-08 | 2022-03-08 | 中国南方电网有限责任公司超高压输电公司广州局 | 设计图纸与实物的核验方法、装置、计算机设备和*** |
-
2022
- 2022-12-01 CN CN202211541542.0A patent/CN115797291B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320287A (zh) * | 2018-03-12 | 2018-07-24 | 国网江苏省电力公司电力科学研究院 | 一种变电站二次***设备屏柜接线自动检查***及方法 |
CN109446689A (zh) * | 2018-11-07 | 2019-03-08 | 国网江苏省电力有限公司电力科学研究院 | 直流换流站二次***图纸识别方法及*** |
CN111563509A (zh) * | 2020-04-30 | 2020-08-21 | 贵州电网有限责任公司 | 一种基于tesseract的变电站端子排识别方法及*** |
CN112633343A (zh) * | 2020-12-16 | 2021-04-09 | 国网江苏省电力有限公司检修分公司 | 一种电力设备端子排接线校核方法及装置 |
CN113255499A (zh) * | 2021-05-18 | 2021-08-13 | 中国能源建设集团安徽省电力设计院有限公司 | 一种变电站电缆二次回路数字化自动建模方法 |
CN113837169A (zh) * | 2021-09-29 | 2021-12-24 | 平安科技(深圳)有限公司 | 文本数据处理方法、装置、计算机设备及存储介质 |
CN114155471A (zh) * | 2021-12-08 | 2022-03-08 | 中国南方电网有限责任公司超高压输电公司广州局 | 设计图纸与实物的核验方法、装置、计算机设备和*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188962A (zh) * | 2023-04-27 | 2023-05-30 | 南方电网数字电网研究院有限公司 | 电能计量装置的错误识别方法、装置和计算机设备 |
CN116188962B (zh) * | 2023-04-27 | 2023-09-19 | 南方电网数字电网研究院有限公司 | 电能计量装置的错误识别方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115797291B (zh) | 2024-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110569721B (zh) | 识别模型训练方法、图像识别方法、装置、设备及介质 | |
CN111680551B (zh) | 监控牲畜数量的方法、装置、计算机设备及存储介质 | |
CN109960742B (zh) | 局部信息的搜索方法及装置 | |
WO2021012382A1 (zh) | 配置聊天机器人的方法、装置、计算机设备和存储介质 | |
US11714921B2 (en) | Image processing method with ash code on local feature vectors, image processing device and storage medium | |
CN111027576B (zh) | 基于协同显著性生成式对抗网络的协同显著性检测方法 | |
CN110807472B (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN115526892B (zh) | 基于三维重建的图像缺陷去重检测方法和装置 | |
CN109325539B (zh) | 绝缘子掉串检测方法及装置 | |
CN114550051A (zh) | 一种车损检测方法、装置、计算机设备及存储介质 | |
CN112232971A (zh) | 反欺诈检测方法、装置、计算机设备和存储介质 | |
CN114241499A (zh) | 表格图片识别方法、装置、设备和可读存储介质 | |
CN112580668A (zh) | 一种背景欺诈检测方法、装置及电子设备 | |
CN111179270A (zh) | 基于注意力机制的图像共分割方法和装置 | |
CN115797291B (zh) | 回路端子的识别方法、装置、计算机设备和存储介质 | |
JP2022185143A (ja) | テキスト検出方法、テキスト認識方法及び装置 | |
CN110135428B (zh) | 图像分割处理方法和装置 | |
CN113157956B (zh) | 图片搜索方法、***、移动终端及存储介质 | |
CN113704276A (zh) | 地图更新方法、装置、电子设备及计算机可读存储介质 | |
CN117095275A (zh) | 一种数据中心资产盘点方法、***、装置及存储介质 | |
CN111222558A (zh) | 图像处理方法及存储介质 | |
CN115272768A (zh) | 内容识别方法、装置、设备、存储介质及计算机程序产品 | |
CN114463764A (zh) | 表格线检测方法、装置、计算机设备和存储介质 | |
CN114155471A (zh) | 设计图纸与实物的核验方法、装置、计算机设备和*** | |
CN117058432B (zh) | 图像查重方法、装置、电子设备及可读存储介质 |
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 |