端子排图纸短连片图元的识别方法、设备及存储介质

  (19)国家知识产权局(12)发明专利申请(10)申请公布号(43)申请公布日(21)申请号5.7(22)申请日2022.09.27(71)申请人东南大学地址210096江苏省南京市玄武区新街口街道四牌楼2号申请人国网经济技术研究院有限公司国网河北省电力有限公司电力科学研究院(72)发明人(74)专利代理机构北京同辉知识产权代理事务所(普通合伙)11357专利代理师(51)Int.Cl.G06V30/412(2022.01)G06V30/414(2022.01)G06V30/413(2022.01)G06V30/19(2022.01)G06N3/04(2023.01)G06N3/08(2023.01)(54)发明名称端子排图纸短连片图元的识别方法、设备及存储介质(57)摘要本发明提供端子排图纸短连片图元的识别方法、设备及存储介质，涉及电网自动化系统应用领域。该端子排图纸短连片图元的识别方法，识别端子排图纸中端子排区域；将含有两个及以上端子排区域进行分割；将分割后的端子排区域分离成端子排表格区域及端子排连接线区域；对端子排表格区域进行表格行列关系的识别及输出；将端子排表格每十行进行一次切割；将切割后的每十行端子排表格图作为训练集，将短连片分成head、body、tail三部分，并以此为训练集标签，对dlp‑yolov5模型进行训练；解决了现有方法对图元形态要求比较高，稍有像素变动便很难识别正确，不具有鲁棒性。且针对短连片这种形态多变的小目标图元识别目前尚未有较好的解决办法的问题。权利要求书2页说明书9页附图9页CN1159950861.一种端子排图纸短连片图元的识别方法，其特征是，所描述的方法包括以下步骤：S1：识别端子排图纸中端子排区域；S2：将含有两个及以上端子排区域进行分割；S3：将分割后的端子排区域分离成端子排表格区域及端子排连接线：对端子排表格区域进行表格行列关系的识别及输出；S5：将端子排表格每十行进行一次切割；S6：将切割后的每十行端子排表格图作为训练集，将短连片分成head、body、tail三部分，并以此为训练集标签，对dlp‑yolov5模型进行训练；S7：将切割后的每十行端子排表格图作为输入，送入dlp‑yolov5模型进行预测，得出head、body、tail的相对于切割图的坐标信息；S8：对head、body、tail的相对于切割图的坐标信息进行4次坐标还原，然后将head，body，tail恢复成完整的短连片，输出端子排图纸中短连片的坐标信息。2.根据权利要求1所述的一种端子排图纸短连片图元的识别方法，其特征在于：所述识别端子排图纸中端子排区域中的第一训练集为电气厂站端子排图纸，标签为以矩形框标记的端子排区域，所述端子排区域包含不止一个端子排，将所述第一训练集送入yolov5网络进行训练，得到part‑yolov5算法。3.根据权利要求2所述的一种端子排图纸短连片图元的识别方法，其特征在于：所述将含有两个及以上端子排区域进行分割中的第二训练集为所述步骤S1中识别的端子排区域，标签为用不规则曲线标记的端子排，将所述第二训练集送入yolact网络进行训练，得到仅包含一个连通区域的不规则边缘端子排，通过opencv添加白色像素扩充为矩形。4.根据权利要求3所述的一种端子排图纸短连片图元的识别方法，其特征在于：所述将分割后的端子排区域分离成端子排表格区域及端子排连接线区域中的第三训练集为所述步骤S2中扩充为矩形的端子排，标签为矩形标注的端子排表格及连接线，将所述第三训练集送入yolov5网络进行训练，得到table_line‑yolov5算法，所述table_line‑yolov5算法用于正确识别出端子排表格区域及连接线所述的一种端子排图纸短连片图元的识别方法，其特征在于：所述将端子排表格每十行进行一次切割具体为：设计滑动切割的算法，依据所述步骤S4中得到的行列关系，对步骤S3中识别出的端子排表格进行每十行滑动切割。6.根据权利要求1所述的一种端子排图纸短连片图元的识别方法，其特征在于：所述步骤S8具体为：首先对步骤S7得出的识别结果进行坐标还原，第一层还原到table_line‑yolov5算法识别的端子排表格中，得到head，body，tail相对该图的坐标信息；第二层还原到yolact实力分割算法得到的端子排图中，得到head，body，tail相对该图的坐标信息；第三层还原到part‑yolov5算法识别的端子排区域中，得到head，body，tail相对该图的坐标信息；第四层还原到端子排图纸中，得到head，body，tail的绝对坐标信息；然后对head，body，tail三类进行恢复，得到端子排图纸中完整短连片的坐标信息。7.一种设备，其特征在于，所述设备包括：一个或多个处理器；CN115995086存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1‑6中任意一项所述的一种端子排图纸短连片图元的识别方法。8.一种存储有计算机程序的计算机可读存储介质，其特征在于，该程序被处理器执行时实现如权利要求1‑6中任意一项所述的一种端子排图纸短连片图元的识别方法。CN115995086端子排图纸短连片图元的识别方法、设备及存储介质技术领域[0001]本发明涉及电网自动化系统应用技术领域，具体为端子排图纸短连片图元的识别方法、设备及存储介质。背景技术[0002]电气厂站接线图纸作为发电厂、变电站施工布局，维护扩建的重要工程依据，是电力企业的极具价值的文档资产。传统纸质厂站接线图的维护、修改和更新工作主要依靠现场电力调度人员的自身经验。在数字信息环境下，大数据分析和计算机图像处理技术对传统图纸档案管理模式提出了新的思路：图纸数字化。工程图纸检测识别的传统方法大多是基于矢量数据格式数据集实现，采用细化、轮廓匹配、零接图、Hough(霍夫)变换、正交方向搜索等矢量化算法识别出图形中的几何基元，再根据几何约束和拓扑关系构建元素识别。但是图纸矢量化技术在处理噪声像素、曲线图像识别方面有较大局限性，提取特征的鲁棒性较差且很难表示各个矢量之间的拓扑关系。因此，传统的图纸矢量化识别技术难以适用于图像分辨率较高、目标图元多为小目标、图元形态多样化的电气厂站端子排接线]当前对图纸图元符号的检测多使用模板匹配法，但是该方法对图元形态要求较高，稍有像素变动便很难识别正确，不具有鲁棒性。且针对短连片这种形态多变的小目标图元识别目前尚未有较好的解决方法。发明内容[0004](一)解决的技术问题[0005]针对现有技术的不足，本发明提供了端子排图纸短连片图元的识别方法、设备及存储介质，解决了现有方法对图元形态要求较高，稍有像素变动便很难识别正确，不具有鲁棒性。且针对短连片这种形态多变的小目标图元识别目前尚未有较好的解决方法的问题。 [0006] (二)技术方案 [0007] 为实现以上目的，本发明通过以下技术方案予以实现：一种端子排图纸短连片图 元的识别方法，所述方法有以下步骤： [0008] S1：识别端子排图纸中端子排区域； [0009] S2：将含有两个及以上端子排区域进行分割； [0010] S3：将分割后的端子排区域分离成端子排表格区域及端子排连接线：对端子排表格区域进行表格行列关系的识别及输出； [0012] S5：将端子排表格每十行进行一次切割； [0013] S6：将切割后的每十行端子排表格图作为训练集，将短连片分成head、body、tail 三部分，并以此为训练集标签，对dlp‑yolov5模型进行训练； [0014] S7：将切割后的每十行端子排表格图作为输入，送入dlp‑yolov5模型进行预测，得 出head、body、tail的相对于切割图的坐标信息； [0015] S8：对head、body、tail的相对于切割图的坐标信息进行4次坐标还原，然后将 CN115995086 head，body，tail恢复成完整的短连片，输出端子排图纸中短连片的坐标信息。[0016] 优选的，所述识别端子排图纸中端子排区域中的第一训练集为电气厂站端子排图 纸，标签为以矩形框标记的端子排区域，所述端子排区域包含不止一个端子排，将所述第一 训练集送入yolov5网络进行训练，得到part‑yolov5算法。 [0017] 优选的，所述将含有两个及以上端子排区域进行分割中的第二训练集为所述步骤 S1中识别的端子排区域，标签为用不规则曲线标记的端子排，将所述第二训练集送入 yolact网络进行训练，得到仅包含一个连通区域的不规则边缘端子排，通过opencv添加白 色像素扩充为矩形。 [0018] 优选的，所述将分割后的端子排区域分离成端子排表格区域及端子排连接线区域 中的第三训练集为所述步骤S2中扩充为矩形的端子排，标签为矩形标注的端子排表格及连 接线，将所述第三训练集送入yolov5网络进行训练，得到table_line‑yolov5算法，所述 table_line‑yolov5算法用于正确识别出端子排表格区域及连接线] 优选的，所述将端子排表格每十行进行一次切割具体为： [0020] 设计滑动切割的算法，依据所述步骤S4中得到的行列关系，对步骤S3中识别出的 端子排表格进行每十行滑动切割。 [0021] 优选的，所述步骤S8具体为： [0022] 首先对步骤S7得出的识别结果进行坐标还原，第一层还原到table_line‑yolov5 算法识别的端子排表格中，得到head，body，tail相对该图的坐标信息；第二层还原到 yolact实力分割算法得到的端子排图中，得到head，body，tail相对该图的坐标信息；第三 层还原到part‑yolov5算法识别的端子排区域中，得到head，body，tail相对该图的坐标信 息；第四层还原到端子排图纸中，得到head，body，tail的绝对坐标信息；然后对head，body， tail三类进行恢复，得到端子排图纸中完整短连片的坐标信息。 [0023] 再一方面，提供了一种电气厂站，使用所述的一种端子排图纸短连片图元的识别 方法进行端子排图纸短连片图元的识别。 [0024] 又一方面，提供了一种设备，所述设备包括： [0025] 一个或多个处理器； [0026] 存储器，用于存储一个或多个程序， [0027] 当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处 理器执行所述的一种端子排图纸短连片图元的识别方法。 [0028] 又一方面，提供了一种存储有计算机程序的计算机可读存储介质，其特征是，该 程序被处理器执行时实现所述的一种端子排图纸短连片图元的识别方法。 [0029] (三)有益效果 [0030] 本发明端子排图纸短连片图元的识别方法、设备及存储介质，首先，通过yolov5‑ yolact‑yolov5三层深度学习算法，实现端子排图纸中端子排表格的检测提取；其次，通过 opencv图像识别算法，实现端子排表格行列关系的判断输出；接着，通过对端子排表格进行 按行滑动窗口切割，实现小目标检测至大目标检测的转换；然后，将短连片划分为head， body，tail三部分，实现短连片特征抽象，解决目标形态多样化问题；最后，通过yolov5目标 检测算法、坐标还原及短连片形态恢复，正确输出短连片在端子排图纸中的位置及坐标信 息。本发明优化电气图纸中小目标图元识别问题，同时突破目标检测算法对形态多样化目 CN115995086 标识别的技术瓶颈，能轻松实现电气厂站端子排图纸的短连片图元识别及定位，为电气厂站数字化提供技术支撑。 附图说明 [0031] 图1为本发明识别方法流程图；