一种基于多源自动化预训练的煤矿图纸智能识别方法与流程

本发明涉及煤矿工程图纸识别，具体涉及一种基于多源自动化预训练的煤矿图纸智能识别方法。

背景技术：

1、在矿山安全生产信息化领域，煤矿图纸智能识别与分析技术已成为支撑多类业务的核心技术手段。在煤矿安全监管场景中，监管平台依托该技术对矿山上报的采掘工程平面图及各类专业布置图开展自动合规性审查，快速识别安全隐患并生成标准化审查报告；在矿山地测信息系统中，可自动提取矿图内巷道、工作面、采空区、安全测点等核心要素，转化为结构化gis数据直接供系统调用；在矿山企业内部管理中，能够定期自动分析更新的矿图，追踪隐患整改进度，推动安全管理从事后检查向事前预判升级。

2、当前该领域主流技术路线以多模态视觉-语言大模型为基座，通过样本库构建、人工标注、模型预训练、微调、部署、反馈优化的迭代闭环实现识别能力的持续提升。但现有技术方案在煤矿场景落地时存在难以突破的技术瓶颈。采掘工程平面图通常叠加巷道、地质构造、机电设备、管路系统等近二十层全要素内容，图层信息混杂导致直接采用ai模型识别的准确率仅约40%-50%，无法达到工程实用的精度门槛。同时煤矿行业缺乏统一制图标准，不同矿井的图例符号、颜色线型、标注格式差异显著，针对单一矿井训练的模型跨矿应用时域偏移问题突出，泛用性极差；此外矿图标注高度依赖人工，单张图纸标注耗时可达数小时，全国数千处煤矿的海量图纸使得通用样本库构建不具可行性，既形成“标注-训练”的死循环，也无法满足图纸上报即审的实时性要求。

技术实现思路

1、为解决现有技术中的问题，本发明提供一种基于多源自动化预训练的煤矿图纸智能识别方法。

2、本发明提供的一种基于多源自动化预训练的煤矿图纸智能识别方法，包括如下步骤：

3、步骤s1，接收包含多张煤矿图纸的矢量文件包，自动识别区分采掘工程平面图与各类专业布置图；

4、步骤s2，对煤矿图纸矢量文件自动定位图例区域，解析得到各图例对应的符号图形单元与文字说明单元，以文字说明为标签、符号图形单元为样本，自动构建安全测点符号样本库；以预训练视觉检测模型为基座，利用所述安全测点符号样本库进行领域适配微调，得到安全测点识别模型；

5、步骤s3，对分类得到的图层洁净的专业布置图执行图元识别，提取空间结构图元并裁切生成标准化训练样本；

6、步骤s4，向所述标准化训练样本中叠加采掘工程平面图的非目标图层干扰元素，模拟多图层叠加的高噪声环境执行增强训练，得到空间结构识别模型；

7、步骤s5，利用所述空间结构识别模型对采掘工程平面图进行空间结构图元识别，输出空间结构类识别结果；同时利用所述安全测点识别模型对采掘工程平面图进行安全测点识别，输出安全测点类识别结果。

8、本发明作进一步改进，在所述步骤s2中，通过关键词匹配定位图例区域，所述关键词包括图例、符号、传感器、注记说明；

9、解析得到的符号图形单元导出为不低于600dpi的图像格式，用于构建样本库。

10、本发明作进一步改进，在所述步骤s2中，当处理不同煤矿的图纸时，通过像素几何形状相似度判断当前图纸图例与已有样本库的差异程度；

11、若相似度满足预设阈值，则直接复用现有安全测点识别模型；

12、若不满足，则回退至预训练视觉检测模型基座重新执行微调，形成自适应微调流水线。

13、本发明作进一步改进，在所述步骤s5中，得到安全测点类识别结果后，通过gis空间邻近性分析算法将各安全测点与对应的文字标注进行自动匹配关联。

14、本发明作进一步改进，专业布置图包括人员定位布置图、机电设备布置图、通风系统图、安全监控系统布置图、防尘管路布置图、压风自救系统布置图、井下排水系统布置图、避灾路线图中的一种或多种。

15、本发明作进一步改进，在所述步骤s4中，所述非目标图层干扰元素包括等高线、钻孔符号、文字注记中的一种或多种，用于模拟采掘工程平面图多图层叠加的高噪声干扰环境。

16、本发明作进一步改进，空间结构类识别结果包括巷道系统及拓扑连接关系、采掘工作面、采空区、积水区、保护煤柱、密闭墙中的一种或多种。

17、本发明作进一步改进，在所述步骤s5之后还包括：将空间结构类识别结果与安全测点类识别结果在统一gis坐标系下进行坐标匹配与数据融合，生成包含拓扑属性与要素属性的数字化矿图模型。

18、本发明作进一步改进，将所述数字化矿图模型输入预设的安全隐患规则知识库，通过推理引擎执行空间几何计算与合规性校验，输出结构化的安全隐患分析报告。

19、本发明作进一步改进，所述安全隐患规则知识库的规则来源于行业标准，涵盖巷道间距不足、采掘接续紊乱、巷道构造异常、报废巷道未封闭、安全测点布设不合规五大类隐患类型；所述安全隐患分析报告包含隐患类型、隐患等级、位置信息、规程依据及整改建议。

20、与现有技术相比，本发明的有益效果是：本发明提供一种基于多源自动化预训练的煤矿图纸智能识别方法，解决现有采掘工程平面图全要素叠加导致直接ai识别准确率低，无法满足工程实用要求，同时将行业无统一制图标准、人工标注成本高、跨矿域偏移严重的问题，具体有益效果如下：

21、1、彻底消除人工标注瓶颈，实现零人工样本构建。本发明通过图例驱动的矢量自动解析机制，直接从cad矢量图纸中提取符号与对应标签，自动构建安全测点样本库，全程无需人工标注，破解了煤矿行业“标注成本高、通用样本库无法建立”的死循环，大幅降低模型落地的人力与时间成本。

22、2、识别精度实现跨越式提升，达到工程实用标准。本发明利用煤矿图纸“专业图洁净、综合图复杂”的天然分层特征，采用“专业图一级识别取样本-混合噪声增强训练-综合图二级识别”的分级策略，将采掘工程平面图空间结构图元的识别准确率从约45%提升至95%以上，安全测点识别准确率不低于98%，满足安全生产审查的工程实用门槛。

23、3、自适应解决跨矿域偏移难题，泛用性强。本发明内置图例差异自适应机制，通过几何相似度判断动态决策模型复用或重新微调，无需针对每个煤矿单独训练模型；批量测试中可自动对不同制图风格的煤矿进行聚类，以极少的微调次数覆盖多矿识别需求，适配行业无统一制图标准的现状。

24、4、全流程自动化运行，满足实时审查需求。本发明从图纸输入到识别结果输出全程自动执行，单张图纸全流程处理仅需3-4分钟，搭配规则知识库后可直接生成隐患分析报告，较传统人工审查效率提升约100倍，能够支撑“图纸上报即审”的监管场景需求。

25、5、架构兼容度高，支持多场景落地。本方法支持降级识别模式，无配套专业布置图时仍可达到85%-90%的识别准确率；识别结果可输出为标准化gis数据格式，可直接对接地测信息系统、安全监管平台等多类业务系统，同时支持预测性安全分析，应用场景灵活。

1.一种基于多源自动化预训练的煤矿图纸智能识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于多源自动化预训练的煤矿图纸智能识别方法，其特征在于：在所述步骤s2中，通过关键词匹配定位图例区域，所述关键词包括图例、符号、传感器、注记说明；

3.根据权利要求1所述的基于多源自动化预训练的煤矿图纸智能识别方法，其特征在于：在所述步骤s2中，当处理不同煤矿的图纸时，通过像素几何形状相似度判断当前图纸图例与已有样本库的差异程度；

4.根据权利要求1所述的基于多源自动化预训练的煤矿图纸智能识别方法，其特征在于：在所述步骤s5中，得到安全测点类识别结果后，通过gis空间邻近性分析算法将各安全测点与对应的文字标注进行自动匹配关联。

5.根据权利要求1所述的基于多源自动化预训练的煤矿图纸智能识别方法，其特征在于：所述专业布置图包括人员定位布置图、机电设备布置图、通风系统图、安全监控系统布置图、防尘管路布置图、压风自救系统布置图、井下排水系统布置图、避灾路线图中的一种或多种。

6.根据权利要求1所述的基于多源自动化预训练的煤矿图纸智能识别方法，其特征在于：在所述步骤s4中，所述非目标图层干扰元素包括等高线、钻孔符号、文字注记中的一种或多种，用于模拟采掘工程平面图多图层叠加的高噪声干扰环境。

7.根据权利要求1所述的基于多源自动化预训练的煤矿图纸智能识别方法，其特征在于：所述空间结构类识别结果包括巷道系统及拓扑连接关系、采掘工作面、采空区、积水区、保护煤柱、密闭墙中的一种或多种。

8.根据权利要求1所述的基于多源自动化预训练的煤矿图纸智能识别方法，其特征在于，在所述步骤s5之后还包括：将空间结构类识别结果与安全测点类识别结果在统一gis坐标系下进行坐标匹配与数据融合，生成包含拓扑属性与要素属性的数字化矿图模型。

9.根据权利要求1所述的基于多源自动化预训练的煤矿图纸智能识别方法，其特征在于：将所述数字化矿图模型输入预设的安全隐患规则知识库，通过推理引擎执行空间几何计算与合规性校验，输出结构化的安全隐患分析报告。

10.根据权利要求1-9任一项所述的基于多源自动化预训练的煤矿图纸智能识别方法，其特征在于：所述安全隐患规则知识库的规则来源于行业标准，涵盖巷道间距不足、采掘接续紊乱、巷道构造异常、报废巷道未封闭、安全测点布设不合规五大类隐患类型；所述安全隐患分析报告包含隐患类型、隐患等级、位置信息、规程依据及整改建议。