一种基于深度学习的电气专业照明平面图内的构件识别方法与流程

1.本发明属于电气设计技术领域，具体为一种基于深度学习的电气专业照明平面图内的构件识别方法。


背景技术：

2.电气是电能的生产、传输、分配、使用和电工装备制造等学科或工程领域的统称；是以电能、电气设备和电气技术为手段来创造、维持与改善限定空间和环境的一门科学，涵盖电能的转换、利用和研究三方面，包括基础理论、应用技术、设施设备等；电气工程是现代科技领域中的核心学科之一，更是当今高新技术领域中不可或缺少的关键学科；正是电子技术的巨大进步才推动了以计算机网络为基础的信息时代的到来，并将改变人类的生活、工作模式；电气工程的发展前景同样很有潜力，使得当今的学生就业比率一直很高。
3.现有的电气专业照明平面图空间内构件的识别，主要是基于构件图元所在的图层；比如照明设备灯构件所在的图层可能是：“equip灯”，“light”等，但由于设计不规范，一些构件所在的图层并不能准确的表征构件的种类；而且电气专业的构件图层都很相似，很难通过图层精准区别每个构件的种类。
4.为了解决上述问题，本技术提出了一种基于深度学习的电气专业照明平面图内的构件识别方法。


技术实现要素：

5.本发明的目的在于提供一种基于深度学习的电气专业照明平面图内的构件识别方法，具有精准识别以及便于审查的优点。
6.为了实现上述目的，本发明提供如下技术方案：一种基于深度学习的电气专业照明平面图内的构件识别方法，基于深度学习的电气专业照明平面图内的构件识别包括以下步骤：
7.s1、准备二百张待处理的电气照明平面图；
8.s2、对图纸依次进行解析，并获取一系列相应的图元；
9.s3、将获取到的图元进行合并，最后得到每个构件的轮廓；
10.s4、通过轮廓可以获取到所有的封闭空间，然后将所有的墙柱图层画到全黑底图上，再用合并好的门窗构件找到安装门窗的短墙，然后连接短墙线，从而封闭所有的空间，然后用图像处理的方法找到每个小空间，再为每个小空间匹配空间文本，即可得到每个空间及其名称，从而完成空间分割；
11.s5、根据正则匹配，可以得到所有代表空间名称的文本；
12.s6、利用opencv做掩膜抠出所需要的每个空间小图；
13.s7、整理每张图抠出来的所有套内空间的小图，再把属于套内空间比如客厅，卧室等的小图放入一个数据集中，通过将属于套内空间的小图放置于同一个数据集内，可以提高大量数据小图的规则性，进而便于后期操作人员及时准确的找到相应的数据图元，从而
避免因杂乱而难以找到相应图元的情况，从而确保通过解析获取到的每一个图元均能够随时便于操作人员取用；
14.s8、对每张小图里的电气照明构件做标注，比如客厅里标注出普通灯，应急照明灯以及手动报警按钮等，通过做出的标记，不仅可以便于后期系统自动对各个不同的区域进行分类识别，同时通过不同的标记也可以便于后期施工人员查看并理解图纸，从而提高图纸的可辨识性；
15.s9、把标注好的属于套内空间的小图输入到卷积神经网络模型，针对照明平面图的套内空间训练出效果良好的检测模型，则该模型可以快速高效的检测到特定空间中所具有的构件。
16.作为本发明的一种优选技术方案，s2中图元指的是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，圆以及圆弧等，这些基础元素组成一个个有实际意义的构件，如楼梯和空调等，因此获取图元可以更加方便快捷地对图纸进行解析。
17.作为本发明的一种优选技术方案，s3中具体构件的合并方式是将每个图层的所有图元画到一个全黑的底图上，再通过图像像素相交以及一些特殊模式的匹配，最后即可将属于每个构件的图元进行合并，这样将属于某一个构建的所有图元进行合并处理，可以便于后期对图元进行分类处理，从而便于对每个构建进行解析处理。
18.作为本发明的一种优选技术方案，正则表达式是对字符串操作的一种逻辑公式，即用事先定义好的一些特定字符以及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑，正则表达式是用来匹配字符串非常强大的工具，在其他编程语言中同样有正则表达式的概念，python同样不例外，利用了正则表达式，我们想要从返回的页面内容提取出我们想要的内容就易如反掌了。
19.作为本发明的一种优选技术方案，正则表达式的大致匹配过程是包括：
20.①
.依次拿出表达式和文本中的字符进行比较；
21.②
.如果每一个字符都能匹配，则匹配成功；否则即失败；
22.③
.如果表达式中有量词或边界，则过程中会出现不同，即python的re 模块提供各种正则表达式的匹配操作。
23.作为本发明的一种优选技术方案，将s9中的模型部署到具体项目中包括以下步骤：
24.⑴
.将训练好的检测模型部署到具体项目中，所述检测模型为轻量级检测模型retinanet；
25.⑵
.前期由于数据量等原因，模型效果不够高，可以把图层分类方式和目标检测方式相结合，分别给予各自的权重，然后根据具体效果，再调整权重大小即可。
26.本发明的有益效果如下：
27.1、本发明通过运用深度神经网络模型解决了cad建筑设计图纸中构件的精准识别问题；而通过对图纸的解析、图元的合并、空间的分割、小图的分类、构件的标注以及模型的检测，则进一步提高了后期对图纸中构建的精准是被效果，从而减少了构件识别对图层的过度依赖；为后续规范设计以及构件的规则审查奠定了更好的基础。
具体实施方式
28.下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
29.本发明实施例中，一种基于深度学习的电气专业照明平面图内的构件识别方法，基于深度学习的电气专业照明平面图内的构件识别包括以下步骤：
30.s1、准备二百张待处理的电气照明平面图；
31.s2、对图纸依次进行解析，并获取一系列相应的图元；
32.s3、将获取到的图元进行合并，最后得到每个构件的轮廓；
33.s4、通过轮廓可以获取到所有的封闭空间，然后将所有的墙柱图层画到全黑底图上，再用合并好的门窗构件找到安装门窗的短墙，然后连接短墙线，从而封闭所有的空间，然后用图像处理的方法找到每个小空间，再为每个小空间匹配空间文本，即可得到每个空间及其名称，从而完成空间分割；
34.s5、根据正则匹配，可以得到所有代表空间名称的文本；
35.s6、利用opencv做掩膜抠出所需要的每个空间小图；
36.s7、整理每张图抠出来的所有套内空间的小图，再把属于套内空间比如客厅，卧室等的小图放入一个数据集中，通过将属于套内空间的小图放置于同一个数据集内，可以提高大量数据小图的规则性，进而便于后期操作人员及时准确的找到相应的数据图元，从而避免因杂乱而难以找到相应图元的情况，从而确保通过解析获取到的每一个图元均能够随时便于操作人员取用；
37.s8、对每张小图里的电气照明构件做标注，比如客厅里标注出普通灯，应急照明灯以及手动报警按钮等，通过做出的标记，不仅可以便于后期系统自动对各个不同的区域进行分类识别，同时通过不同的标记也可以便于后期施工人员查看并理解图纸，从而提高图纸的可辨识性；
38.s9、把标注好的属于套内空间的小图输入到卷积神经网络模型，针对照明平面图的套内空间训练出效果良好的检测模型，则该模型可以快速高效的检测到特定空间中所具有的构件。
39.其中，s2中图元指的是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，圆以及圆弧等，这些基础元素组成一个个有实际意义的构件，如楼梯和空调等，因此获取图元可以更加方便快捷地对图纸进行解析。
40.其中，s3中具体构件的合并方式是将每个图层的所有图元画到一个全黑的底图上，再通过图像像素相交以及一些特殊模式的匹配，最后即可将属于每个构件的图元进行合并，这样将属于某一个构建的所有图元进行合并处理，可以便于后期对图元进行分类处理，从而便于对每个构建进行解析处理。
41.其中，正则表达式是对字符串操作的一种逻辑公式，即用事先定义好的一些特定字符以及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑，正则表达式是用来匹配字符串非常强大的工具，在其他编程语言中同样有正则表达式的概念，python同样不例外，利用了正则表达式，我们想要从返回的页面
内容提取出我们想要的内容就易如反掌了。
42.其中，正则表达式的大致匹配过程是包括：
43.①
.依次拿出表达式和文本中的字符进行比较；
44.②
.如果每一个字符都能匹配，则匹配成功；否则即失败；
45.③
.如果表达式中有量词或边界，则过程中会出现不同，即python的re 模块提供各种正则表达式的匹配操作。
46.其中，将s9中的模型部署到具体项目中包括以下步骤：
47.⑴
.将训练好的检测模型部署到具体项目中，所述检测模型为轻量级检测模型retinanet；
48.⑵
.前期由于数据量等原因，模型效果不够高，可以把图层分类方式和目标检测方式相结合，分别给予各自的权重，然后根据具体效果，再调整权重大小即可。
49.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
50.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。