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

技术特征：
1.一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，其特征在于：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：s1、准备二百张待处理的电气照明平面图；s2、对图纸依次进行解析，并获取一系列相应的图元；s3、将获取到的图元进行合并，最后得到每个构件的轮廓；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；s5、根据正则匹配，可以得到所有代表空间名称的文本；s6、利用opencv做掩膜抠出所需要的每个空间小图；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；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；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。2.根据权利要求1所述的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，其特征在于：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。3.根据权利要求1所述的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，其特征在于：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。4.根据权利要求1所述的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，其特征在于：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。5.根据权利要求1所述的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，其特征在于：正则表达式的大致匹配过程是包括：
①
.依次拿出表达式和文本中的字符进行比较；
②
.如果每一个字符都能匹配，则匹配成功；否则即失败；
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。6.根据权利要求1所述的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，其特征在于：将s9中的模型部署到具体项目中包括以下步骤：
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；
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。

技术总结
本发明属于电气设计技术领域，且公开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：S1、准备二百张待处理的电气照明平面图；S2、对图纸依次进行解析，并获取一系列相应的图元；S3、将获取到的图元进行合并，最后得到每个构件的轮廓。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。的规则审查奠定了更好的基础。


技术研发人员：吕琨 李一帆
受保护的技术使用者：上海品览数据科技有限公司
技术研发日：2021.10.27
技术公布日：2022/2/6