一种工程图纸文字识别方法与流程

技术特征：
1.一种工程图纸文字识别方法，其特征在于，包括如下步骤：s1、对工程图纸文字区域进行标注，提取图纸内的文字区域；s2、利用dsa算法对提取的文字区域制作数据集，并利用训练centernet模型识别工程图纸的表格和文字区域图像；s3、利用opencv算法识别对步骤s2中的文字区域图像进行识别，提取其中的文字；s4、构建工程领域词典，利用所构建的词典判断步骤s3所识别的文字，并将识别信息填充值工程信息表直至所识别的文字全部被识别。2.根据权利要求1所述的一种工程图纸文字识别方法，其特征在于，所述s2中利用训练centernet模型识别工程图纸的表格和文字区域图像的具体方式为：s21、设置centernet模型参数；s22、计算数据集的均值和方差。3.根据权利要求2所述的一种工程图纸文字识别方法，其特征在于，所述s21中centernet模型参数具体为：根据文字区域的检测目标，设置centernet模型的类别数为2；根据工程图纸扫描件的像素，将centernet模型的resolution参数设置为(512,512)。4.根据权利要求2所述的一种工程图纸文字识别方法，其特征在于，所述数据集的均值计算方式为：x’＝sum(x)/n，其中，x’为均值，x为数据集中所有图片都像素值，n为数据集中所有图片都像素总数。5.根据权利要求2所述的一种工程图纸文字识别方法，其特征在于，所述方差的计算方式为：6.根据权利要求1所述的一种工程图纸文字识别方法，其特征在于，所述s3具体方式为：s31、利用opencv的cv2.getstructuringelement模块，对表格和文字区域图像进行线条检测，经过横线提取和竖线提取后得到包含文字的表格边框图像g1；s32、利用opencv的图像擦除模块cv2.erode，擦除g1中无意义的线条，得到g2；s33、利用opencv的轮廓检测模块cv2.findcontours，检测g1中的表格的所有单元格，得到所有单元格的坐标集合；s34、利用单元格坐标集合对g2进行图像切分，得到每一个单元格图像集g3＝{g
i
|i＝1,2,3
…
n}其中，g
i
为第i个单元格图像，i为单元格图像的索引；利用训练好的centernet模型，可以得到工程图纸的表格和文字区域图像，记为g。7.根据权利要求1或6任一项所述的一种工程图纸文字识别方法，其特征在于，所述s4中利用所构建的词典判断步骤s3所识别的文字具体方式为：判断g
i
中的文字为键属性或值属性：若是键属性，则将其填入工程信息表的关键字列；若是值属性，则将其填入工程信息表中对应的值列。

技术总结
本发明公开了一种工程图纸文字识别方法，先制作图纸内文字区域的标注数据集，利用深度学习可以更好的提取图像特征的优越性，训练深度学习的CenterNet模型用以识别文字区域，然后利用OpenCV技术能够对图像的纹理特征更敏感，更容易检测并排除表格线条干扰的有点，使用OpenCV技术中的线条检测和轮廓检测技术，对文字区域进行剪裁，最后利用OCR技术对剪裁后的区域进行文字识别，解决现有的工程图纸文字识别标注数据集难获取；工程图纸因为文字与表格嵌套、文字信息排版混乱等原因，导致识别有语义意义的字词困难的问题，能够有效自动识别工程图纸中工程名称、施工单位等关键文字。施工单位等关键文字。施工单位等关键文字。


技术研发人员：覃晓 施宇 廖显幸 文宏凤 周卫江 许桓韶 彭宏辉 农忠霖 李军
受保护的技术使用者：广西桂能软件有限公司
技术研发日：2022.01.11
技术公布日：2022/4/22