一种核电流程图自动绘制方法和系统与流程

1.本发明涉及核电设备管理、运行、维修技术领域，尤其涉及一种核电流程图自动绘制方法和系统。


背景技术：

2.核电站系统流程图(system flow diagrams)是详细的工艺系统流程示意图，显示执行系统功能所需的主要设备和辅助机械部件，并说明这些设备和部件之间的联系，流程图是了解工艺流程、主要控制回路的重要途径，是设备管理、运行、维修等部门进行现场活动的重要依据，是设备隔离、设备可靠性分析、设备维修、工艺分析、制定解决方案的重要工作文件。
3.目前流程图以非结构化的dwg、pdf电子文件形态，或纸质方式存储，无法快速查询和关联业务属性数据。对图纸进行数字化重建可以解决，但人工数字化重建的过程中，需要大量绘制时间，平均单张图纸绘制需要5人天，已成为制约图纸数字化进程的重要因素。


技术实现要素：

4.本发明要解决的技术问题在于，针对现上述背景技术中提及的相关技术存在的至少一个缺陷：人工构建核电结构化的流程图所需花大量的时间，提供一种核电流程图自动绘制方法和系统。
5.本发明解决其技术问题所采用的技术方案是：提供一种核电流程图自动绘制方法，包括以下步骤：
6.s1：加载图纸文件设置为底图；
7.s2：在所述底图上创建结构化的新图层并将所述新图层设置相关透明度；
8.s3：对所述底图中的图形进行扫描；
9.s4：将扫描的所述图形自动输入至所述新图层的对应位置中；
10.s5：保存所述新图层和移除所述底图，并根据所述新图层对应记录所述图形的信息。
11.优选地，在本发明所述的核电流程图自动绘制方法中，步骤s3包括：
12.基于深度学习的图形图案文字检测方法对所述底图的图形进行匹配扫描。
13.优选地，在本发明所述的核电流程图自动绘制方法中，所述深度学习的图形图案文字检测方法，包括：
14.收集相关样例图纸，抽取所述样例图纸进行人工标记，标记包括：版面、图例、文字和连接线；
15.对所述样例图纸进行人工标记，标记出期望的结果；
16.使用所述标记的数据对所述深度学习模型进行训练和学习；
17.对训练结果进行数据检验；
18.将训练完成的所述深度学习模型部署在识别引擎内，构建完成所述检测方法。
19.优选地，在本发明所述的核电流程图自动绘制方法中，所述对训练结果进行数据检验，包括：
20.判断因所述样例图纸不足导致准确率不够时，则返回收集所述样例图纸操作进行补充；
21.判断因所述标记错误导致准确率不够时，则返回所述标记流程中，对所述标记数据进行检查修改；
22.识别因所述深度学习设计出现问题时，则返回设计所述深度学习模型训练进行修改。
23.优选地，在本发明所述的核电流程图自动绘制方法中，所述记录所述图形的信息，包括：
24.记录所述图形的坐标和唯一身份标识号信息。
25.本发明还构造了一种核电流程图自动绘制系统，包括：
26.加载模块，用于加载图纸文件设置为底图；
27.创建模块，用于在所述底图上创建结构化的新图层并将所述新图层设置相关透明度；
28.扫描模块，用于对所述底图中的图形进行扫描；
29.输入模块，用于将扫描的所述图形自动输入至所述新图层的对应位置中；
30.保存模块，用于保存所述新图层和移除所述底图，并根据所述新图层对应记录所述图形的信息。
31.优选地，在本发明所述的核电流程图自动绘制系统中，所述扫描模块进一步用于：
32.基于深度学习的图形图案文字检测方法对所述底图的图形进行匹配扫描。
33.优选地，在本发明所述的核电流程图自动绘制系统中，所述深度学习的图形图案文字检测方法，包括：
34.收集相关样例图纸，抽取所述样例图纸进行人工标记，标记包括：版面、图例、文字和连接线；
35.对所述样例图纸进行人工标记，标记出期望的结果；
36.根据所述样例图纸中存在的特征设计深度学习模型；
37.使用所述标记的数据对所述深度学习模型进行训练和学习；
38.对训练结果进行数据检验；
39.将训练完成的所述深度学习模型部署在识别引擎内，构建完成所述检测方法。
40.优选地，在本发明所述的核电流程图自动绘制系统中，所述对训练结果进行数据检验，包括：
41.判断因所述样例图纸不足导致准确率不够时，则返回收集所述样例图纸操作进行补充；
42.判断因所述标记错误导致准确率不够时，则返回所述标记流程中，对所述标记数据进行检查修改；
43.识别因所述深度学习设计出现问题时，则返回设计所述深度学习模型训练进行修改。
44.优选地，在本发明所述的核电流程图自动绘制系统中，所述输入模块进一步用于：
45.记录所述图形的坐标和唯一身份标识号信息。
46.通过实施本发明，具有以下有益效果：
47.本发明公开了一种核电流程图自动绘制方法和系统，方法包括：先输入需要绘制的非结构化的原流程图，设置为底图，然后在底图上创建结构化的新图层并设置相关透明度，通过扫描底图内的图形，将扫描到的图形自动绘制在新图层的对应位置，保存新图层和移除底图，并同时根据新图层对应记录图形的信息。根据图层的设计和图形的扫描匹配，便可得到结构化的流程图图纸，且根据新建图层进行图像信息存储，结构化的流程图图纸绘制效率大幅提升，并可提升绘制的准确率。
附图说明
48.下面将结合附图及实施例对本发明作进一步说明，附图中：
49.图1是本发明核电流程图自动绘制方法的流程示意图；
50.图2是本发明深度学习的图形图案文字检测方法的流程示意图；
51.图3是本发明图形管理示意图；
52.图4是本发明核电流程图自动绘制系统的模块框图。
具体实施方式
53.为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
54.需要说明的是，附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
55.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
56.在本实施例中，如图1所示，本发明提供了一种核电流程图自动绘制方法，包括以下步骤：
57.s1：加载图纸文件设置为底图；
58.s2：在底图上创建结构化的新图层并将新图层设置相关透明度；
59.s3：对底图中的图形进行扫描；
60.s4：将扫描的图形自动输入至新图层的对应位置中；
61.s5：保存新图层和移除底图，并根据新图层对应记录图形的信息。
62.优选地，加载需要绘制的dwg或pdf流程图设置为底图，其中原流程图若为纸质图纸，需先进行扫描为pdf文件。
63.新图层设置相关透明度为了做摹版，其中透明度设置太小时会看不清底图，设置太大时会看不清新图层，优选地，将透明度设置为60％-80％。
64.具体地：
65.并且，该实施例中，步骤s3包括：
66.基于深度学习的图形图案文字检测方法对底图的图形进行匹配扫描。
67.其中，如图2所示，深度学习的图形图案文字检测方法，包括：
68.收集相关样例图纸，抽取样例图纸进行人工标记，标记包括：版面、图例、文字和连接线；
69.对样例图纸进行人工标记，标记出期望的结果；
70.使用标记的数据对深度学习模型进行训练和学习；
71.对训练结果进行数据检验；
72.将训练完成的深度学习模型部署在识别引擎内，构建完成检测方法。
73.其中，收集样例图纸和进行样本标记属于数据集构建部分，设计学习模型、训练模型和进行结果检验属于神经网络训练部分。
74.如图3所示，为收集的部分图形数据，其中，进行收集多样性多领域的图纸，从收集的样例图纸中抽取部分图纸进行人工标记，使得深度学习的模型的样例图纸可覆盖到多种行业，可进行识别不同清晰度、不同字体的样例图纸内容，以及解决不同线条遮挡干扰情况、图形有缺陷等情况。
75.当扫描到存在系统内不符合的图形时，则会显示出匹配异常，需对匹配异常的图形在系统中手动更新或更新模型。
76.其中，对样例图纸进行人工标记，标记出期望的结果包括：图例的区域位置及类型、文字的区域位置及内容。
77.进一步地，对训练结果进行数据检验，包括：
78.判断因样例图纸不足导致准确率不够时，则返回收集样例图纸操作进行补充；
79.判断因标记错误导致准确率不够时，则返回标记流程中，对标记数据进行检查修改；
80.识别因深度学习设计出现问题时，则返回设计深度学习模型训练进行修改。
81.为解决因图纸质量、复杂背景、噪声干扰、文字任意长度、颜色等干扰因素引起的算法识别准确率低的问题，需要对识别后的结果进行分析，通过丰富样例、优化模型设计、引入核电业务规则等方式提高识别准确率。
82.另外，该实施例中，记录图形的信息，包括：
83.记录图形的坐标和唯一身份标识号信息。
84.其中，记录图形的坐标为其具体设备预期放置的实际位置，唯一身份标识号信息的命名规则采用系统图纸名 图例名；其系统图纸命名方式为文件编码-版本-dd_流程，如命名为pg117rcp501jgjo45sd-g8-dd表示为该文件待校核；如命名为pg117rcp501jgjo45sd-g8-dd_校核1表示该文件第一次校核；如命名为pg117rcp501jgjo45sd-g8-dd_修订1表示该文件针对第一次校核意见进行的修改；如命名为pg117rcp501jgjo45sd-g8-dd_待导入表示该文件校核完成，待导入系统。
85.且从命名为pg117rcp501jgjo45sd的文件编号中，可获取前两位数据对应电站编码，本例的pg对应电站编码为d，第三位为机组号，本例对应机组为1，第六至八位为系统号，本例对应系统为rcp，第九至十一位为文件流水号，本例流水号为501。
86.在本实施例中，如图4所示，本发明还构造了一种核电流程图自动绘制系统，包括：
87.加载模块，用于加载图纸文件设置为底图；
88.创建模块，用于在底图上创建结构化的新图层并将新图层设置相关透明度；
89.扫描模块，用于对底图中的图形进行扫描；
90.输入模块，用于将扫描的图形自动输入至新图层的对应位置中；
91.保存模块，用于保存新图层和移除底图，并根据新图层对应记录图形的信息。
92.优选地，加载需要绘制的dwg或pdf流程图设置为底图，其中原流程图若为纸质图纸，需先进行扫描为pdf文件。
93.新图层设置相关透明度为了做摹版，其中透明度设置太小时会看不清底图，设置太大时会看不清新图层，优选地，将透明度设置为60％-80％。
94.具体地：
95.并且，扫描模块进一步用于：
96.基于深度学习的图形图案文字检测方法对底图的图形进行匹配扫描。
97.其中，如图2所示，深度学习的图形图案文字检测方法，包括：
98.收集相关样例图纸，抽取样例图纸进行人工标记，标记包括：版面、图例、文字和连接线；
99.对样例图纸进行人工标记，标记出期望的结果；
100.根据样例图纸中存在的特征设计深度学习模型；
101.使用标记的数据对深度学习模型进行训练和学习；
102.对训练结果进行数据检验；
103.将训练完成的深度学习模型部署在识别引擎内，构建完成检测方法。
104.其中，收集样例图纸和进行样本标记属于数据集构建部分，设计学习模型、训练模型和进行结果检验属于神经网络训练部分。
105.如图3所示，为收集的部分图形数据，其中，进行收集多样性多领域的图纸，从收集的样例图纸中抽取部分图纸进行人工标记，使得深度学习的模型的样例图纸可覆盖到多种行业，可进行识别不同清晰度、不同字体的样例图纸内容，以及解决不同线条遮挡干扰情况、图形有缺陷等情况。
106.当扫描到存在系统内不符合的图形时，则会显示出匹配异常，需对匹配异常的图形在系统中手动更新或更新模型。
107.其中，对样例图纸进行人工标记，标记出期望的结果包括：图例的区域位置及类型、文字的区域位置及内容。
108.进一步地，对训练结果进行数据检验，包括：
109.判断因样例图纸不足导致准确率不够时，则返回收集样例图纸操作进行补充；
110.判断因标记错误导致准确率不够时，则返回标记流程中，对标记数据进行检查修改；
111.识别因深度学习设计出现问题时，则返回设计深度学习模型训练进行修改。
112.为解决因图纸质量、复杂背景、噪声干扰、文字任意长度、颜色等干扰因素引起的算法识别准确率低的问题，需要对识别后的结果进行分析，通过丰富样例、优化模型设计、引入核电业务规则等方式提高识别准确率。
113.另外，该实施例中，输入模块进一步用于：
114.记录图形的坐标和唯一身份标识号信息。
115.其中，记录图形的坐标为其具体设备预期放置的实际位置，唯一身份标识号信息
的命名规则采用系统图纸名 图例名；其系统图纸命名方式为文件编码-版本-dd_流程，如命名为pg117rcp501jgjo45sd-g8-dd表示为该文件待校核；如命名为pg117rcp501jgjo45sd-g8-dd_校核1表示该文件第一次校核；如命名为pg117rcp501jgjo45sd-g8-dd_修订1表示该文件针对第一次校核意见进行的修改；如命名为pg117rcp501jgjo45sd-g8-dd_待导入表示该文件校核完成，待导入系统。
116.且从命名为pg117rcp501jgjo45sd的文件编号中，可获取前两位数据对应电站编码，本例的pg对应电站编码为d，第三位为机组号，本例对应机组为1，第六至八位为系统号，本例对应系统为rcp，第九至十一位为文件流水号，本例流水号为501.
117.通过实施本发明，具有以下有益效果：
118.本发明公开了一种核电流程图自动绘制方法和系统，方法包括：先输入需要绘制的非结构化的原流程图，设置为底图，然后在底图上创建结构化的新图层并设置相关透明度，通过扫描底图内的图形，将扫描到的图形自动绘制在新图层的对应位置，保存新图层和移除底图，并同时根据新图层对应记录图形的信息。根据图层的设计和图形的扫描匹配，便可得到结构化的流程图图纸，且根据新建图层进行图像信息存储，结构化的流程图图纸绘制效率大幅提升，并可提升绘制的准确率。
119.可以理解的，以上实施例仅表达了本发明的优选实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制；应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，可以对上述技术特点进行自由组合，还可以做出若干变形和改进，这些都属于本发明的保护范围；因此，凡跟本发明权利要求范围所做的等同变换与修饰，均应属于本发明权利要求的涵盖范围。