一种智能识图系统及方法与流程

本发明涉及图纸管理领域，具体涉及一种智能识图系统及方法。

背景技术：

在每一个产品全生命周期过程中都会产生大量的纸质工程图纸，并且在设计人员或者操作工人的工作中往往需要大量频繁的查看各种工程图纸，传统的办法就是将图纸进行打印或者采用其他形式生产纸质文档，然后由设计人员或者生产工人借用，但是这种方法存在很多弊端，首先，对大量的图纸进行归类、处理、收纳是一个非常繁琐的过程，一方面是通过人工对图纸进行分类存储，该方法效率低，并且人工成本大；另一方面，在现有技术中，存在智能识别图纸并对其进行分类的方法，但是在建筑行业中，由于工程图纸种类的特殊性，若通过现有的智能识别分类方法来进行工程图纸的管理，效率十分低下且准确率不高。

因此，设计一种高效且准确的智能识图系统及方法，专门适用于建筑类工程图纸是本领域重点研究的问题。

技术实现要素：

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种专门适用于建筑类工程图纸、且高效准确的智能识图系统及方法，克服了人工成本大、效率低，且现有智能识别方法效率低、准确率低的缺陷。

本发明解决其技术问题所采用的技术方案是：提供一种智能识图方法，应用于工程图纸，其优选方案在于，所述工程图纸均具有至少一反映自身属性的标签，根据工程图纸所涉及的内容建立对应的识图模型，所述智能识图方法包括以下步骤：

获取当前工程图纸的标签；

根据标签获取所匹配的识图模型；

根据识图模型对所述工程图纸进行定向查找，获取工程图纸的具体图纸内容。

其中，较佳方案为所述建立识图模型包括以下步骤：

根据工程图纸所涉及的内容设置一系列的识图规则；

对工程图纸中的不同标签分别赋予对应的识图规则，并整理、建立基于标签和识图规则所一一对应的识图模型。

其中，较佳方案为所述智能识图方法还包括以下步骤:

将定向查找到的具体图纸内容进行分析、整理；

获取已知标签的工程图纸的全部内容信息。

其中，较佳方案为所述智能识图方法

还包括以下步骤:

完成定向查找后，若当前工程图纸还存在未识别区域，对未识别区域进行全面识别，获取未识别区域所对应的具体图纸内容。

其中，较佳方案为所述智能识图方法

还包括以下步骤：

获取未识别区域所对应的识图规则；

对未识别区域所对应的识图规则进行未知区域标记。

其中，较佳方案为所述智能识图方法还包括以下步骤：

人工对未知区域标记进行分析审核；

将其对应的识图规则增加至当前工程图纸所对应的类别属性中，重新完善识图模型。

其中，较佳方案为所述智能识图方法还包括以下步骤：

智能识别未知区域标记；

将其对应的识图规则增加至当前工程图纸所对应的类别属性中，重新完善识图模型。

其中，较佳方案为所述智能识图方法还包括以下步骤：

智能识别未知区域标记；

记录未知区域标记在已有类别属性的工程图纸中出现的频率，并将其添加至出现频率最多的类别属性中，重新完善识图模型。

其中，较佳方案为所述工程图纸为pdf格式的图纸。

本发明为解决其技术问题，还提供一种智能识图系统，其优选方案在于：所述智能识图系统包括处理单元和存储模块，所述处理单元存储有计算机程序，所述计算机程序能够被执行以实现上述方法的步骤，所述存储模块存储处理单元所产生的相关数据信息。

本发明的有益效果在于，与现有技术相比，本发明通过设计一种适用于建筑类工程图纸的智能识图系统及方法，实现了对工程图纸的快速智能分类以及定向查找，减少了人工成本且提高了准确率，从而提高工作效率。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明中一种智能识图方法的流程示意图；

图2是本发明中一种智能识图系统的结构框图；

图3是本发明中构建识图模型的流程示意图；

图4是本发明中定向查找的流程示意图；

图5是本发明中获取未识别区域的具体图纸内容的流程示意图；

图6是本发明中完善识图模型的流程示意图一；

图7是本发明中完善识图模型的流程示意图二。

具体实施方式

现结合附图，对本发明的较佳实施例作详细说明。

如图1-图2所示，本发明提供一种智能识图方法的最佳实施例。

一种智能识图方法，参考图1，应用于工程图纸，其优选方案在于，所述工程图纸均具有至少一反映自身属性的标签，根据工程图纸所涉及的内容设置一系列的识图规则，再结合不同的标签建立对应的识图模型，所述智能识图方法包括以下步骤：

s2、获取当前工程图纸的标签；

s3、根据标签获取所匹配的识图模型；

s4、根据识图模型对所述工程图纸进行定向查找，获取工程图纸的具体图纸内容。

进一步地，并参考图2，本发明还提供一种智能识图系统的最佳实施例，所述智能识图系统包括处理单元100和存储模块200，所述处理单元100存储有计算机程序，所述计算机程序能够被执行以实现上述方法的步骤，所述存储模块200存储处理单元100所产生的相关数据信息。

工程图纸是指用于表示建筑物的内部布置情况，外部形状，以及装修、构造、施工要求等内容的有关图纸，分为建筑施工图、结构施工图、设备施工图，它也是审批建筑工程项目的依据；在生产施工中，它是备料和施工的依据；当工程竣工时，要按照工程图的设计要求进行质量检查和验收，并以此评价工程质量优劣；建筑工程图还是编制工程概算、预算和决算及审核工程造价的依据；建筑工程图是具有法律效力的技术文件；一般是以投影原理为基础，按国家规定的制图标准，把已经建成或尚未建成的建筑工程的形状、大小等准确地表达在平面上的图样，并同时标明工程所用的材料以及生产、安装等的要求，由于工程建设各个阶段的任务要求不同，各类图纸所表达的内容、深度和方式也有差别。

优选地，所述工程图纸均为pdf格式的图纸。

其中，所述标签为对图纸信息区信息中的关键词进行整理并生成与对应工程图纸配对且用来反映该图纸自身属性的标签，具体是指所述工程图纸信息区中的可用于反映该工程图纸属性类型的名词，包括通用项名词以及通用项中所包含的信息内容词汇，所述通用项名词包括比如图纸名称、图纸类型、设计者姓名、所述单位名称或者制图日期等等词汇，所述通用项中所包含的信息内容则为具体图纸名称xxx、图纸类型xxx、设计者姓名xxx、所述单位名称xxx或者制图日期xxx等，常见的图纸类型包括：建筑施工图、结构施工图和设备施工图，其建筑施工图包括建筑总平面图、建筑平面图、建筑立面图、建筑剖面图和建筑详图；结构施工图包括基础平面图、基础剖面图、屋盖结构布置图、楼层结构布置图、柱梁板配筋图、楼梯图、结构构件图或表以及必要的详图；设备施工图包括采暖施工图、电器施工图、通风施工图和给排水施工图；所述标签为智能识图系统对工程图纸进行扫描后自动获取，并且每一工程图纸对应多个标签。

其中，所述识图模型是指基于机器学习后，智能识图系统构建的能够对应每一标签识别其对应的工程图纸内容的模型，具体为所述智能识图系统通过处理单元整理分析不同工程图纸的不同标签数据，获取一种数据共性，即能自动将某一工程图纸内容与其对应标签一一对应起来，形成识图模型，并自动存储在存储模块中，在后续识图时候可以根据标签获取与之对应的识图模型，进一步获取对应的工程图纸，从而实现对工程图纸的定向查找，并获取该工程图纸中的具体内容。

如图3所示，本发明提供建立识图模型的具体实施例。

所述建立识图模型包括以下步骤：

s11、根据工程图纸所涉及的内容设置一系列的识图规则；

s12、对工程图纸中的不同标签分别赋予对应的识图规则，并整理、建立基于标签和识图规则所一一对应的识图模型。

具体地，所述识图规则为包括工程图纸内容属性、属性参数以及图纸规范要求等数据的一整套规则，例如：

1、所述工程图纸的内容属性包括例如门、窗、柱、梁板等具体常用建筑物件。

2、所述工程图纸的属性参数包括某个具体物件的尺寸以及其对应的位置关系等。

3、图纸规范要求包括尺寸界线(用来限定所注尺寸的范围)用细实线绘制，一般由轮廓线、轴线、对称线引出作尺寸界线，也可直接用以上线型为尺寸界线，超出尺寸线终端2-3mm；尺寸线(含有箭头)用细实线绘制；要与所注线段平行；尺寸数字标注尺寸的符号直径用“ф”表示，球用“sф”、“sr”表示。半径用“r”表示，方形结构用“□”表示，尺寸界线主要表示尺寸的度量范围和尺寸线一样只用细实线绘制，其表示方法由图形的轮廓线、轴线或对称中心线处引出，也可直接利用它们作尺寸界线；一般要求所有标注都在一个图层内，不能遮挡标注数字(有线从标注数字经过时，此处要打断)，标注最好要排列整齐，不要凌乱，合理布局。建筑工程图纸是用于表示建筑物的内部布置情况，外部形状，以及装修、构造、施工要求等内容的有关图纸，它是审批建筑工程项目的依据；在生产施工中，它是备料和施工的依据；当工程竣工时，要按照工程图的设计要求进行质量检查和验收，并以此评价工程质量优劣；建筑工程图还是编制工程概算、预算和决算及审核工程造价的依据；建筑工程图是具有法律效力的技术文件，其建筑图纸规范要求还包括建筑形体的投影图，虽然已经清楚地表达形体的形状和各部分的相互关系，但还必须注上足够的尺寸，才能明确形体的实际大小和各部分的相对位置。在标注建筑形体的尺寸时，要考虑两个问题：即投影图上应标注哪些尺寸和尺寸应标注在投影图的什么位置。

进一步地，对工程图纸中的不同标签分别赋予对应的识图规则并形成大量数据存储在存储模块中，通过智能审图系统中的处理模块对大量数据进行分析整理，建立基于标签和识图规则所一一对应的识图模型。

如图4-图5所示，本发明提供定向查找的具体实施例。

参考图4，所述智能识图方法还包括以下步骤:

s41、将定向查找到的具体图纸内容进行分析、整理；

s42、获取已知标签的工程图纸的全部内容信息。

s43、完成定向查找后，若当前工程图纸还存在未识别区域，对未识别区域进行全面识别，获取未识别区域所对应的具体图纸内容。

具体地，当智能识图系统扫描到一张工程图纸后，首先，获取该工程图纸的全部标签，并通过处理模块根据识图模型自动定向查找其具体内容，获取其已知标签下的全部内容信息，并对具体图纸内容进行分析、整理，由于识图模型库中不一定全部包含有当前工程图纸的所有标签以及其对应的识图模型，当扫描工程图纸并完成定向查找后，若当前工程图纸存在有未识别区域，所述为识别区域为没有设置标签、并且没有建立识图模型的内容区域，则通过智能识图系统重新对未识别区域进行全面识别，获取其具体的工程图纸内容，并存储在存储模块中。

进一步地，并参考图5，获取未识别区域的具体图纸内容还包括以下步骤：

s431、获取未识别区域所对应的识图规则；

s432、对未识别区域所对应的识图规则进行未知区域标记。

s433、人工对未知区域标记进行分析审核；

s434、将其对应的识图规则增加至当前工程图纸所对应的类别属性中，重新完善识图模型。

具体地，首先，获取未识别区域对应的识图规则，该识图规则与上述识图规则一致，均为包括工程图纸内容属性、属性参数以及图纸规范要求等数据的一整套规则，进一步地，对未识别区域所对应的识图规则进行未知区域标记，并补充其对应的标签，进一步地，人工根据未知区域标记(即新设置的标签)进行分析审核，待人工确认后将其对应的识图规则增加至当前工程图纸所对应的类别属性中，从而重新完善识图模型。

其中，所述类别属性为工程图纸的所有标签所反映的该工程图纸的类别属性信息。

进一步地，并参考图6，所述完善识图模型还包括以下步骤：

s435、智能识别未知区域标记；

s4351、将其对应的识图规则增加至当前工程图纸所对应的类别属性中，重新完善识图模型。

具体地，在人工对大量未知区域标记进行分析审核后，所述智能审图系统的处理单元会对人工审核记录及结果进行整理分析，并将其产生的数据存储在存储模块中，当存储模块中存储有大量的审核数据后，处理单元会获取数据共性，进一步实现智能识别未知区域标记，并将其对应的识图规则增加到当前工程图纸所对应的类别属性中，从而完善识图模型。

其中，所述类别属性为工程图纸的所有标签所反映的该工程图纸的类别属性信息。

进一步地，并参考图7，所述完善识图模型还包括以下步骤：

s435、智能识别未知区域标记；

s4352、记录未知区域标记在已有类别属性的工程图纸中出现的频率，并将其添加至出现频率最多的类别属性中，重新完善识图模型。

具体地，在人工对大量未知区域标记进行分析审核后，所述智能审图系统的处理单元会对人工审核记录及结果进行整理分析，并将其产生的数据存储在存储模块中，当存储模块中存储有大量的审核数据后，处理单元会获取数据共性，进一步实现智能识别未知区域标记，进一步地，处理单元将记录每一未知区域标记在已有类别属性的工程图纸中出现的频率，并将其添加至出现频率最多的类别属性中，从而重新完善识图模型，记录频率可以对未知区域标记进行快速分类并更加准确的增加至对应的类别属性中。

以上所述者，仅为本发明最佳实施例而已，并非用于限制本发明的范围，凡依本发明申请专利范围所作的等效变化或修饰，皆为本发明所涵盖。