[发明专利]管线和仪表图的机器学习分析

权利要求书

1.一种方法，包括：

由在计算设备上执行的机器学习系统访问管线和仪表图(PID)的图像；

使用在计算设备上执行的机器学习系统的符号分类引擎来确定所访问的图像是否包括指示过程控制元件的符号，使用监督式学习对符号分类引擎进行训练，以基于所访问的图像是否包括指示过程控制元件的符号以及该符号在PID中的相对位置将图像分类为多个类；

在确定所访问的图像包括符号后，在计算机可读存储器存储设备中存储指示表示过程控制元件的符号的符号输出；

使用在计算设备上执行的机器学习系统的标签分类引擎来确定所访问的图像是否包括与符号对应的标签，使用监督式学习对标签分类引擎进行训练，以基于所访问的图像是否包括与符号对应的标签将图像分类为多个类；以及

在确定所访问的图像包括标签后，在计算机可读存储器存储设备中存储指示与符号对应的标签的标签输出。

2.如权利要求1所述的方法，其中所述确定所访问的图像是否包括符号包括符号分类引擎执行窗口滑动算法、符号识别技术以及被配置为确定PID的图像的比例的圆圈检测算法。

3.如权利要求1所述的方法，其中所述确定所访问的图像是否包括标签包括标签分类引擎从符号移除符号线、分割标签的字符，并对标签执行滑动窗口分割算法。

4.如权利要求1所述的方法，其中符号分类引擎包括第一卷积神经网络，并且其中标签分类引擎包括第二卷积神经网络。

5.如权利要求1所述的方法，其中标签分类引擎包括字符识别网络，并且其中字符识别网络包括判定器卷积神经网络、单字符卷积神经网络和辅助单词卷积神经网络中的一个或多个。

6.如权利要求1所述的方法，其中用于训练符号分类引擎的监督式学习和用于训练标签分类引擎的监督式学习都包括手动反馈。

7.如权利要求1所述的方法，其中用于训练符号分类引擎的监督式学习和用于训练标签分类引擎的监督式学习都包括自动反馈。

8.一种系统，包括：

管线和仪表图(PID)分析处理器；以及

存储处理器可执行指令的计算机可读存储设备，其中处理器可执行指令在由处理器执行时包括：

图像转换器，被配置为接收电子格式的PID并将该PID转换成计算图像；

一个或多个过滤算法，被配置为处理计算图像以获得其中的符号的近似尺寸；

符号提取器，被配置为从计算图像中提取符号并将提取出的符号存储在计算机可读存储设备上；

一个或多个标签预处理算法，被配置为从计算图像中的符号移除符号线；

标签提取器，被配置为提取计算图像中的符号的标签成分，并将提取出的标签存储在计算机可读存储设备上；以及

智能系统，被配置为：

从一个或多个过滤算法接收符号反馈，

从一个或多个标签预处理算法接收标签反馈，

基于接收到的符号反馈来重新训练符号提取器，以及

基于接收到的标签反馈来重新训练标签提取器。

9.如权利要求8所述的系统，其中所述一个或多个过滤算法包括以下至少之一：窗口滑动算法、符号识别算法，以及被配置为确定PID的图像的比例的圆圈检测算法。

10.如权利要求8所述的系统，其中所述一个或多个标签预处理算法包括以下至少之一：用于从符号移除符号线的算法、用于分割标签的字符的算法，以及用于对标签执行滑动窗口分割的算法。

11.如权利要求8所述的系统，其中符号提取器包括第一卷积神经网络，并且其中标签提取器包括第二卷积神经网络。

12.如权利要求8所述的系统，其中标签提取器包括字符识别网络，并且其中字符识别网络包括判定器卷积神经网络、单字符卷积神经网络和辅助单词卷积神经网络中的一个或多个。