[发明专利]对PDF格式的继电保护定值单进行处理的方法和系统

说明书

本申请适用于电力系统的图像数据处理领域，提供了一种对PDF格式的继电保护定值单进行处理的方法和系统。方法包括：通过OCR对对象形式包含图像的PDF格式的继电保护定值单进行图形文字识别，识别出继电保护定值单中的表格及表格内文本内容；基于继电保护定值单表格模型库的定义对识别出的表格进行分析，结合预设的继电保护定值单的标题行关键字，找到对应的表格定义，根据表格内文本内容，并结合表格外文本及坐标，获得继电保护定值单的表格关键信息。本申请能自动识别包含图像的PDF格式的继电保护定值单，满足继电保护定值单相关的应用需求，能够高效准确地提取继电保护定值单的关键信息。

技术领域

本申请属于电力系统的图像数据处理领域，尤其涉及一种对PDF格式的继电保护定值单进行处理的方法和系统。

背景技术

PDF(便携式文件格式，Portable Document Format)的优点在于跨平台、能保留文件原有格式，在多种不同操作系统中具有较高的通用性和兼容性，能够保证文件在不同系统间传输过程中数据信息不被修改或不因为编码类型导致发生变化，因此继电保护定值单多采用PDF格式作为文件信息传递的方式。PDF文件中用到对象，对象形式包括文本、图像、音乐、视频、字体、超连接、加密信息等等，对于对象形式为图像的PDF文件，数据难以读取，当软件程序需要利用对象形式包含图像的PDF格式的继电保护定值单时，目前常用处理方法，只能人工对照文件，将继电保护定值单的内容进行解析录入，效率低下且出错率高。

发明内容

本申请的目的在于提供一种对PDF格式的继电保护定值单进行处理的方法、系统、计算机可读存储介质和计算机设备，旨在解决当软件程序需要利用对象形式包含图像的PDF格式的继电保护定值单时，采用人工对照文件，将继电保护定值单的内容进行解析录入，效率低下且出错率高的问题。

第一方面，本申请提供了一种对PDF格式的继电保护定值单进行处理的方法，所述方法包括：

S101、获取对象形式包含图像的PDF格式的继电保护定值单；

S102、通过OCR对所述对象形式包含图像的PDF格式的继电保护定值单进行图形文字识别，识别出继电保护定值单中的表格及表格内文本内容；

S103、基于继电保护定值单表格模型库的定义对识别出的表格进行分析，结合预设的继电保护定值单的标题行关键字，找到对应的表格定义，根据所述表格内文本内容，并结合表格外文本及坐标，获得继电保护定值单的表格关键信息；

S104、根据不同的继电保护定值单，将所述表格关键信息进行结构化的固化存储到数据库，并提供数据访问接口。

第二方面，本申请提供了一种对PDF格式的继电保护定值单进行处理的系统，所述系统包括：

获取模块，用于获取对象形式包含图像的PDF格式的继电保护定值单；

识别模块，用于通过OCR对所述对象形式包含图像的PDF格式的继电保护定值单进行图形文字识别，识别出继电保护定值单中的表格及表格内文本内容；

分析模块，用于基于继电保护定值单表格模型库的定义对识别出的表格进行分析，结合预设的继电保护定值单的标题行关键字，找到对应的表格定义，根据所述表格内文本内容，并结合表格外文本及坐标，获得继电保护定值单的表格关键信息；

存储模块，用于根据不同的继电保护定值单，将所述表格关键信息进行结构化的固化存储到数据库，并提供数据访问接口。

第三方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如所述的对PDF格式的继电保护定值单进行处理的方法的步骤。

第四方面，本申请提供了一种计算机设备，包括：

一个或多个处理器；

存储器；以及