[发明专利]一种电力设备检测数据结构化方法、装置、介质及设备

说明书

本发明涉及一种基于文字识别的电力设备检测数据结构化方法、装置、介质及设备，所述方法用于对电力设备检测报告进行结构化管理，包括以下步骤：获取待处理检测报告的扫描文件，进行文件预处理，获得基础图像数据；对所述图像数据进行图像识别，基于识别结果形成元数据；基于预先设置的报告核心字段，构建结构数据库，采用文字识别技术从所述元数据中读取与所述报告核心字段对应的核心数据，存储入所述结构数据库中。与现有技术相比，本发明具有效率高、数据完备性佳等优点。

技术领域

本发明涉及非结构型数据的结构化管理技术，尤其是涉及一种基于文字识别的电力设备检测数据结构化方法、装置、介质及设备。

背景技术

数据在当今社会已被看作是一项重要的资产，在高度智能化的环境下，各领域在进行业务工作的过程中都积累了海量的数据信息，由于存储处理技术的不断发展，老旧的使用纸质文档存储这些数据信息，然后依赖人工进行处理的方式已经不再是主流，以电子数据的形式存储在计算机种进行智能化处理的方式已经成为主流。电子数据主要被区分为两种：一种叫做结构化数据，也称行数据，这种数据能够被关系数据库的二维表有效存储；另一种数据与结构化数据截然不同，它无法很好地被关系数据库的二维表存储，没有统一的数据结构，这种数据被称为非结构化数据。

作为典型的非结构化数据，检测报告数据被储存在纸质文档和数字扫描件中，囿于报告格式的复杂性以及在检索、储存等方面的劣势，其数据分析利用效率低。目前大多数的检测报告数据数字结构化方法依赖于人力资源，但由于报告数量多且内容复杂，人工对其进行识别和录入的工作量大、效率低下，造成了人力资源的浪费。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种效率高、数据完备性佳的基于文字识别的电力设备检测数据结构化方法、装置、介质及设备。

本发明的目的可以通过以下技术方案来实现：

第一方面，本发明提供一种基于文字识别的电力设备检测数据结构化方法，该方法用于对电力设备检测报告进行结构化管理，包括以下步骤：

获取待处理检测报告的扫描文件，进行文件预处理，获得基础图像数据；

对所述图像数据进行图像识别，基于识别结果形成元数据；

基于预先设置的报告核心字段，构建结构数据库，采用文字识别技术从所述元数据中读取与所述报告核心字段对应的核心数据，存储入所述结构数据库中。

进一步地，所述文件预处理具体为：

从所述扫描文件中获取报告图片，对所述报告图片进行base64编码，获得所述基础图像数据。

进一步地，所述识别结果包括字块内容、字块位置信息、表格信息和表格单元格信息。

进一步地，所述元数据以JSON文件格式储存。

进一步地，所述文字识别技术包括关键字定位法。

第二方面，本发明提供一种电力设备检测数据结构化装置，用于对电力设备检测报告进行结构化管理，包括：

预处理模块，用于获取待处理检测报告的扫描文件，进行文件预处理，获得基础图像数据；

元数据转化模块，用于对所述图像数据进行图像识别，基于识别结果形成元数据；

结构化存储模块，基于预先设置的报告核心字段，构建结构数据库，采用文字识别技术从所述元数据中读取与所述报告核心字段对应的核心数据，存储入所述结构数据库中。

进一步地，所述预处理模块中，文件预处理具体为：

从所述扫描文件中获取报告图片，对所述报告图片进行base64编码，获得所述基础图像数据。