[发明专利]用于手工仪器绘图的工程图样评阅识别处理方法及装置在审
申请号: | 202110776649.2 | 申请日: | 2021-07-09 |
公开(公告)号: | CN113658095A | 公开(公告)日: | 2021-11-16 |
发明(设计)人: | 高一聪;王彦坤;李康杰 | 申请(专利权)人: | 浙江大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06T7/12;G06T7/13;G06T5/00;G06T5/20;G06T3/00;G06K9/62 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 林超 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 手工 仪器 绘图 工程 图样 评阅 识别 处理 方法 装置 | ||
1.一种用于手工仪器绘图的工程图样评阅识别处理方法,其特征在于,方法包含以下步骤:
步骤1)采用工业相机对工程图样拍照,获得工程图样原始图像,由已知关键区域是否正确结果的工程图样原始图像组建构成了工程图样数据集,并对工程图样数据集进行数据增强来扩充;
步骤2)工程图样预处理与关键区域获取:
具体为将步骤1)获得的工程图样数据集中的所有图像进行预处理,并根据标准图样中各关键区域的位置,对预处理后的图像进行特征分割,获得关键特征区域图像,由关键特征区域图像组建构成了关键区域数据集;
步骤3)DenseNet网络训练:
采用ImageNet训练集上预训练DenseNet网络并得到的权重参数作为DenseNet识别模型的初始化参数,在关键区域数据集上对DenseNet识别模型进行微调,多次迭代训练直至训练次数达到初始设定值,保存此时的训练结果;
步骤4)工程图样手工仪器制图的评阅:
对于工业相机拍照获得的待测工程图样按照将步骤2)中的相同方式进行预处理和特征分割获得待测工程图样的各个关键特征区域图像,然后输入到DenseNet识别模型中进行处理,得到评阅处理结果。
2.根据权利要求1所述的一种用于手工仪器绘图的工程图样评阅识别处理方法,其特征在于:
所述步骤1)中,采用旋转、水平方向和垂直方向位移、加入噪声干扰等数据增强方法对工程图样数据集进行扩充。
3.根据权利要求1所述的一种用于手工仪器绘图的工程图样评阅识别处理方法,其特征在于:
所述步骤2),具体为:
2.1)将步骤1)中得到的工程图样原始图像进行灰度化处理,得到灰度图像;
2.2)将灰度图像进行平滑滤波处理,再用高斯滤波进行处理,得到平滑处理后的图像;
2.3)对平滑处理后的图像进行校正,通过canny算子进行图像边缘提取,提取出所有的连通域,舍弃面积小于预设面积阈值的连通域,
将剩余的连通域中面积最小的连通域作为目标区域,获得目标区域的角点坐标,将目标区域通过仿射变换映射到固定矩形下,得到校正后的工程图样图像;
2.4)根据标准图样中各关键区域的位置,对校正后的工程图样图像进行特征分割,得到各幅关键区域图像;
2.5)调整关键区域图像亮度和对比度,并使用最大类间方差法将各幅关键区域图像进行二值化处理,获得各幅关键特征区域图像。
4.根据权利要求1所述的一种用于手工仪器绘图的工程图样评阅识别处理方法,其特征在于:
所述步骤3),DenseNet网络权重参数微调,具体为:
3.2)采用ImageNet训练集对DenseNet网络进行预训练,以训练后的DenseNet网络作为DenseNet识别模型;
3.3)将关键区域数据集输入到DenseNet识别模型中进行微调:冻结除了最后一层全连接层以外的其他层的权重参数,仅对最后一层的全连接层的权重参数进行训练,加载关键区域数据集进入DenseNet识别模型进行预测处理,将预测结果与实际结果之间的差异数据进行记录,根据差异数据更新DenseNet识别模型的网络参数;
3.4)对步骤3.3)重复操作,直至DenseNet识别模型的训练次数达到初始设定值,停止训练,保存此时的训练结果。
5.用于实施权利要求1-4任一所述方法的一种用于手工仪器绘图的工程图样评阅识别处理装置,其特征在于:
包括图像采集模块、评阅处理模块、存储模块、显示模块;
所述图像采集模块,用于获取工程图样原始图像,包括光源和相机;
所述评阅处理模块,用于对图像采集模块采集的图像进行图像预处理、关键区域分割和评阅识别处理;
所述存储模块,用于存储评阅处理模块的结果,存储工程图样情况与整体统计信息;
所述显示模块,用于接收和显示存储模块中存储的结果,显示工程图样评阅前后的结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110776649.2/1.html,转载请声明来源钻瓜专利网。