[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

说明书

本发明公开了一种用于手工仪器绘图的工程图样评阅识别处理方法及装置。采用相机对工程图样拍照，获得工程图样原始图像；工程图样预处理与特征投影图像获取；DenseNet网络训练，通过数据增强来扩充数据集，采用ImageNet训练集上训练DenseNet网络得到DenseNet识别模型，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；工程图样手工仪器制图的评阅，将关键特征区域图像到DenseNet识别模型中进行处理，得到评阅处理结果。本发明能对手工仪器绘图的工程图样进行评阅，具有较高的错误识别率和鲁棒性能。

技术领域

本发明属于自动化检测技术领域的一种图像识别处理方法，具体是一种用于手工仪器绘图的工程图样评阅识别处理方法及装置。

背景技术

工程图样是机械产品的生产依据，标准化制图是保证产品图样正确、完整、统一的重要基础，对产品设计、制造和检验三者之间信息传递有重要意义。手工仪器制图中字体、线型、可见性、图面布局等问题，导致产生识图错误，严重影响产品的生产质量。虽然计算机辅助CAD制图正在被广泛应用到机械制图过程中，但手工仪器制图作为工程技术人员必须要掌握的机械制图的基本技能，是计算机辅助设计的一个重要基础。针对手工仪器制图几何特征种类繁多、线条线型容易混淆、人工绘制风格多样的问题，传统的人工校阅模式，不但工作强度大，而且校对效率低，存在误捡、漏检严重的情况。通过提取手工仪器制图的特征投影图像图，建立基于神经网络权重参数自适应的评阅模型，对几何特征投影、线型等手工仪器制图标准要素进行评阅，能很好地降低手工仪器制图的图像特征误判率、提高自动评阅效率。

发明内容

为了提高手工仪器制图评阅的准确性和鲁棒性，本发明提出了一种集成迁移学习的用于手工仪器绘图的工程图样评阅识别处理方法及装置。本发明能对手工仪器绘图的工程图样进行评阅，具有较高的错误识别率和鲁棒性能。

本发明采用以下技术方案：

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，由已知各个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；关键区域是否正确结果是通过预先标注获得。

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，并根据已知的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；

所述的标准图样是指各个关键区域的工程图结构均绘制正确的工程图样，关键区域是指图样中的工程图结构核心区域。

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，评阅处理结果中对错误的关键区域用虚线边框标记。

所述步骤1)中，采用小范围的旋转、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。

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；