[发明专利]一种故障树图片的故障知识图谱自动创建方法及装置

权利要求书

1.一种故障树图片的故障知识图谱自动创建方法，其特征在于，包括步骤：

S1：对复杂装备故障知识图谱进行知识建模，定义实体类型、关系类型和属性；

S2：对读取的故障树图片进行图像预处理，包括灰度化、二值化和形态学处理，以将检测目标凸显出来；

S3：将图像分割成若干不相交的检测区域，并识别检测区域的中心点坐标；

S4：利用光学字符识别技术识别检测区域内容，并将故障事件和事件代号一一对应，完成实体抽取；

S5：基于识别的检测区域内容和检测区域中心点坐标，完成实体之间的关系抽取；

S6：将实体和关系转化成结构化三元组，建立故障知识图谱，存储在图数据库；

S7：对多张故障树图片自动创建的故障知识图谱进行汇聚融合；

S8：对融合的故障知识图谱进行可视化展示，利用知识图谱进行根因分析、故障影响分析。

2.根据权利要求1所述的故障树图片的故障知识图谱自动创建方法，其特征在于，S2：对故障树图片进行图像预处理，包括灰度化、二值化和形态学处理，以将检测目标凸显出来，包括如下步骤：

S21：读取故障树图片；

S22：对故障树图片进行灰度化处理，以将故障树图片中的每一个像素点值都变成Gray(i，j)；

S23：对灰度化处理后的故障树图片进行二值化处理，将图像上的像素点的灰度值设置为0或255；

S24：对二值化处理的故障树图片进行形态学处理，具体是对二值化图像进行开运算和闭运算，开运算是先腐蚀后膨胀，闭运算是先膨胀后腐蚀。

3.根据权利要求1所述的故障树图片的故障知识图谱自动创建方法，其特征在于，S3：将图像分割成若干不相交的检测区域，并识别检测区域的中心点坐标，包括如下步骤：

S31：基于图像处理中的轮廓提取算法，提取目标检测区域轮廓和属性；

S32：遍历所有目标检测区域轮廓，计算每一个轮廓的面积，并筛选掉面积小于预定面积阈值的区域；

S33：计算目标检测区域的轮廓长度，并利用多边形逼近方法获取目标检测区域的近似轮廓；

S34：利用最小矩形面积方法获取近似轮廓的矩形，数量为k₁，并确定矩形四个角和中心点的坐标；

S35：根据矩形长和宽的比例筛选掉形状窄度小于预定窄度阈值的目标检测区域，剩余目标检测区域的数量为k₂，k₂≤k₁；

S36：利用图形绘制方法将目标检测区域用矩形框进行切分并按照顺序索引保存，索引值为[0，k₂-1]。

4.根据权利要求3所述的故障树图片的故障知识图谱自动创建方法，其特征在于，S4：利用光学字符识别技术识别检测区域内容，并将故障事件和事件代号一一对应，完成实体抽取，包括如下步骤：

S41：基于pytesseract循环识别S36中矩形框中的文字，并按照顺序索引以字典形式保存识别的文字内容；

S42：将具有相同键值的元素放在一个列表中，并将列表中的元素进行合并；

S43：将纵坐标差值小于预定近似阈值的矩形框进行合并，并筛选掉含有“门”字的矩形框，并将合并内容定义为{key: value}的字典形式，其中key为故障输入事件代号，value为故障输入事件；

S44：在所识别的内容距离小于预定间距阈值时，将多个故障输入事件合并到同一个矩形框中，根据正则表达式区分不同的故障输入事件，并根据S43中key所对应的故障输入事件代号的纵坐标确定剩余的故障输入事件代号，并将故障输入事件与故障输入事件代号一一对应，完成实体抽取。