[发明专利]基于深度学习的CAD图纸检索方法及技术

权利要求书

1.基于深度学习的CAD图纸检索方法及技术，其特征在于，包括：

步骤一：建立检索系统，检索系统可访问本地文件管理系统；

步骤二：建立本地文件管理系统，通过爬虫插件对检索网站上的CAD图纸和PDF格式的CAD图纸资料进行爬取；

步骤三：对CAD图纸和PDF格式的CAD图纸进行归纳，使得不同领域的CAD图纸和PDF格式的CAD图纸归纳到不同的资源库中，并且对这些资源库建立标签；

步骤四：建立CAD图例库，根据图例库的内容建立相关标签；

步骤五：构建BP神经网络模型，通过训练集训练BP神经网络模型；

步骤六：将测试集带入训练后的BP神经网络模型中，预测应变相关数据，进行失效评价。

2.根据权利要求1所述的基于深度学习的CAD图纸检索方法及技术，其特征在于：所述检索系统可通过图纸对比以及文字的方式进行检索，通过选择标签可限定检索范围，缩小检索范围。

3.根据权利要求1所述的基于深度学习的CAD图纸检索方法及技术，其特征在于：所述CAD图纸和PDF格式的CAD图纸归纳过程中，通过对CAD图纸和PDF格式的CAD图纸内容和来源进行识别，进行分类并建立标签，于此同时利用OCR技术对图纸当中的文字进行识别，并建立索引。

4.根据权利要求1所述的基于深度学习的CAD图纸检索方法及技术，其特征在于：所述CAD图纸和PDF格式的CAD图纸分类标签包括但不限于：建筑施工图、室内装修图、机械图纸。

5.根据权利要求1所述的基于深度学习的CAD图纸检索方法及技术，其特征在于：所述通过爬虫插件爬取网络CAD图例，并且可以通过人工进行补充CAD图例，建立CAD图例库并建立标签。

6.根据权利要求1所述的基于深度学习的CAD图纸检索方法及技术，其特征在于：所述在构建的BP神经网络模型中，设置隐含层为1，步长为0.001。

7.根据权利要求1所述的基于深度学习的CAD图纸检索方法及技术，其特征在于：所述构建BP神经网络模型中，通过如下方法确定隐含层神经元数；

确定隐含层神经元区间；

取隐含层神经元区间内的所有神经元数，带入BP神经网络模型中，进行计算，得到预测均方误差；

取预测均方误差最小的神经元数作为隐含层神经元数。

8.根据权利要求1所述的基于深度学习的CAD图纸检索方法及技术，其特征在于：所述隐含层神经元区间通过如下公司确定；

J为隐含层神经元数；

I为输入层神经元数；

K为输出层神经元数；

α为常数；

当α＝0时J为最小值，当α＝10是为最大值。