[发明专利]一种电路图识别方法有效

专利信息
申请号: 201811608328.6 申请日: 2018-12-27
公开(公告)号: CN109829474B 公开(公告)日: 2020-12-22
发明(设计)人: 梁栋;李沁峰;徐崟淞;马凡凡;曾丽;汪铮 申请(专利权)人: 北京邮电大学
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 北京德琦知识产权代理有限公司 11018 代理人: 梁少微;王丽琴
地址: 100876 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电路图 识别 方法
【说明书】:

发明公开了一种电路图识别方法,预先定义两条或两条以上直支路的连接点为节点,该方法还包括:识别电路图照片中的节点和元件,确定每个节点和元件的所属种类和坐标;将节点与元件分别按从上到下从左到右的顺序编号,得到电路拓扑关系;然后得到节点‑网孔关系,节点‑支路关系,以及支路‑元件关系;由节点‑网孔关系、节点‑支路关系和支路‑元件关系得到支路‑节点‑网孔‑元件关系作为输出结果;通过设置的判断条件对所述输出结果进行判断,如果满足所有判断条件则确定完成电路图识别。采用本发明能够提高电路识别的准确率。

技术领域

本发明涉及图像识别、人工智能技术领域,特别涉及一种电路图识别方法。

背景技术

随着图像识别业务需求的发展,准确率高、识别速度块、“鲁棒”性强的识别方法备受青睐。图像识别,是利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术。一般工业使用中,采用工业相机拍摄图片,然后再利用软件根据图片灰阶差做进一步识别处理。图像识别将图像处理得到的图像进行特征提取和分类。识别方法中基本的也是常用的方法有统计法(Statistic Method)、句法方法(SyntacticRecognition)、神经网络法(Neural Network)、模板匹配法(Template Matching)和几何变换法。让算法的效力与效率同时提高,获得最大的ROC曲线下面积,达到“识别高效化,分析智能化”的理想境界是我们不断追求的目标。

在一个电路图中,由基尔霍夫定律给出了节点、支路与网孔的数量关系为:m=b-n+1其中m为网孔数,b为支路数(在图论中,节点可以为孤立节点,故每一个元件都可以当作一条支路),n为节点数。由此关系式可知,当确定电路中的网孔、支路和节点任意两个的信息即可得到节点-支路关系、支路-网孔关系和支路-节点关系,从而得到完整而确定的电路拓扑状态。在所得到的关系图中在每条支路上加入相应的元件即可完成电路的识别。

基于上述基础知识,为了更加快速高效第完成识别,得到准确的识别结果,不仅为用提供更好的使用体验,而且保证了基于电路图识别的后续工作顺畅的进行。出现了很多电路图识别算法。

现在大部分电路图识别方法中,识别是以元件为识别核心。识别过程为首先识别到元件种类,将每一个元件当作一条支路;再识别元件两端的导线的走向及长度以明确每条支路的分布状态;最后将不同支路的相交点识别为节点。当明确了支路与节点的信息即可确定整个电路图的拓扑状态。在理想环境下这一方法显然是最符合我们人工识别电路图的思维,具有很好的可解释性。

然而在实际运用的工程中这样的方法会出现许多问题。首先由于导线非常细,所以在图像中是占据很小的像素,不易与图像中的噪声区分开。同时,如果我们将导线作为一种识别单元,则会对电阻电容等元件的识别造成影响,例如将电容识别成两根平行的短导线,这会降低元件识别准确率。其次在印刷或手画的图片中可能会出现漏印情况导线出现了断点,或在导线与元件连接处没有完好地连接。在这样的情况下是无法得到完好的电路拓扑情况。此外,在电路图中具有大量导线,增加识别元件数量会依指数降低识别的准确率,线性增加识别时间。

由此可见,现行电路图像识别算法中仍然不是非常优秀。会有造成元件识别正确率降低,对噪声敏感,出现漏印情况时无法正常运行得到正确电路连接关系,同时当出现错误时无法对识别结果进行修正。无法满足我们在实际项目中的要求。一种强大的识别算法亟待开发出来。

发明内容

有鉴于此,本发明的发明目的是:能够提高电路识别的准确率。

为达到上述目的,本发明的技术方案具体是这样实现的:

本发明提供了一种电路图识别方法,该方法预先定义两条或两条以上直支路的连接点为节点,该方法还包括:

A、将电路图照片进行灰度化、以及归一化处理之后,识别电路图照片中的节点和元件,确定每个节点和元件的所属种类和坐标;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京邮电大学,未经北京邮电大学许可,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/201811608328.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top