[发明专利]一种采用机器学习进行图纸布局分类识别的方法

权利要求书

1.一种采用机器学习进行图纸布局分类识别的方法，其特征在于，包括如下步骤：

步骤1，图纸布局特征提取，具体步骤如下；

步骤1.1，图形文件的图像化转换，将不同类型的图纸文件，分页转换为图纸图像；

步骤1.2，对图纸图像进行灰度化处理后，使用OTSU算法完成二值化处理，得到二值化图纸图像；

步骤1.3，二值化图纸图像，提取图纸边框及分割线的线条，通过腐蚀ERODE及膨胀DILATE算法，去除无关图像、线条噪声后，使用水平及垂直的单像素宽度矩形形态转换方法，提取图形中的水平集垂直线条，合并形成图纸的线图图像；

步骤1.4，对线图图像进行归一化处理，将不同大小的图纸线条图像缩放为统一大小；

步骤1后得到统一大小的灰度图像，即为图纸布局特征图像；

步骤2，机器学习模型训练，具体步骤如下；

步骤2.1，训练及验证数据集的准备，选择一定数量的各类型图纸文件，执行第一步的图纸布局特征提取处理，并进行人工布局分类标签；通过擦除图像中部分线条，修改线条颜色灰度的方法，生成扩展训练及验证图像集；得到满足模型训练及验证的一定规模的图纸布局特征图像集合；

步骤2.2，模型的选择与训练，使用训练图像集，测试图像集数据，基于InceptionResNetV2卷积神经网络基础模型，通过多次训练和验证，生成模型权重数据，参数如下：

优化器：RMSProp算法；

LOSS函数：Categorical Crossentropy；

步骤3，图纸区域布局分类，具体步骤如下；

步骤3.1，对待分类的图纸集合，执行第一步图纸布局特征提取的预处理过程，得到归一化的图纸要素特征图像集合；

步骤3.2，使用经第二步训练得到的模型参数，对待分类的图纸要素特征图像集合进行分类，获得图纸要素布局的分类结果；

图纸要素布局的分类结果可在匹配相应布局参数后，供后续做图形边界，表格文字等处理使用。