利用深度学习对物理设计图纸进行高级知识提取、翻译及转换为 CAD 格式
计算机视觉与模式识别
2024-06-18 v1 机器学习
摘要
在许多行业中,设计图纸以物理形式长期保存时,其维护、归档和使用十分繁琐。仅通过简单的图纸扫描难以提取信息。将它们转换为计算机辅助设计(CAD)等数字格式,并进行所需的知识提取,可以解决这一问题。将这些机械图纸转换为数字形式是一项关键挑战,需要先进的技术。本研究提出了一种利用深度学习方法的创新方法论。该方法采用目标检测模型(如 Yolov7、Faster R-CNN)来检测图像中存在的物理图纸对象,然后采用 canny 滤波器等边缘检测算法从图纸区域提取并精炼已识别的线条,并采用曲线检测技术来检测圆形。同时提取图纸中的装饰物(复杂形状)。为确保全面转换,集成了光学字符识别(OCR)工具来识别和提取图纸中的文本元素。所提取的数据(包括线条、形状和文本)被整合并以结构化的逗号分隔值(.csv)文件格式存储。对转换的准确性和效率进行了评估。通过这种方式,转换过程可以自动化,帮助组织提高生产力,促进无缝协作,并以易于访问的数字格式保存宝贵的设计信息。总体而言,本研究推动了 CAD 转换的进步,从翻译过程中提供了准确的结果。未来的研究可以专注于处理多样化的图纸类型、提高形状和线条检测与提取的精度。
引用
@article{arxiv.2403.11291,
title = {Advanced Knowledge Extraction of Physical Design Drawings, Translation and conversion to CAD formats using Deep Learning},
author = {Jesher Joshua M and Ragav V and Syed Ibrahim S P},
journal= {arXiv preprint arXiv:2403.11291},
year = {2024}
}