从管道及仪表流程图自动提取信息
计算机视觉与模式识别
2019-02-01 v1
摘要
表示工程 schematic 最常见的模式之一是管道及仪表流程图(P&ID),其描述了工程工艺流程的布局以及相互连接的工艺设备。多年来,P&ID 图一直被手动生成、扫描并存储为图像文件。这些文件需要被数字化以用于库存管理和更新,以及便于参考 schematic 的不同组件。数字化真实世界 P&ID 图涉及若干具有挑战性的视觉问题。真实世界 P&ID 具有多种不同分辨率,且常包含含噪文本信息。从这些图中提取仪表信息涉及准确检测彼此间常具有细微视觉差异的符号。识别可能在图像不同点处汇聚和分叉的管道是另一个令人担忧的问题。由于这些原因,据我们所知,尚未有针对 P&ID 图端到端数据提取的系统被提出。然而,随着深度学习的出现及其在视觉领域取得的惊人成功,我们假设现在有可能借助最新的深度学习模型重新审视该问题。为此,我们提出了一种从 P&ID 图纸中提取信息的新流程,其结合传统视觉技术与最先进的深度学习模型,以识别和隔离管道代码、管道、入口和出口,并检测符号。随后将检测到的组件与相应管道关联。提取的管道信息用于填充树状数据结构以捕获管道 schematic 的结构。我们在一个来自某石油公司的真实世界 P&ID 图纸数据集上评估了所提方法,并取得了有前景的结果。
引用
@article{arxiv.1901.11383,
title = {Automatic Information Extraction from Piping and Instrumentation Diagrams},
author = {Rohit Rahul and Shubham Paliwal and Monika Sharma and Lovekesh Vig},
journal= {arXiv preprint arXiv:1901.11383},
year = {2019}
}