Digitize-PID：管道与仪表图的自动数字化
计算机视觉与模式识别
2021-09-09 v1
摘要
扫描的管道与仪表图（P&ID）在石油和天然气等制造或机械工业中已使用数十年，其数字化已成为动态库存管理和创建兼容最新 CAD 工具的智能 P&ID 的关键瓶颈。从历史上看，P&ID 图纸在设计阶段是手动生成的，随后被扫描并存储为 PDF。当前的数字化举措涉及人工处理，因此非常耗时、劳动密集且容易出错。得益于图像处理、机器学习和深度学习技术的进步，出现了关于 P&ID 数字化的新兴研究。然而，由于 P&ID 中尺度、大小和噪声的变化，图纸内部极高的复杂性和拥挤程度，以及解释图纸所需的领域知识，现有解决方案面临诸多挑战。这促使我们提出了当前的解决方案 Digitize-PID，它包含一个端到端的流程，用于从 P&ID 中检测核心组件（如管道、符号和文本信息），随后将它们相互关联，并最终基于内在领域知识对输出数据进行验证和校正。本文提出了一种新颖且高效的基于核的线检测方法，以及一种基于细粒度深度识别技术的复杂符号两步检测方法。此外，我们通过引入不同类型的噪声和复杂符号，创建了一个包含 500 张 P&ID 的带标注合成数据集 Dataset-P&ID，并已公开供公众使用（目前不存在公开的 P&ID 数据集）。我们在此合成数据集和 12 张 P&ID 图纸的真实世界匿名私有数据集上评估了所提出的方法。结果表明，Digitize-PID 优于现有的 P&ID 数字化领域最先进技术。
引用
@article{arxiv.2109.03794,
title = {Digitize-PID: Automatic Digitization of Piping and Instrumentation Diagrams},
author = {Shubham Paliwal and Arushi Jain and Monika Sharma and Lovekesh Vig},
journal= {arXiv preprint arXiv:2109.03794},
year = {2021}
}
备注
13 pages