基于端到端的深度学习的PI.pdfVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN117373051A

(43)申请公布日2024.01.09

(21)申请号202311473898.XG06F30/18(2020.01)

G06N3/042(2023.01)

(22)申请日2023.11.08

G06N3/0455(2023.01)

(71)申请人北京达美盛软件股份有限公司G06N3/09(2023.01)

地址100085北京市海淀区上地东路1号院

G06V10/82(2022.01)

3号楼八层812室

G06F113/14(2020.01)

(72)发明人于冬冬李义琛陈劲松李艳松

(74)专利代理机构北京之于行知识产权代理有

限公司11767

专利代理师何志欣

(51)Int.Cl.

G06V30/422(2022.01)

G06V30/24(2022.01)

G06T17/20(2006.01)

G06V30/19(2022.01)

G06F30/27(2020.01)

权利要求书2页说明书13页附图4页

(54)发明名称

基于端到端的深度学习的PID图纸识别与

重建系统

(57)摘要

本发明涉及一种基于端到端的深度学习的

PID图纸识别与重建系统，其包括：文字识别模

块，用于对原始图纸中的管线号和设备位号进行

识别和储存；符号识别模块，用于对原始图纸中

的符号进行识别和储存；管线识别模块，用于对

原始图纸中的管线的终点和起点像素值进行识

别和储存；关系识别模块，用于对原始图纸中的

符号和管线的上下游逻辑关系进行识别和储存；

图纸重建模块，用于基于前述各识别模块所得到

的一个或多个识别结果得到重建后的待校核图

纸，其中，图纸重建模块在进行重建时能够根据

A图神经网络预测的上下游关系对识别的管线和

1符号进行连接，并将未识别的管线和符号进行保

5

0

3留，以使得该未识别的管线和符号能够被直接发

7

3

7送至校核模块。

1

1

N

C

CN117373051A权利要求书1/2页

1.一种基于端到端的深度学习的PID图纸识别与重建系统，其特征在于，其包括：

文字识别模块，用于对原始图纸中的管线号和设备位号进行识别和储存；

符号识别模块，用于对原始图纸中的符号进行识别和储存；

管线识别模块，用于对原始图纸中的管线的终点和起点像素值进行识别和储存；

关系识别模块，用于对原始图纸中的符号和管线的上下游逻辑关系进行识别和储存；

图纸重建模块，用于基于文字识别模块、符号识别模块、管线识别模块、关系识别模块

所得到的一个或多个识别结果得到重建后的待校核图纸，其中，

所述图纸重建模块在进行重建时能够根据图神经网络预测的上下游关系对识别的管

线和符号进行连接，并将未识别的管线和符号进行保留，以使得该未识别的管线和符号能

够被直接发送至校核模块。

2.根据权利要求1所述的系统，