(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210635072.8 (22)申请日 2022.06.07 (71)申请人 国网湖北省电力有限公司超高压公 司 地址 430050 湖北省武汉市汉阳区五里墩 二合村60-65号 申请人 上海慕荣电气有限公司 　 南京慕荣电气科技有限公司 　 国家电网有限公司 (72)发明人 潘章达　杜勇　沈小军　汤蓓　 刘元超　刘珍　欧阳德刚 　刘园媛　 刘晓华　喻启俊　 (74)专利代理 机构 深圳博敖专利代理事务所 (普通合伙) 44884 专利代理师 姚宗培(51)Int.Cl. G06T 7/00(2017.01) G06T 7/155(2017.01) G06T 7/73(2017.01) G06T 17/00(2006.01) G06V 10/26(2022.01) G06V 10/28(2022.01) G06V 10/44(2022.01) G06V 30/148(2022.01) G06V 30/412(2022.01) G06T 5/30(2006.01) G06F 40/174(2020.01) (54)发明名称 一种适用 于非表格类图元的开关柜端子图 自动识别方法 (57)摘要 本发明涉及图像识别技术领域， 且公开了一 种适用于非表格类图元的开关柜端子图自动识 别方法， 包 括以下步骤： S1： 输入图纸； S2： 对端子 图进行预处理， 包括图纸格式转换、 灰度化、 二值 化、 边界去除处理， 得到预处理后的端子图。 本发 明针对开关柜的运维检修仍依赖纸质图纸进行 人工识别的现状， 人工识别图纸存在花费时间 长、 出错率高的问题。 通过端子图的智能识别， 不 仅能够大大缩短人工识别连接关系花费的时间， 还能够提高识别的准确性， 从而保证生产安全和 人身安全。 在数字电网的发展中， 通过将端子图 抽象的物理信息转化为数字化信息， 实现端子图 的数字化， 为三维模型的成功构建奠定了坚实的 基础。 权利要求书3页 说明书9页 附图7页 CN 115272172 A 2022.11.01 CN 115272172 A 1.一种适用于非表格类图元的开关柜端子图自动识别方法， 其特征在于， 包括以下步 骤： S1： 输入图纸； S2： 对端子图进行预处理， 包括 图纸格式转换、 灰度化、 二值化、 边界去除处理， 得到预 处理后的端子图； S3： 对预处理后的端子图进行分类分割， 得到端子图中的表格类端子图元图像集合与 非表格类端子图元图像集 合； S4： 对表格类端子图元图像集合进行表格和文字识别， 获取表格类端子图元的连接关 系并填入 对应表单； S5： 识别出非表格类 图元图像集合中的每一个元件编号所在位置， 并通过文字识别得 到每一个元件 对应的文本编号， 将文本编号作为每 个元件的表单名称； S6： 识别非表格类 图元集合中每一个元件包含端子的封闭框， 并完成对封闭框内部端 子以及连接端子的直线的识别， 利用文字识别方法识别端子编号和回路编号； 将识别的信 息填入对应表单； S7： 将表格类图元图像集合生成的列表和非表格类图元图像集合生成的列表合并， 输 出端子图的整体表单。 2.根据权利要求1所述的一种适用于非表格类图元的开关柜端子图自动识别方法， 其 特征在于， 所述图纸格式转换， 格式转化后的端子图还需要调用OpenCV的灰度化函数将输 入的图像转变为灰度图像， 并采用反二进制阈值化的方法完成二值化操作， 反二进制阈值 化是选定一个特定的阈值量thresh， 将大于阈值的点的像素值设定为0， 而小于该阈值的设 定为255， 反二进制阈值 化公式如下： 3.根据权利要求1所述的一种适用于非表格类图元的开关柜端子图自动识别方法， 其 特征在于， 所述开关柜端子图的预处理中设置有边界去除模块， 首先设计腐蚀操作的行结 构元素， 再进行开操作获取图像中的水平线， 所谓开操作是先进行腐蚀将除水平线之外的 线条过滤掉， 再进行膨胀， 记录水平线的位置信息， 计算水平线的长度， 找出长度最长和长 度第二长的四条水平线的端点信息， 八个端点坐标为边界最大的两个矩形的四个顶角的坐 标， 通过遍历图像中的像素点(i， j)， 令在两个矩形之间和矩形边缘线 上的像素点的像素值 置为0， 去除边界对后续识别的干扰。 4.根据权利要求1所述的一种适用于非表格类图元的开关柜端子图自动识别方法， 其 特征在于， 所述S2中， 由于端子图中含有的表格类以及非表格类两种图元的特征差异较大， 对应的识别方法也大为不同， 所以要对端子图进 行分类分割操作， 首先， 对预 处理之后的图 像进行两次腐蚀、 膨胀操作获得整个端子图的水平线和竖直线， 依据水平、 竖直线的交集得 到交点， 通过OpenCV的fin dContours函数找到轮廓， 最后依据轮廓面积以及交点数和交点 的位置特征判断区域是否为表格类图元， 若判断为表格， 就利用approxPolyDP函数用来逼 近区域成为一个形状， 利用boundingRect函数为将这片区域转化为矩形， 最后将矩形区域 的坐标信息记录下来， 并将各矩形区域的图像裁剪并存入一个集合， 则端子图中的其他部权　利　要　求　书 1/3 页 2 CN 115272172 A 2分为非表格 类图元， 将判断得到为非表格 类的图像存 入另一个集 合。 5.根据权利要求1所述的一种适用于非表格类图元的开关柜端子图自动识别方法， 其 特征在于， 所述S 3中， 首先将表格类端子矩形区域旋转至文字的正方向， 然后使用与第二步 相同的方法获得图像的水平线、 竖直线和交点， 接着利用交点位置以及横纵线的位置识别 单元格并记录每个单元格的四个角的坐标， 将每个单元格的文字图像采用Tesseract完成 单元格内文字的识别， 获得文本内容， 所谓T esseract， 即为一种用于文字识别的开源框架， 在英文字母和数字的识别上具有优势， 符合对元件编号、 回路编号、 端子编号识别的需求， 最后， 根据各 单元格的位置信息将文本内容有序存 入表单。 6.根据权利要求1所述的一种适用于非表格类图元的开关柜端子图自动识别方法， 其 特征在于， 所述S4中， 由于有的非表格类图元中端子存在于不封闭的图形内部， 所以在端子 识别之前要对非表格类端子区域图像进行基于形态学 的闭运算， 即先膨胀后腐蚀的过程， 将非表格类端子图像集合中狭窄的断裂连接起来， 然后对闭运算后的图像进行霍夫圆变 换， 并得到半径 最大圆形的位置信息(x， y， r)， 其中(x， y)为圆形的圆心， r 为圆形的半径， 调 用opencv的minAreaRect函数对提取出的最大圆形取外接矩形， 并将外接矩形内的图像利 用Tesseract进 行文字识别， 将 每个文字识别得到的文本编号存入 数组， 并以文本编号为名 称生成多个空白表单。 7.根据权利要求1所述的一种适用于非表格类图元的开关柜端子图自动识别方法， 其 特征在于， 所述S5中， 非表格类图元 的端子存在于第四步得到的最大圆形下方的封闭图形 当中， 因此在端子识别 之前需要将封闭图形提取出来， 并将属于同一个图元 的最大圆形和 封闭图形利用距离最短的特性对应起 来； 采用opencv的findContours函数识别图像内所有封闭图形的外轮廓， 从而得到外轮廓 上所有点的集合； 然后利用pointPolygonTest函数获取第 四步所得圆心与各外轮廓的距 离， 其中距离值为正代表 圆心与圆形所在最大圆形外轮廓之间的距离， 距离值为负代表与 除所在圆形以外的封闭图形的外轮廓之 间的距离； 因此需要删去 所得距离值中的正数去除 所在圆形外轮廓的干扰； 然后利用排序算法将每个圆心与封闭图形的外轮廓的距离值进行排序， 找到距离值最 大的外轮廓， 即为与每个最大圆形距离最近的封闭图形 的外轮廓， 然后将封闭图形 的位置 信息记录下来； 最后需要对封闭图形进行一些识别获得元件内部端子编号、 回路编号以及 回路另一端连接的元件外 部端子编号； 对于元件内部端子编号的获取； 首先需要对封闭图形内部的小圆形以及小矩形进行识 别并记录位置信息； 若识别到小圆形， 则取小圆形的外接矩形， 并将 外接矩形内的图像利用 Tesseract进行文字识别； 若识别到小矩形， 则直接将小矩形内的图像利用Tesseract进行 文字识别； 接着将文字识别得到的编号即所述元件内部端子编号填入第四步生成的对应空 白表单的第一列； 对于回路编号的获取； 首先将图纸中长度较短的直线去 除， 然后利用每个小圆形或小 矩形的位置信息搜寻与它位置距离最近的水平线并获得水平线的位置信息； 在水平线 上方 取矩形区域， 其中以水平线为矩形的长， 以字符的高度为矩形的宽； 最后 将所取矩形的图像 利用Tesseract进行文字识别； 将文字识别 得到的编号即回路编号填入第四步生成的对应 空白表单的第二列；权　利　要　求　书 2/3 页 3 CN 115272172 A 3