Core Concepts
Entwicklung eines innovativen Verfahrens zur automatischen Extraktion und Digitalisierung technischer Zeichnungen unter Verwendung von Deep-Learning-Methoden.
Abstract
Die Studie präsentiert einen umfassenden Rahmen zur Digitalisierung von Konstruktionszeichnungen. Das Verfahren umfasst mehrere Schritte:
Erkennung der Zeichnungsregion im Eingabebild mithilfe von Deep-Learning-Modellen wie YOLOv7.
Filterung und Vorverarbeitung der Zeichnungsregion, um Kanten, Linien und Kurven zu extrahieren.
Erkennung und Extraktion von Linien, Kreisen, Ornamenten und Beschriftungen unter Verwendung von Kantenerkennungsalgorithmen, Hough-Transformation und optischer Zeichenerkennung (OCR).
Konsolidierung der extrahierten Informationen in strukturierten Dateiformaten wie CSV und anschließende Konvertierung in CAD-Formate.
Die Ergebnisse zeigen, dass das Verfahren in der Lage ist, technische Zeichnungen präzise und effizient in digitale Formate zu überführen. Zukünftige Verbesserungen könnten sich auf die Optimierung der YOLO-Modelle, fortgeschrittene Linien- und Kurvenextraktionstechniken, die Integration von Grafikkontext sowie Verbesserungen der OCR-Leistung konzentrieren.
Stats
x1,y1,x2,y2,Kreislinie
368,280,14
368,232,14
368,328,15
x1,y1,x2,y2,Abmessungslinie
342,278,347,299
170,423,343,428
404,277,437,282
255,278,260,365
355,422,398,428
x1,y1,x2,y2,Leuchte
629,348,643,358
591,285,611,303
663,222,684,241
748,254,767,271
696,205,706,215
x1,y1,x2,y2,Linie
81,427,686,427
361,425,574,425
168,169,645,169
173,167,463,167
346,394,458,394
24,201,150,201
Quotes
"Die Nutzung von Objekterkennungsalgorithmen, insbesondere YOLO, für die Extraktion von Abmessungslinien und die Identifizierung der Zeichnungsregion verbessert die Genauigkeit und Effizienz des Konvertierungsprozesses."
"Die Integration von OCR ermöglicht die Extraktion von Textinformationen aus den Zeichnungen und erhöht die Vollständigkeit und Genauigkeit der konvertierten CAD-Modelle."