|
技术特征：1.一种获取样本数据的方法，其特征在于，包括：获取原始cad图像以及标注cad图像，其中，所述标注cad图像中包括一个完整构件各分段的标注框，相邻分段的标注框存在重叠区域；基于所述原始cad图像进行切图，获得第一子图像集合，以及基于所述标注cad图像进行切图，获得第二子图像集合；将所述第一子图像集合和所述第二子图像集合作为训练样本数据，其中，所述训练样本数据用于对预设的神经网络模型进行训练得到构件识别模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述原始cad图像进行切图，获得第一子图像集合，以及基于所述标注cad图像进行切图，获得第二子图像集合，包括：对所述原始cad图像进行多尺度缩放后，得到至少一个缩放后的原始cad图像，对所述至少一个缩放后的原始cad图像以及所述原始cad图像进行切图，获得所述第一子图像集合；所述第一子图像集合中包括每个所述缩放后的原始cad图像各自对应的切图集合，以及所述原始cad图像对应的切图集合；对所述标注cad图像进行多尺度缩放后，得到至少一个缩放后的标注cad图像，对所述至少一个缩放后的标注cad图像进行切图，获得所述第二子图像集合；其中，所述第二子图像集合中包括每个所述缩放后的标注cad图像各自对应的切图集合，以及所述表示cad图像对应的切图集合；其中，所述多尺度缩放的缩放比例大于0且小于1。3.根据权利要求2所述的方法，其特征在于，对所述原始cad图像进行多尺度缩放，包括：对所述原始cad图像进行图像膨胀操作后，采用双线性差值算法对图像膨胀操作后的所述原始cad图像进行多尺度缩放；对所述标注cad图像进行多尺度缩放，包括：对所述标注cad图像进行图像膨胀操作后，采用双线性差值算法对图像膨胀操作后的所述标注cad图像进行多尺度缩放。4.根据权利要求2所述的方法，其特征在于，对所述至少一个缩放后的原始cad图像以及所述原始cad图像进行切图，获得所述第一子图像集合，包括：按照指定滑动路线，采用第一预设尺寸的切图模板，对所述原始cad图像进行滑动切图，获得第一切图集合；分别对每个所述缩放后的原始cad图像进行以下切图处理：按照指定滑动路线，采用第二预设尺寸的切图模板，对所述缩放后的原始cad图像进行滑动切图，获得第二切图集合；基于所述第一切图集合和各所述第二切图集合，获得所述第一子图像集合；其中，所述指定滑动路线包括以下至少一种：图像的左上顶点到右上顶点的连接线；图像的左上顶点到左下顶点的连接线；图像的右上顶点到右下顶点的连接线；图像的左下顶点到右下顶点的连接线；图像的左上顶点到右下顶点的连接线；图像的右上顶点到左下顶点的连接线。5.根据权利要求2所述的方法，其特征在于，对所述至少一个缩放后的标注cad图像进行切图，获得所述第二子图像集合，包括：按照指定滑动路线，采用第三预设尺寸的切图模板，对所述标注cad图像进行滑动切图，获得第三切图集合；分别对每个所述缩放后的标注cad图像进行以下切图处理：按照指定滑动路线，采用第四预设尺寸的切图模板，对所述缩放后的标注cad图像进行滑动切图，获得第四切图集合；基于所述第三切图集合和各所述第四切图集合，获得所述第二子图像集合；其中，所述指定滑动路线包括以下至少一种：图像的左上顶点到右上顶点的连接线；图像的左上顶点到左下顶点的连接线；图像的右上顶点到右下顶点的连接线；图像的左下顶点到右下顶点的连接线；图像的左上顶点到右下顶点的连接线；图像的右上顶点到左下顶点的连接线。6.根据权利要求4所述的方法，其特征在于，基于所述第一切图集合和各所述第二切图集合，获得所述第一子图像集合，包括：从所述第一切图集合和各所述第二切图集合中，获取各待识别构件对应的切图数量；将切图数量少于阈值的待识别构件作为目标构件；将所述第一切图集合和所述第二切图集合中包括所述目标构件的切图，作为第一目标切图；以所述目标构件为中心，采用第五预设尺寸的切图模板，对所述第一目标切图进行切图，获得第五切图集合；获取所述第五切图集合中各切图的信息熵，获取信息熵大于设定值的第二目标切图，采用第六预设尺寸的切图模板，对所述第二目标切图进行切图，获得第六切图集合，所述第六切图集合包括的各切图中所述目标构件的位置随机分布；将所述第一切图集合、所述第二切图集合、所述第五切图集合和所述第六切图集合，整合得到所述第一子图像集合。7.根据权利要求5所述的方法，其特征在于，基于所述第三切图集合和各所述第四切图集合，获得所述第二子图像集合，包括：从所述第三切图集合和各所述第四切图集合中，获取各待识别构件对应的切图数量；将切图数量少于阈值的待识别构件作为目标构件；将所述第三切图集合和所述第四切图集合中包括所述目标构件的切图，作为第三目标切图；以所述目标构件为中心，采用第七预设尺寸的切图模板，对所述第三目标切图进行切图，获得第七切图集合；获取所述第七切图集合中各切图的信息熵，获取信息熵大于设定值的第四目标切图，采用第八预设尺寸的切图模板，对所述第四目标切图进行切图，获得第八切图集合，所述第八切图集合包括的各切图中所述目标构件的位置随机分布；将所述第三切图集合、所述第四切图集合、所述第七切图集合和所述第八切图集合，整合得到所述第二子图像集合。8.一种构件识别方法，其特征在于，包括：获取待识别cad图像；基于所述待识别cad图像，获得待识别子图像集合；将所述待识别子图像集合，输入到构件识别模型，获得所述构件识别模型输出的构件预测结果；其中，所述构件识别模型为训练样本数据对神经网络模型进行训练得到，所述训练样本数据采用权利要求1-7任一项所述的方法获得；基于所述构件预测结果，识别所述待识别cad图像中的构件。9.根据权利要求8所述的方法，其特征在于，基于所述待识别cad图像，获得待识别子图像集合，包括：对所述待识别cad图像进行多尺度缩放后，得到至少一个缩放后的待识别cad图像；基于所述至少一个缩放后的待识别cad图像以及所述待识别cad图像，获得所述待识别子图像集合；其中，所述多尺度缩放的缩放比例大于0且小于1。10.根据权利要求9所述的方法，其特征在于，基于所述至少一个缩放后的待识别cad图像以及所述待识别cad图像，得到所述待识别子图像集合，包括：分别对每个所述缩放后的待识别cad图像进行镜像对称，得到至少一个第一待识别子图像集合；一个所述第一待识别子图像集合中包括属于同一缩放尺度的所述缩放后的待识别图像及镜像对称后得到的图像；分别对每个所述缩放后的待识别cad图像以及所述待识别cad图像进行切图，获得至少一个第一切图集合，以及所述待识别cad图像对应的第二切图集合；一个所述第一切图集合中包括属于同一缩放尺度的待识别cad图像的切图；分别对每个所述第一切图集合和所述第二切图集合中的切图进行镜像对称后，对得到的切图进行缩放，获得至少一个第二待识别子图像集合；一个所述第二待识别子图像集合中包括属于同一缩放尺度的切图；将所述待识别图像、每个所述第一待识别子图像集合和每个所述第二待识别子图像集合整合，得到所述待识别子图像集合。11.根据权利要求10所述的方法，其特征在于，将所述待识别子图像集合，输入到构件识别模型，获得所述构件识别模型输出的构件预测结果，包括：对所述第二待识别子图像集合中每个切图进行以下过滤处理：计算所述切图的二维信息熵，在获得的熵值小于设定熵值时，从所述第二待识别子图像集合中删除所述切图；分别将每个所述第一待识别子图像集合和所述第二待识别子图像集合输入到所述构件识别模型，获得所述第一待识别子图像集合和所述第二待识别子图像集合各自对应的构件预测结果。12.根据权利要求11所述的方法，其特征在于，基于所述构件预测结果，识别所述待识别cad图像中的构件，包括：获取每个所述第一待识别子图像集合对应的构件预测结果，作为第一构件预测结果，获取所述待识别cad图像对应的构件预测结果，作为第二构件预测结果，合并所述第一构件预测结果和所述第二构件预测结果，得到大图预测结果；获取每个所述第二待识别子图像集合对应的构件预测结果，作为第三构件预测结果，合并每个所述第三构件预测结果，得到小图预测结果；合并所述大图预测结果和所述小图预测结果，作为所述待识别cad图像中的构件的识别结果。13.根据权利要求12所述的方法，其特征在于，所述第三构件预测结果中包括识别到构件或部分构件的标记框；合并每个所述第三构件预测结果，得到小图预测结果，包括：分别对每个所述第三构件预测结果进行以下处理：将所述第三构件预测结果转换为与所述待识别cad图像相同大小的二值图像，对所述二值图像进行0.5倍缩放后，对缩放后的所述标记框进行颜色填充；对处理后的每个所述第三构建预测结果对应的二值图像进行连通域分析，得到合并后的标记框；对合并后的标记框进行2倍缩放后，得到所述小图预测结果。14.一种电子设备，其特征在于，包括：处理器、存储器和通信总线，其中，处理器和存储器通过通信总线完成相互间的通信；所述存储器，用于存储计算机程序；所述处理器，用于执行所述存储器中所存储的程序，实现权利要求1-7任一项所述的方法，或者，实现权利要求8-13任一项所述的方法。 技术总结本申请涉及一种获取样本数据及构件识别方法及电子设备，方法包括：获取原始CAD图像以及标注CAD图像，其中，所述标注CAD图像中包括一个完整构件各分段的标注框，相邻分段的标注框存在重叠区域；基于所述原始CAD图像进行切图，获得第一子图像集合，以及基于所述标注CAD图像进行切图，获得第二子图像集合；将所述第一子图像集合和所述第二子图像集合作为训练样本数据，其中，所述训练样本数据用于对预设的神经网络模型进行训练得到构件识别模型，从而使得采用该训练样本数据训练得到的构件识别模型，能够有效识别大构件，提高大构件的识别成功率，降低漏识别以及识别不全的概率。降低漏识别以及识别不全的概率。降低漏识别以及识别不全的概率。 技术研发人员：王海强 於其之 王晓威受保护的技术使用者：万翼科技有限公司技术研发日：2022.09.22技术公布日：2023/1/31
|