检测方法、检测系统、设备和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113627257A(43)申请公布日2021.11.09(21)申请号202110779605.5G06T7/11(2017.01)(22)申请日2021.07.09G06T7/13(2017.01)G06T7/136(2017.01)(71)申请人上海智臻智能网络科技股份有限公G06T7/155(2017.01)司G06T7/60(2017.01)地址201803上海市嘉定区金沙江西路1555弄398号7层(72)发明人崔淼陈成才(74)专利代理机构上海知锦知识产权代理事务所(特殊普通合伙)31327代理人高静(51)Int.Cl.G06K9/00(2006.01)G06K9/20(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书3页说明书21页附图4页(54)发明名称检测方法、检测系统、设备和存储介质(57)摘要一种检测方法、检测系统、设备和存储介质，方法包括：获取具有图框的待测建筑图纸；进行图框检测，获得具有图框的图框检测图像；进行第一空间分割，获得多个空间区域图像；对空间区域图像进行目标检测，获得符合建筑构件类别的第一目标图像，第一目标图像中有目标建筑构件；利用第一目标图像进行尺寸检测，获得目标建筑构件的尺寸；对待测建筑图纸进行第一评估，判断目标建筑构件的尺寸是否符合尺寸规格。本发明通过先进行分割再进行目标检测的方式，有利于精确确定目标建筑构件的位置和轮廓，从而降低漏检的概率，并精准测得目标建筑构件的尺寸，进而提高检测精度；相应能够实现人工智能检测，降低对专业人员进行复审的需求，提高了检测流程速度。CN113627257ACN113627257A权利要求书1/3页1.一种检测方法，其特征在于，包括：获取待测建筑图纸，所述待测建筑图纸具有图框；对所述待测建筑图纸进行图框检测，获得具有所述图框的图框检测图像；对所述待测建筑图纸中与所述图框检测图像相对应的区域进行第一空间分割，获得多个空间区域图像；对所述空间区域图像进行目标检测，获得符合建筑构件类别的第一目标图像，所述第一目标图像中具有目标建筑构件；利用所述第一目标图像，对所述目标建筑构件进行尺寸检测，获得所述目标建筑构件的尺寸；根据所述目标建筑构件的尺寸对所述待测建筑图纸进行第一评估，判断所述目标建筑构件的尺寸是否符合尺寸规格。2.如权利要求1所述的检测方法，其特征在于，对所述空间区域图像进行目标检测的步骤中，所述建筑构件类别为楼梯区域，所述目标建筑构件为楼梯；对所述目标建筑构件进行尺寸检测的步骤中，所述目标建筑构件的尺寸为所述楼梯的净宽；所述检测方法还包括：对所述待测建筑图纸中与所述第一目标图像相对应的区域进行第二空间分割，获得具有楼梯井的第二目标图像；利用所述第二目标图像，对所述楼梯井进行尺寸检测，获得所述楼梯井的净宽；根据所述楼梯井的净宽对所述待测建筑图纸进行第二评估，判断所述楼梯井的净宽是否符合尺寸规格。3.如权利要求1或2所述的检测方法，其特征在于，对所述待测建筑图纸进行图框检测的步骤包括：对所述待测建筑图纸进行第一卷积神经网络处理，获得所述图框内部的基本特征，作为第一特征图；在所述第一卷积神经网络处理后，对所述第一特征图进行第二卷积神经网络处理，获得所述图框内部的细节特征，所述第二卷积神经网络处理比所述第一卷积神经网络处理的层次浅；对所述待测建筑图纸进行第三卷积神经网络处理，获得所述图框的边缘特征。4.如权利要求3所述的检测方法，其特征在于，所述第一卷积神经网络处理采用的网络为MobilenetV3网络或EfficientNetV2网络，所述第二卷积神经网络处理采用的网络为PANet网络，所述第三卷积神经网络处理采用的网络为SPPNet网络。5.如权利要求1或2所述的检测方法，其特征在于，采用实例分割模型对所述待测建筑图纸中与所述图框检测图像相对应的区域进行第一空间分割，所述第一空间分割的步骤包括：利用残差网络提取所述图框检测图像的空间特征，作为第二特征图；对所述第二特征图添加空间注意力导向掩膜；对所述第二特征图添加空间注意力导向掩膜后，对所述第二特征图进行第四卷积神经网络处理，提取所述第二特征图的空间边界特征，获得多个边界框；进行所述第四卷积神经网络处理后，利用非极大值抑制算法，去除冗余的边界框，保留剩余的边界框作为目标边界框。6.如权利要求5所述的检测方法，其特征在于，所述第四卷积神经网络处理采用的网络2CN113627257A权利要求书2/3页为特征金字塔网络。7.如权利要求1所述的检测方法，其特征在于，对所述空间区域图像进行目标检测的步骤包括：对所述空间区域图像进行第五卷积神经网络处理，获得所述空间区域图像的基本特征，作为第三特