一種基于人工智能的重疊不規則非封閉體檢測方法研究

［林濤 嚴益強］

1 人工智能（AI）技術檢測非封閉體的必要性

工程設計圖紙的合規性審核是工業界的常見需求，例如設計圖紙中的圖形、表格、文字等規范性的審查。圖形的審查涉及圖形對象是否滿足圖例要求，確定對象之間的關聯關系等。這部分工作過去主要由人工完成，成本較高，且容易錯漏。近年來，國家提出了人工智能AI的戰略性布署，人工審核往智能審核發展勢必成為趨勢。

智能審核的要點之一即圖形對象的檢測，目前業界較容易實現一些簡單對象的檢測，例如圓形、三角形等，其構成往往為規則的封閉圖形，并且對象之間不重疊。而對于不規則、非封閉，且重疊的對象，現有的方法[1-4]難以進行準確檢測，其中從重疊對象中準確分離出各個完整對象是難點。然而，這類對象的檢測與諸多實際業務需求相關，例如圖紙中的交叉線條、非封閉的重合框等，因此解決該問題有著非常重要的意義。

2 AI檢測技術原理

首先從原圖中去除無關對象。不規則非封閉對象通常由規則直線段組成，因此去除原圖中無關對象（如文字、表格、規則圖形等），這將有助于后續檢測工作。此處檢測主要通過傳統圖像處理中形態學的腐蝕和膨脹操作組合完成，其中腐蝕和膨脹操作都是使用預先設計的結構元素對二值圖像進行滑動處理，具體為。

（1）腐蝕操作

腐蝕就是求取結構元素區域中的最小像素值，并把最小像素值賦值給錨點像素點。例如二值圖像，目標對象是高亮區域，背景為暗區域，通過對二值圖像進行腐蝕處理，會得到圖像中目標對象的輪廓向內部收縮，實現目標對象縮小效果。

（2）膨脹操作

膨脹就是求取結構元素區域中的最大像素值，并把最大像素值賦值給錨點像素點。例如二值圖像，目標對象是高亮區域，背景為暗區域，通過對二值圖像進行膨脹處理，會得到圖像中目標對象的輪廓向外部擴張，實現目標對象放大效果。

通過腐蝕操作，可以清除原圖中輪廓較細的對象，利用膨脹操作，可以突出原圖中待檢測目標對象。

接著從圖像中提取出直線段。在經過第一步處理后，圖像中僅保留了組成待檢測對象的圖形元素，由于不規則非封閉對象通常由規則直線段組成，因此需要從中檢測出直線段圖像元素，以供后續不規則非封閉對象的重構處理。此處主要利用Canny邊緣檢測算法和霍夫直線檢測算法。

最后重構不規則非封閉對象。具體是將上述處理得到的直線段通過合理組合得到完整的不規則非封閉對象。

由此可知，一個直線段最多只能與兩條直線段相連，根據直線段之間端點距離關系，利用封閉抑制組合算法找出所有完整的不規則非封閉對象，得到在工程圖紙中所有不規則非封閉對象的分離結果。

其中封閉抑制組合算法具體處理步驟為。

。

鄰接矩陣中每個元素具體為：

④ 組合非封閉對象。首先從集合 中抽出一個二元組最為基準，接著遍歷中的每一個二元組，如果兩者當中存在相同直線段，則更新基準，并從集合中抽出該二元組，例如基準為，如果二元組為，由于存在相同直線段，因此更新基準為，然后繼續遍歷，直至基準無法更新或者基準中沒有直線段，如果是后者，則表明所抽出的直線段組成了一個封閉對象，應該剔除；如果是前者，則表明所抽出的直線段組成了一個非封閉對象，應作為結果輸出。重復上述步驟直至集合為空，最終輸出直線段所組成的所有非封閉對象。

3 具體實施方式

基于圖形特征提取工程圖紙中不規則非封閉重疊對象的方法，擬解決在復雜圖紙中干擾項多，待檢目標為不規則非封閉圖形，在存在對象相互重疊的情況下，從中準確分離出各個完整對象的問題。實施包含如下步驟。

（1）輸入工程圖紙圖像I，并進行二值化處理得到二值化圖像B。

（2）通過指定結構元素We和Wd，對二值化圖像B進行腐蝕和膨脹處理，得到處理后的圖像Bed。

（3）利用Canny邊緣檢測方法對圖像Bed進行處理，得到圖形邊緣信息。

（4）利用霍夫直線檢測方法分別檢測出垂直線段和水平線段。

（5）從所確定的直線段信息中，利用封閉抑制組合算法確定出所有完整的不規則非封閉對象，返回在工程圖紙中對象重疊情況下，每個不規則非封閉對象的分離結果。

至此，檢測工作完成。

4 結語

從實施效果看，基于AI的圖紙審核方法，可以大大提高圖紙審核效率，降低人為差錯。相信，隨著AI技術的進一步發展，機器代替人工將會發揮越來越重要的作用。