本發(fā)明涉及圖像比對領(lǐng)域，尤其涉及基于多階段深度學(xué)習(xí)的cad圖紙智能匹配方法及系統(tǒng)。

背景技術(shù)：

1、在工業(yè)制造、建筑設(shè)計(jì)、電子電路設(shè)計(jì)等多個(gè)領(lǐng)域，cad(計(jì)算機(jī)輔助設(shè)計(jì))技術(shù)已經(jīng)成為不可或缺的工具。cad文件用于設(shè)計(jì)、繪圖、分析、仿真和制造等環(huán)節(jié)，確保從設(shè)計(jì)概念到實(shí)際產(chǎn)品的精確呈現(xiàn)。然而，隨著工程項(xiàng)目的復(fù)雜性增加，cad文件之間的版本管理、版本比對和設(shè)計(jì)一致性驗(yàn)證成為一項(xiàng)關(guān)鍵任務(wù)。尤其是在涉及多個(gè)設(shè)計(jì)團(tuán)隊(duì)或跨領(lǐng)域協(xié)作時(shí)，cad文件的比對和審查變得更加復(fù)雜且至關(guān)重要。

2、傳統(tǒng)的cad圖紙比對和審查方法主要依賴于手工操作或簡單的幾何對比。手工審查通常需要經(jīng)驗(yàn)豐富的工程師或設(shè)計(jì)師進(jìn)行，這種方法不僅效率低下，而且極易出現(xiàn)漏檢或誤判的情況。幾何對比方法雖然引入了計(jì)算機(jī)輔助，但多局限于基本的形狀相似度計(jì)算，難以應(yīng)對復(fù)雜的cad圖紙變化。這些方法在處理大規(guī)模、多版本、多源的cad文件時(shí)顯得力不從心，難以滿足現(xiàn)代工業(yè)和工程的需求。

3、近年來，隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展，基于圖像處理的自動(dòng)化cad圖紙比對方法逐漸受到關(guān)注。這些方法利用圖像處理算法、特征提取技術(shù)和機(jī)器學(xué)習(xí)模型，對不同版本的cad圖紙進(jìn)行比對，以實(shí)現(xiàn)自動(dòng)化和智能化cad圖像審圖。然而，這些方法在實(shí)際應(yīng)用中仍然存在以下顯著的不足：

4、1.單階段圖像匹配的局限性：現(xiàn)有的圖像匹配方法多采用單階段模型，通常只考慮圖像的全局特征或局部特征。這種方法在面對復(fù)雜cad圖紙時(shí)容易受到形變、尺度變化、旋轉(zhuǎn)等因素的影響，導(dǎo)致匹配精度不足。此外，單階段方法難以處理cad圖紙中不同目標(biāo)的細(xì)粒度特征，尤其是在多目標(biāo)、多類別的場景下。

5、2.處理超大尺寸圖像的挑戰(zhàn)：cad圖紙往往具有超高分辨率和超大尺寸，現(xiàn)有的圖像處理算法和模型難以直接應(yīng)用。在大尺寸圖像的目標(biāo)檢測中，傳統(tǒng)的全局檢測方法無法有效兼顧精度和效率，而單純的局部檢測方法(如滑窗檢測)在拼合和全局處理時(shí)，容易引入冗余檢測和漏檢問題，進(jìn)一步影響檢測和匹配的準(zhǔn)確性。

6、3.多類別不平衡問題：在cad圖紙中，不同類別的目標(biāo)通常具有高度不均衡的分布。例如，在一個(gè)復(fù)雜的電子電路設(shè)計(jì)圖紙中，某些元件(如電容、電阻)的出現(xiàn)頻率遠(yuǎn)高于其他元件。現(xiàn)有的圖像處理和機(jī)器學(xué)習(xí)方法難以在樣本類別分布嚴(yán)重不均衡的情況下，維持較高的匹配和分類精度。

7、4.缺乏細(xì)粒度特征匹配能力：cad圖紙中包含大量細(xì)節(jié)信息，如線條粗細(xì)、標(biāo)注位置、字體風(fēng)格等，現(xiàn)有方法往往僅關(guān)注幾何特征或形狀特征，缺乏對這些細(xì)節(jié)的有效處理能力。因此，無法在細(xì)節(jié)差異較大的場景下準(zhǔn)確判斷圖紙的一致性。

8、5.處理異構(gòu)數(shù)據(jù)的能力不足：在實(shí)際工程應(yīng)用中，cad文件的格式多樣，既有矢量格式(如dwg、dxf)，也有圖像格式(如png、jpg)，甚至還包括pdf等文檔格式?，F(xiàn)有技術(shù)通常只能處理其中一種或幾種格式，缺乏對多種格式的統(tǒng)一處理能力，影響了自動(dòng)化審圖系統(tǒng)的適用性。

9、此外，目前的技術(shù)方案多為工具化產(chǎn)品，難以實(shí)現(xiàn)從數(shù)據(jù)處理、檢測到匹配和分析的全流程自動(dòng)化，智能化程度有限，限制了端到端的智能化審圖。特別是在跨領(lǐng)域應(yīng)用時(shí)，現(xiàn)有技術(shù)無法滿足多樣化和個(gè)性化的需求。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)中存在的技術(shù)問題，提供了基于多階段深度學(xué)習(xí)的cad圖紙智能匹配方法及系統(tǒng)，實(shí)現(xiàn)對任意不同格式的兩幅或多幅cad圖像的智能匹配和判斷。

2、本發(fā)明的目的是通過以下技術(shù)方案來實(shí)現(xiàn)的：

3、第一方面，提供一種基于多階段深度學(xué)習(xí)的cad圖紙智能匹配方法，包括以下步驟：

4、s1、加載和預(yù)處理cad圖紙，并通過數(shù)據(jù)增強(qiáng)和樣本平衡技術(shù)構(gòu)建三元組數(shù)據(jù)集；

5、s2、構(gòu)建目標(biāo)檢測模型和目標(biāo)匹配模型，并利用三元組數(shù)據(jù)集對目標(biāo)檢測模型和目標(biāo)匹配模型進(jìn)行訓(xùn)練；其中，所述目標(biāo)檢測模型采用yolov5模型，并結(jié)合滑窗檢測和非極大值抑制技術(shù)對cad圖紙進(jìn)行檢測；所述目標(biāo)匹配模型采用雙頭網(wǎng)絡(luò)結(jié)構(gòu)；

6、s3、利用訓(xùn)練好的目標(biāo)檢測模型和目標(biāo)匹配模型對待識(shí)別的cad圖紙進(jìn)行匹配。

7、在一些實(shí)施例中，所述步驟s1中數(shù)據(jù)增強(qiáng)包括隨機(jī)旋轉(zhuǎn)、平移、縮放、裁剪以及顏色抖動(dòng)。

8、在一些實(shí)施例中，所述步驟s1中樣本平衡技術(shù)，包括：

9、通過合成少數(shù)類過采樣技術(shù)和隨機(jī)欠采樣技術(shù)對數(shù)據(jù)進(jìn)行平衡。

10、在一些實(shí)施例中，所述步驟s2中對目標(biāo)檢測模型進(jìn)行訓(xùn)練，包括：

11、滑窗檢測：將超大尺寸的cad圖像分割為多個(gè)小窗，每個(gè)小窗以合適尺寸輸入yolov5模型進(jìn)行檢測；

12、局部非極大值抑制與全局非極大值抑制：首先在每個(gè)滑窗內(nèi)進(jìn)行局部非極大值抑制，抑制窗口內(nèi)的冗余檢測；然后在全局范圍內(nèi)合并所有滑窗的檢測結(jié)果，并進(jìn)行全局非極大值抑制，去除重疊目標(biāo)。

13、在一些實(shí)施例中，所述步驟s2中對目標(biāo)匹配模型進(jìn)行訓(xùn)練，包括：

14、使用多種損失函數(shù)組合進(jìn)行匹配。

15、優(yōu)選地，所述多種損失函數(shù)包括三元組損失、arcface損失、ntxent損失、類別敏感交叉熵?fù)p失、知識(shí)蒸餾損失、byol自監(jiān)督學(xué)習(xí)損失以及網(wǎng)絡(luò)參數(shù)l2正則化損失。

16、在一些實(shí)施例中，所述步驟s3具體包括：

17、使用余弦距離和f1范數(shù)進(jìn)行匹配判斷。

18、第二方面，提供一種基于多階段深度學(xué)習(xí)的cad圖紙智能匹配系統(tǒng)，包括：

19、數(shù)據(jù)集構(gòu)建模塊，用于加載和預(yù)處理cad圖紙，并通過數(shù)據(jù)增強(qiáng)和樣本平衡技術(shù)構(gòu)建三元組數(shù)據(jù)集；

20、模型構(gòu)建模塊，用于構(gòu)建目標(biāo)檢測模型和目標(biāo)匹配模型，并利用三元組數(shù)據(jù)集對目標(biāo)檢測模型和目標(biāo)匹配模型進(jìn)行訓(xùn)練；其中，所述目標(biāo)檢測模型采用yolov5模型，并結(jié)合滑窗檢測和非極大值抑制技術(shù)對cad圖紙進(jìn)行檢測；所述目標(biāo)匹配模型采用雙頭網(wǎng)絡(luò)結(jié)構(gòu)；

21、cad匹配模塊，用于利用訓(xùn)練好的目標(biāo)檢測模型和目標(biāo)匹配模型對待識(shí)別的cad圖紙進(jìn)行匹配。

22、第三方面，提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)任意一項(xiàng)所述的cad圖紙智能匹配方法。

23、第四方面，提供一種cad圖紙智能匹配設(shè)備，包括存儲(chǔ)器和處理器，存儲(chǔ)器上存儲(chǔ)有可在處理器上運(yùn)行的計(jì)算機(jī)指令，處理器運(yùn)行計(jì)算機(jī)指令時(shí)執(zhí)行任意一項(xiàng)所述的cad圖紙智能匹配方法。

24、需要進(jìn)一步說明的是，上述各選項(xiàng)對應(yīng)的技術(shù)特征在不沖突的情況下可以相互組合或替換構(gòu)成新的技術(shù)方案。

25、與現(xiàn)有技術(shù)相比，本發(fā)明有益效果是：

26、(1)本發(fā)明通過創(chuàng)新性地結(jié)合滑窗檢測與全局nms、雙頭網(wǎng)絡(luò)架構(gòu)、多損失函數(shù)組合，以及高效的推理和匹配判斷，解決了現(xiàn)有技術(shù)在cad圖像審圖匹配中的多個(gè)難題，為實(shí)際工業(yè)和工程應(yīng)用提供了一種高效、智能的解決方案。

27、(2)多階段檢測與匹配機(jī)制：通過滑窗檢測、局部nms與全局nms的結(jié)合，解決了超大尺寸cad圖像的處理難題，實(shí)現(xiàn)了高精度的目標(biāo)檢測與匹配，避免了傳統(tǒng)方法中的冗余檢測與漏檢問題。

28、(3)雙頭網(wǎng)絡(luò)結(jié)構(gòu)的高效匹配：本發(fā)明采用雙頭網(wǎng)絡(luò)結(jié)構(gòu)，將位置匹配與類別匹配獨(dú)立處理，使得類別信息不會(huì)干擾位置匹配，同時(shí)利用類別信息輔助匹配決策，提升了系統(tǒng)的匹配精度和魯棒性。

29、(4)多損失函數(shù)的組合優(yōu)化：通過多種損失函數(shù)(如三元組損失、自監(jiān)督學(xué)習(xí)損失、蒸餾損失、arcface損失等)的組合使用，全面提升模型的特征表達(dá)能力、匹配精度和分類性能，特別是在處理復(fù)雜樣本和類別不平衡時(shí)表現(xiàn)尤為出色。

30、(5)高效的知識(shí)蒸餾與模型輕量化：通過知識(shí)蒸餾技術(shù)，將教師網(wǎng)絡(luò)的高性能特征傳遞給學(xué)生網(wǎng)絡(luò)，實(shí)現(xiàn)了模型的輕量化設(shè)計(jì)，使得系統(tǒng)能夠在資源受限的環(huán)境中依然保持高效的推理性能。

31、(6)f1范數(shù)指導(dǎo)的最優(yōu)匹配判斷：本發(fā)明采用f1范數(shù)計(jì)算最優(yōu)匹配閾值，確保匹配結(jié)果的準(zhǔn)確性和穩(wěn)定性，特別是在召回率與準(zhǔn)確率之間取得了良好的平衡。

32、(7)通用性與擴(kuò)展性：系統(tǒng)支持多種數(shù)據(jù)格式(如pdf、圖像、矢量圖)的處理，適應(yīng)多源異構(gòu)數(shù)據(jù)的需求，具有良好的通用性與擴(kuò)展性，適用于多種工業(yè)和工程應(yīng)用場景。