流程图转换方法、装置、设备和存储介质与流程

技术特征：
1.一种流程图转换方法，其特征在于，包括：步骤s1：获取流程图的历史图像，对历史图像进行目标标注，建立图像数据集；所述目标至少包括阀门、泵的工业设备；步骤s2：创建yolov3模型，将所述步骤s1中的图像数据集输入改进的yolov3模型中进行训练，得到目标提取模型；步骤s3：将待转换的流程图图像输入所述目标提取模型中，输出所述待转换的流程图中的目标分类及坐标信息；步骤s4：将所述目标提取模型的输出信息导入dcs流程图软件接口，自动生成目标流程图。2.如权利要求1所述的流程图转换方法，其特征在于，所述步骤s1进一步包括：采用labeling工具对历史图像进行目标标注；将目标标注后的历史图像按voc数据集的格式进行存储。3.如权利要求2所述的流程图转换方法，其特征在于，所述将目标标注后的历史图像按voc数据集的格式进行存储进一步包括：创建voc数据集，将未标注的历史图像保存于jpegimages文件夹中；将标注后的历史图像保存于annotations文件夹中；jpegimages文件夹中的历史图像的名称与annotations文件夹中的xml文件的名称一一对应；在voc数据集的imagesets\main文件夹中建立四个txt文件，分别为test.txt、train.txt、val.txt及trainval.txt，依次作为模型测试集、模型训练集、模型验证集及模型训练 验证集；按预设的比例分别为四个txt文件分配图像数据。4.如权利要求1所述的流程图转换方法，其特征在于，所述步骤s2进一步包括：所述yolov3模型包括backbone、neck及head，所述backbone采用cspdarknet19网络，在cspdarknet19网络的卷积核中加入空洞，扩大感受野；通过设置参数dilation rate的值，实现多尺度信息的获取。5.如权利要求4所述的流程图转换方法，其特征在于，所述步骤s2进一步包括：在所述cspdarknet19网络的最后一层加入inception网络，增加yolov3模型的网络宽度和深度。6.如权利要求1所述的流程图转换方法，其特征在于，所述步骤s2进一步包括：将图像数据集按60％，30％及10％的比例，依次分为模型训练集，模型验证集及模型测试集；将模型训练集、模型验证集及模型测试集输入所述yolov3模型中进行训练，得到所述目标提取模型。7.一种流程图转换装置，其特征在于，包括：数据集创建模块，用于获取流程图的历史图像，对历史图像进行目标标注，建立图像数据集；所述目标至少包括阀门、泵的工业设备；模型创建模块，用于创建yolov3模型，将所述步骤s1中的图像数据集输入改进的yolov3模型中进行训练，得到目标提取模型；目标提取模块，用于将待转换的流程图图像输入所述目标提取模型中，输出所述待转换的流程图中的目标分类及坐标信息；
流程图生成模块，用于将所述目标提取模型的输出信息导入dcs流程图软件接口，自动生成目标流程图。8.如权利要求7所述的流程图转换装置，其特征在于，所述数据集创建模块包括图像获取单元及图像标注单元；所述图像获取单元用于获取抽烟行为的历史图像，将未标注的历史图像保存于jpegimages文件夹中；所述图像标注单元用于采用labeling工具对历史图像进行目标标注，将标注后的历史图像保存于annotations文件夹中；jpegimages文件夹中的历史图像的名称与annotations文件夹中的xml文件的名称一一对应。9.一种流程图转换设备，其特征在于，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述流程图转换设备执行如权利要求1-6中任意一项所述的流程图转换方法。10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任意一项所述的流程图转换方法。

技术总结
本发明公开了一种流程图转换方法、装置、设备和存储介质，针对工业流程图绘制的重复性、繁杂而又机械的特性，而目前采用人工绘制花费大量时间的问题，通过基于深度学习中YOLOv3算法自动识别图片格式的流程图中的阀门、泵等设备目标，将这些设备目标信息通过DCS接口导入到流程图绘制软件中，可以自动生成新控制系统流程图画面的设备，可以较大减少人工绘制流程图的工作，提高工作效率。提高工作效率。提高工作效率。


技术研发人员：高杨 高平 杨鲁江 高聪
受保护的技术使用者：浙江中控技术股份有限公司
技术研发日：2021.09.24
技术公布日：2022/1/28