Адаптивная модель предобработки изображений при классификации чертежей строительных металлоконструкций

Abstract

Постоянный рост рынка инженерных услуг и наличие значительного объема архивной бумажной документации актуализируют задачу перевода технических чертежей и спецификаций к ним в цифровой формат. Анализ состояния исследований демонстрирует активное применение распознающих и генеративных моделей для извлечения ключевых характеристик чертежей, что упрощает их интеграцию в системы компьютерного моделирования. Для повышения эффективности нейросетевых моделей применяется предобработка изображения, однако ввиду особенностей структуры и возможных источников чертежей, подобный подход несет с собой риск потери информации или искажения данных. Авторами предлагается адаптивная модель предобработки, ориентированная на системы классификации чертежей строительных металлоконструкций. Данная модель включает в себя операции масштабирования, фильтрации шумов, бинаризации и восстановления цвета информативных пикселей, где каждая операция применяется в зависимости от значения критериев, определяющих необходимость ее вызова. В рамках исследований определяются алгоритмы и методы, подходящие для реализации вышеописанных операций: метод интерполяции Ланцоша, взвешенный медианный фильтр с переключением и метод бинаризации Вольфа. Авторами предлагается набор критериев оценки эффективности предобработки при классификации чертежей строительных металлоконструкций. Ряд проведенных экспериментов показывает, что разработанная адаптивная модель предобработки дает больший прирост точности классификации по сравнению со стандартной предобработкой на основе таких же алгоритмов или полным ее отсутствием. Делаются выводы о возможности дальнейшего внедрения модели в системы классификации и распознавания деталей чертежей строительных металлоконструкций. The constant growth of the engineering services market and the significant volume of archival paper documentation make the task of digitizing technical drawings and their specifications urgent. An analysis of the current state of research demonstrates the active use of recognition and generative models to extract key drawing characteristics, which facilitates their integration into computer modeling systems. Image preprocessing is used to improve the efficiency of neural network models; however, due to the specific structure and potential sources of drawings, this approach carries the risk of information loss or data corruption. The authors propose an adaptive preprocessing model designed for classification systems for drawings of building metal structures. This model includes scaling, noise filtering, binarization, and color restoration of informative pixels, where each operation is applied depending on the values of criteria that determine whether it is required. The research identifies algorithms and methods suitable for implementing the above-described operations: the Lanczos interpolation method, the switching weighted median filter, and the Wolf binarization method. The authors propose a set of criteria for evaluating the effectiveness of preprocessing in classifying drawings of building metal structures. A series of experiments shows that the developed adaptive preprocessing model yields a greater increase in classification accuracy compared to standard preprocessing based on the same algorithms or no preprocessing at all. Conclusions are drawn regarding the potential for further implementation of the model in systems for classification and recognition of parts in drawings of building metal structures.