买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：济南科明数码技术股份有限公司

摘要：本发明涉及错误识别技术领域，具体为智能尺规绘图错误识别系统，系统包括几何误差分析模块、实时几何调整模块、几何特征增强模块和误差校正评估模块，几何误差分析模块基于尺规绘图数据，计算基础几何误差频率和错误类型的分布统计，通过误差分布设置初始参数。本发明，通过实时更新和动态调整几何参数，提供了对绘图数据变化的即时响应，提升了识别过程的响应速度与处理准确性，使用生成对抗网络优化图像清晰度和边缘细节，进一步增强了几何误差的可识别度，提高系统在绘制精细图像时的性能，分析与比对设计标准和历史数据的能力，允许系统判断和纠正几何误差，增强绘图成果的准确性和可靠性，有效减少了重工和时间浪费，优化了工作流程。

主权项：1.智能尺规绘图错误识别系统，其特征在于，所述系统包括：几何误差分析模块基于尺规绘图数据，计算基础几何误差频率和错误类型的分布统计，通过误差分布设置初始参数，执行基线学习流程，并对标准几何误差集进行训练，得到基线几何配置；实时几何调整模块基于所述基线几何配置，利用在线学习机制，实时接收新的设计图纸错误数据，计算当前几何误差频率和类型，比较前后数据变化，进行参数再配置，并持续优化误差识别过程，得到动态几何参数；几何特征增强模块基于所述动态几何参数，应用生成对抗网络，优化图像清晰度和边缘细节，输入特征至调优流程中，优化几何误差识别的准确性，得到几何特征识别信息；误差校正评估模块基于所述几何特征识别信息，分析识别的几何误差类型和频率，对比设计标准和历史数据，对误差严重性进行判断，并利用判断结果调整设计参数，生成几何校正结果；所述基线几何配置包括初步误差标准、学习率基准、初始权重设置，所述动态几何参数包括更新频率、参数调整范围、实时性能指标，所述几何特征识别信息包括细节恢复级别、误差辨识信息，所述几何校正结果包括修正流程、参数调优结果、实施效果评价结果；所述当前几何误差频率和类型的计算步骤具体为：基于所述基线几何配置，实时接收新的设计图纸错误数据，分类错误类型，计算实时更新的出现次数，采用累积计数法： 得到实时错误类型计数，其中，是时间点的目标错误类型的累积出现次数，是时间点的错误计数，是在时间点收到的新数据集，为指示函数，表示若数据属于错误类型，则为1，否则为0；基于所述实时错误类型计数，计算每种错误的实时频率，结合错误数据的时间关联性，使用加权公式： 得到实时错误类型频率，其中，是时间点的错误类型的实时频率，是新数据的权重因子，是时间窗口内的总数据点数，是时间点的目标错误类型的累积出现次数；整合所述实时错误类型频率和实时错误类型计数，使用公式： 得到当前几何误差频率和类型，其中，是包括错误类型实时频率的向量，表示对应错误类型在时间点的频率；所述图像清晰度和边缘细节的优化步骤具体为：基于所述动态几何参数，分析当前图像数据，确定基线清晰度和边缘细节，对图像进行初步处理，采用公式： 得到增强的图像对比度，其中，是原始图像对比度，是调整系数，用于控制对比度调整强度，是基于几何参数计算的调整因子；基于所述增强的图像对比度，应用生成对抗网络细化图像边缘，优化细节可见度，采用公式： 得到优化后的边缘细节，其中，是原始边缘细节，是GAN模型参数，是边缘优化参数；所述几何特征识别信息的获取步骤具体为：采用边缘检测算法对几何图像进行分析，提取关键几何特征，采用公式： 得到边缘强度，其中，和是水平和垂直方向的像素梯度，是梯度增强因子；基于所述边缘强度，对提取的特征进行分类，识别几何错误类型，采用公式： 得到几何形状的分类概率，是权重矩阵，是偏置项，是激活函数，用于输出概率，是边缘强度。

全文数据：

权利要求：

百度查询： 济南科明数码技术股份有限公司 智能尺规绘图错误识别系统