有没有办法使用 OCR 从 CAD 技术图纸中提取特定数据？答案

【问题标题】：Is there a way to use OCR to extract specific data from a CAD technical drawing?有没有办法使用 OCR 从 CAD 技术图纸中提取特定数据？
【发布时间】：2021-04-01 04:17:09
【问题描述】：

我正在尝试使用 OCR 仅提取 CAD 模型的基本尺寸，但还有其他我不需要的关联尺寸（如角度、从基线到孔的长度等）。 Here is an example of a technical drawing. (The numbers in red circles are the base dimensions, the rest in purple highlights are the ones to ignore.)我如何告诉我的程序只提取基本尺寸（块在通过 CNC 之前的高度、长度和宽度）？

问题是我得到的图纸不是特定格式的，所以我无法告诉 OCR 尺寸在哪里。它必须根据上下文自行判断。

我是否应该通过机器学习来训练程序，通过运行多次迭代并纠正它？如果有，有哪些方法？我唯一能想到的是 Opencv 级联分类器。或者还有其他方法可以解决这个问题吗？对不起，很长的帖子。谢谢。

【问题讨论】：

为什么不对所有内容进行 OCR 并为要提取的内容建立规则？
在这里，我编辑了问题。从图中可以看出，有很多不相关的数字。另外，数字并不总是在同一个位置，这取决于模型的形状，以及绘图的人。我能想到的唯一解决方案是训练 OpenCV 来检测单个箭头并将它们识别为基本尺寸。如果您能想到任何其他解决方案，将不胜感激。谢谢。

标签： opencv machine-learning ocr text-extraction cascade-classifier

【解决方案1】：

我觉得你……这是一个非常棘手的问题，我们在过去 3 年中一直在寻找解决方案。请原谅我提到了自己的解决方案，但它肯定会解决你的问题：pip install werk24


from werk24 import Hook, W24AskVariantMeasures
from werk24.models.techread import W24TechreadMessage
from werk24.utils import w24_read_sync
    
from . import get_drawing_bytes # define your own
    
    
def recv_measures(message: W24TechreadMessage) -> None:
    for cur_measure in message.payload_dict.get('measures'):
        print(cur_measure)
    
if __name__ == "__main__":
    # define what information you want to receive from the API
    # and what shall be done when the info is available.
    hooks = [Hook(ask=W24AskVariantMeasures(), function=recv_measures)]
    
    # submit the request to the Werk24 API
    w24_read_sync(get_drawing_bytes(), hooks)

在您的示例中，它将返回例如以下度量

    {
        "position": <STRIPPED>
        "label": {
            "blurb": "ø30 H7 +0.0210/0",
            "quantity": 1,
            "size": {
                "blurb": "30",
                "size_type":" "DIAMETER",
                "nominal_size": "30.0",
            },
            "unit": "MILLIMETER",
            "size_tolerance": {
                "toleration_type": "FIT_SIZE_ISO",
                "blurb": "H7",
                "deviation_lower": "0.0",
                "deviation_upper": "0.0210",
                "fundamental_deviation": "H",
                "tolerance_grade": {
                    "grade":7,
                    "warnings":[]
                },
            "thread": null,
            "chamfer": null,
            "depth":null,
            "test_dimension": null,
         },
         "warnings": [],
         "confidence": 0.98810
    }

或者对于 GD&T

{
    "position": <STRIPPED>,
    "frame": {
        "blurb": "[⟂|0.05|A]",
        "characteristic": "⟂",
        "zone_shape": null,
        "zone_value": {
            "blurb": "0.05",
            "width_min": 0.05,
            "width_max": null,
            "extend_quantity": null,
            "extend_shape": null,
            "extend": null,
            "extend_angle": null
        },
        "zone_combinations": [],
        "zone_offset": null,
        "zone_constraint": null,
        "feature_filter": null,
        "feature_associated": null,
        "feature_derived": null,
        "reference_association": null,
        "reference_parameter": null,
        "material_condition": null,
        "state": null,
        "data": [
            {
                "blurb": "A"
            }
         ]
    }
}

查看Werk24 上的文档了解详细信息。

【讨论】：