DXF图纸的特殊文字与零件图线段关联关系提取模块竞标中:剩余14天

发包方SenZa15

其它分类项目

项目类型

5千~1万

项目预算

15天

预计开发时间

不限

区域限制

Python

项目内容描述

一：基于 Python 开发一个自动化解析模块，能够识别 2D 零件图纸中通过引线（含箭头）标注的特殊文字，并建立该文字与引线所指向的几何特征（直线或圆弧或多段线）之间的逻辑关联；

二：功能需求：
1：CAD 图形解析能力
系统应能原生读取并准确解析主流二维 CAD 文件格式，包括?.dxf（AutoCAD 2007–2025）及?.dwg（AutoCAD 2007–2025），算法需识别文字（特殊文字标识）、引导线（折线或斜线）、指向端（箭头或小圆点）、指向的几何实体（Line, Arc, Polyline）。

2：特殊文字标识识别
（1）自动识别并定位图纸中所有符合特殊文字标识的关键字。
（2）能够处理一根引线指向多个特征，或多个引线共享一个特殊文字标识的情况。
（3）具备良好的抗干扰能力，能够准确区分特殊文字标识区域与图纸中其他文字等的干扰，避免误识别。

3：信息存储与坐标提取
对于每个识别出的特殊文字标注（文字内容 + 引线 + 箭头），准确计算其最小外接矩形。
1）精确输出该矩形的左下角点（MinX, MinY）和右上角点（MaxX, MaxY）的世界坐标。
2）同时，识别并记录该符号对应的箭头、引线、文字，并以结构化数据（如JSON）的形式进行存储。

4：图元重组与规范化
（1）标准化封装：将所有散件（文字、引线、箭头）转换为一个 CAD 块或组。注意：实体线（即指向的目标线）不能和标注成为一组，避免实体数据变成标注数据；
（2）修改为 GongYi_Layer 属性。确保原有的被指向线段（零件轮廓）图层属性保持不变，仅改变标注本身的图层。

三：验收标准：
1）检测精度：在甲方提供的标准测试集（≥100 个包含不同样式、大小、角度和构成方式的CAD样本）上，工艺文字与目标线段的配对准确率 ≥99%，误报率 ≤ 1%。
2）处理效率：单文件（≤200+ 几何实体）全流程检测耗时 ≤ 5 秒（测试环境：Intel Core i7 / 16GB RAM / SSD）。
3）兼容性：支持 Windows 10/11 操作系统；兼容主流显卡驱动。
4）稳定性：连续运行 72 小时无内存泄漏或崩溃；对损坏的 CAD 文件应弹出友好提示而非程序异常退出。
5) 健壮性：对于重叠标注、交叉标注等复杂情况，算法应能通过权重评估选出最优组合方案，不产生程序死循环。
6）安全性：所有图纸数据仅在本地处理，不得联网传输；操作日志记录检测时间、文件名、问题统计，保留 ≥180 天。
7）稳定性：连续运行 72 小时无内存泄漏或崩溃；对损坏的 CAD 文件应弹出友好提示而非程序异常退出。
8）开发语言与框架：使用Python 3.8或者在此之上的其他Python版本，结合常用的工具库实现。
9）CAD文件处理：必须使用经过授权的商业级或开源合规的 CAD 解析库（如 ezdxf、pywin32com），禁止使用逆向工程或非授权工具；
10）接口规范：输入是CAD的dxf文件。修改后的图形自动新建一个相同的文件格式保存，须完整保留原始文件的图层结构、颜色、线型、块定义等属性信息，不得进行不可逆的简化或转换。
11）代码质量要求：代码注释率 ≥ 25%，关键算法需附原理说明。
12）需提供项目源码