วิธีสกัดข้อมูลสัดส่วนในภาพเขียนแบบวิศวกรรมด้วยการประมวลผลภาพลักษณะโครงร่างวัตถุMorphological Image Processing-based Method for Extracting Dimension Specification in Engineering Drawing

Abstract

การเขียนแบบวิศวกรรมเพื่อการสั่งผลิต มีการแสดงภาพฉายร่วมกับภาพ 3 มิติ ถึงแม้ว่าภาพ 3 มิติสามารถบ่งบอกลักษณะของวัตถุได้อย่างชัดเจน แต่ไม่สามารถแสดงการกำหนดขนาดและรายละเอียดได้ทั้งหมด ดังนั้นการแสดงรายละเอียดและการระบุขนาดต้องระบุในภาพเขียนแบบ 2 มิติ หรือภาพฉาย ซึ่งการอ่านแบบวิศวกรรมที่เป็นภาพ 2 มิติ ต้องใช้ผู้เชี่ยวชาญหรือผู้ที่มีทักษะเพื่อลดระยะเวลาและค่าใช้จ่ายในการตรวจสอบความถูกต้องของงานที่ผลิต เพื่อแก้ไขปัญหาดังกล่าวข้างต้น งานวิจัยนี้ได้นำเสนอเทคโนโลยีการประมวลภาพดิจิทัลโดยใช้เทคนิคมอร์โฟโลจิคอล (Morphological) เพื่อช่วยวิเคราะห์ แยกแยะรายละเอียด และจัดกลุ่มข้อมูลการกำหนดขนาดในภาพเขียนแบบเครื่องกล 2 มิติทั้งส่วนที่เป็นวัตถุ เส้นบอกขนาด ลูกศรบอกขนาด และตัวหนังสือ จากการทดสอบกับภาพเขียนแบบ 2 มิติที่มีเส้นกำหนดขนาดรวมทั้งหมด 166 เส้น พบว่าสามารถวิเคราะห์เส้นกำหนดขนาดในภาพเขียนแบบได้สมบูรณ์ถึง 81 เปอร์เซ็นต์ ซึ่งสามารถประยุกต์ใช้ทำการตรวจสอบข้อผิดพลาดของตำแหน่งเส้นกำหนดขนาด และลดการซ้ำซ้อนของการระบุขนาดได้

Engineering drawing for manufacture consists of orthographic projection and 3D image. Although 3D image drawing can be used to describe the object appearance, it cannot really show all dimensions and details. Therefore, details and dimensions are usually specified in a 2D image or orthographic drawing. Importantly, an expert or a skilled person is essentially required to read and understand an engineering drawing in order to reduce the time and cost spent to validate its details for manufacturing. Focusing on the above area, the morphological image processing-based method for extracting dimensions in engineering drawing is proposed. The approach can analyze, extract, and categorize the dimension details in 2D engineering drawing, i.e., object, dimensions, arrows, and text. The proposed approach has been tested with several drawings (166 dimension lines in total). It achieved over 81 percent accuracy in detecting the complete dimensions. Interestingly, this can further lead to the development of the application for error and repetition dimension detection.