我的问题更多是关于什么方法是解决我的问题的好/最好的方法：

问题 -

我是一名（机械/软件）工程师，在技术图纸完成/准备好/满足要求之前，我们会花费大量时间来审查技术图纸。此质量检查过程包括我们的 CAD 绘图员、绘图检查员、工程师和最终工程检查之间的循环。

无论图纸的类型（机械、电气、管道、属性草图等）如何，我们总是需要检查图纸的格式和包含的信息是否一致。

在过去的几年里，我花了很多时间来处理相对简单的机器学习技术（决策树/监督学习方法），这似乎是一个尝试更复杂事物的好机会。几年前，我还在 Go(lang) 中编写了一个（未优化的）神经网络，所以我对该领域并不完全陌生。

一个办法：

对于编写可以解决此类问题的算法，您建议采用什么方法？

我目前的计划是：

• 在许多不同的零件/图表/网络等的完整性的各个阶段收集尽可能多的图纸。
• 将它们分成“完整”和“不完整”的组
• 我打算从决策树/随机森林开始，因为它似乎是一个分类问题，分类数量可能有限
• 但是首先我需要将图表（pdf）转换为像素数组，因为标准图像识别不起作用
  • 这就是我认为这实际上对神经网络更好的原因，因为解析原始数据最容易输入到神经网络（如果所有图表的维度相同）

因此，我可以将图表输入神经网络，并给出每个错误的输出，或者它是否正确。重要的是完全不同的对象的两个图表都可能由于相同的原因而失败（例如缺少尺寸标签）。我想 a) 想知道问题是什么，并且 b) 如果可能的话，能够准确地输出失败的原因。

有人可以建议吗？谢谢