人工智能技术在施工图审查业务中的研究与应用

    “审图”的基础是“识图”，能准确识别各种各样的图纸、提取当中的设计信息，是 CAD 智能审图的前提。因此，本文将研究重点放在了识图能力上，具体需求如下：

  （1）图框识别：如何在各种情况下（例如图框在布局空间、文字不是用文本等），都能准确识别设计图框及图框信息。

  （2）图层识别：如何在各种情况下（图层设置不规范、图元对象放错图层等情况下）均能准确地找到目标图层。

  （3）构件识别：如何在不要求使用统一标准制图

的情况下，仍能对各种五花八门的对象进行准确识别。

  （4）空间识别：如何在不进行事先标注的情况下，自动识别各种封闭或开敞的空间，并进行坐标级别的准确定位。

  （5）关系识别：如何准确定义各类关系，并能够根据相关对象的位置数据，准确识别对象与对象、对象与空间之间的关系。

1.1 图框识别

    目前，CAD 图纸的表达没有明确的强制性要求，因此实际项目的电子图纸并没有统一的格式，设计师会使用各种各样的图元来表达图纸信息，这导致计算机系统无法准确识别到 CAD 文件内的图纸信息。而图纸信息是审图工作的基础信息，只有做到精准识别图框和图纸的信息，系统才能精准审图。

    方案通过研究大量图纸文件中的图元信息，总结出图框图元的图形特征，进行机器学习并得到分类模型，从而研发出一套图形分类算法。通过自研的图形算法，结合 OCR（光学字符识别）技术，系统可准确地识别出 CAD 文件中的图框范围和图纸信息，为审图提供准确的基础信息。该功能帮助信息管理系统实现从以文件为维度到以图纸（图框）为维度存储数据信息的转变，同时将设计产生的电子文件资料从源头进行管理。

1.2 图层识别

    CAD文件中的图元是以图层维度存储在文件中的，设计师为了绘图方便，会将不同的构件绘制到各自的图层中。CAD 文件中的图层都有对应的图层名称，通过正确的图层名称，系统可初步判断出该图层内图元所表达的构件。但是在实际的图纸文件中，由于人为因素，图层常常没有使用正确的图层名称。这将导致机器审图时无法对图层的内容进行正确地判断，导致审图的准确率大大降低。

    方案针对这一问题，分别从图形和图像两方面去解决。在图形方面，对不同图层内的图形信息进行大数据分析，提取出图元信息的规律。借助这一规律，实现计算机对图层信息的快速判断。在图像方面，使用大量的图例图像训练出一个分类模型。在系统运行中，先将各图层中的图例图像提取出来，利用该模型进行图像分类，从而实现对图层内容的判断。

1.3 构件识别

    建筑图纸构件识别问题的主要任务是对建筑图纸中构成建筑物及附属设施的各种的基本单元进行准确有效的定位和识别，以便能够准确地识别各类建筑及附属设施的种类、形状、位置。传统的解决方案有两种：一种是应用统一标准的构件模型库，但是在实际使用中既不满足设计师的使用灵活性需求，也存在制图习惯难以统一的问题；另一种是基于传统的图像识别方法，通过预先设定的模板匹配各种构件，但往往容易造成大量的误检漏检错检。构件对象识别效果，如图1所示。

图1  构件对象识别效果

    近年来，得益于 AI 算法和计算能力的提升，方案创新的研发出了面向建筑工程图纸优化的深度学习目标检测方法。结合 CAD 几何信息定位准与深度学习泛化能力强的特点，我们设计的构件识别算法，在整幅图像上各个位置用自适应的多尺度区域局部特征图边框回归。同时，结合本身的分区定位信息，自适应的裁剪图片进行定位，进一步提升小目标识别能力。巧妙利用CAD 的矢量信息，在保证几何拓扑不变性的情况下对定位框进行精细化、坐标化的标定，充分保证了构件对象识别的准确、高效、完备等特点。此外，面向工程图纸识别问题进行优化，最终取得了识别准确率优于最新公开技术文献 的成果。