華為云聯(lián)合構(gòu)力科技發(fā)布BIM+AI建筑圖紙審查系統(tǒng)

近日，2021構(gòu)力科技PKPM用戶大會在線上舉辦，華為云聯(lián)合構(gòu)力科技發(fā)布了BIM+AI審查系統(tǒng)，實現(xiàn)建筑圖紙審查智能化。該系統(tǒng)結(jié)合構(gòu)力行業(yè)知識，基于華為云盤古CV大模型、NLP等技術(shù)，通過精細(xì)目標(biāo)圖像理解和知識計算聯(lián)合驅(qū)動的神經(jīng)網(wǎng)絡(luò)架構(gòu)，精準(zhǔn)定位設(shè)計缺陷，提高單位時間審圖數(shù)量，幫助設(shè)計師和工程師從簡單重復(fù)的勞動中解放出來。

在建筑行業(yè)，當(dāng)前審圖主要存在審查規(guī)范理解不一致、審核尺度不一樣、審核工作量大等問題。華為云與構(gòu)力科技聯(lián)合發(fā)布的基于二維PDF圖紙的BIM+AI審查系統(tǒng)，主要解決了審圖過程中的三個難題：

? 有限的訓(xùn)練語料如何訓(xùn)練出精準(zhǔn)的審圖模型；

? 海量的審圖規(guī)范，進(jìn)行智能化的存儲、處理、判斷；

? 無縫銜接到當(dāng)前審查系統(tǒng)。

AI審圖的關(guān)鍵點(diǎn)在于審圖算法模型的精準(zhǔn)性，以及正確匹配到法律條文，并在此基礎(chǔ)上進(jìn)行數(shù)字化表達(dá)。

但在AI審圖的過程中，工程制圖圖像是由人工定義的符號組成，組合復(fù)雜的圖像；同時一張圖紙尺寸很大，但是其中需要識別的構(gòu)件卻很細(xì)微。為了解決這些難點(diǎn)，華為云提出了一套結(jié)合了精細(xì)目標(biāo)圖像理解和知識計算聯(lián)合驅(qū)動的神經(jīng)網(wǎng)絡(luò)架構(gòu)，大幅提升了AI識圖的精度。

當(dāng)一個PDF格式的圖紙輸入后，對于規(guī)則的構(gòu)件，系統(tǒng)會使用目標(biāo)檢測分類網(wǎng)絡(luò)提取它們的位置和類別信息；對于不規(guī)則的構(gòu)件，則通過實例分割網(wǎng)絡(luò)提取多邊形角點(diǎn)和類別信息。在網(wǎng)絡(luò)中，通過一種空洞卷積級聯(lián)與并聯(lián)結(jié)構(gòu)提升窄小目標(biāo)識別，擴(kuò)大微小構(gòu)件的感受野，利用周邊狀態(tài)，提升微小構(gòu)件的識別精度, 比如墻、尺寸線；另一方面，加入的邊緣分支和邊緣loss能夠提升對于構(gòu)件精細(xì)邊緣的識別精度。在后續(xù)流程中，華為云將通過知識計算構(gòu)建一個建筑行業(yè)先驗知識約束模塊對結(jié)果進(jìn)行細(xì)化處理。如聯(lián)通區(qū)域約束、關(guān)聯(lián)構(gòu)件約束、邊緣平滑約束。通過這些行業(yè)先驗知識的約束，可以大幅提升識別困難構(gòu)件的精度。

系統(tǒng)能快速上線也離不開華為云的長期技術(shù)積累，華為云盤古CV大模型包含了超過30億參數(shù)，并且已經(jīng)在超過10億張圖像上進(jìn)行了預(yù)訓(xùn)練、知識抽取，找出海量數(shù)據(jù)間的共性，訓(xùn)練出超大網(wǎng)絡(luò)以吸收海量知識。因此，僅基于小樣本學(xué)習(xí)，就可對有限的二維PDF建筑圖紙進(jìn)行調(diào)優(yōu)。從應(yīng)用角度來看，因為識別的是二維圖紙，設(shè)計師不需要改變原來的畫圖習(xí)慣，后臺審圖算法自適應(yīng)于不同類型的構(gòu)件表達(dá)。

BIM+AI審圖效果

其次，通過華為云NLP等技術(shù)實現(xiàn)了對海量的審圖規(guī)范、政策強(qiáng)文、審查師先驗知識等知識抽取、信息挖掘，采用知識圖譜水線進(jìn)行審查知識庫的知識建模、知識管理、知識應(yīng)用等，最終構(gòu)建統(tǒng)一的審圖規(guī)范知識庫，在審圖時，并行化處理，自動匹配審圖構(gòu)件或設(shè)計條文。

此外，華為云HiLens能夠?qū)⑿袠I(yè)模型跟建筑行業(yè)的實際場景相結(jié)合，實現(xiàn)云端協(xié)同。

以上只是AI技術(shù)落地建筑行業(yè)的冰山一角，接下來，華為云將會和構(gòu)力科技一起持續(xù)加強(qiáng)AI技術(shù)與BIM技術(shù)的持續(xù)融合和探索。