近日，2021構力科技PKPM用戶大會在線上舉辦，華為云聯(lián)合構力科技發(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)結合構力行業(yè)知識，基于華為云盤古CV大模型、NLP等技術，通過精細目標圖像理解和知識計算聯(lián)合驅動的神經(jīng)網(wǎng)絡架構，精準定位設計缺陷，提高單位時間審圖數(shù)量，幫助設計師和工程師從簡單重復的勞動中解放出來。
在建筑行業(yè)，當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：
? 有限的訓練語料如何訓練出精準的審圖模型；
? 海量的審圖規(guī)范，進行智能化的存儲、處理、判斷；
? 無縫銜接到當前審查系統(tǒng)。
AI審圖的關鍵點在于審圖算法模型的精準性，以及正確匹配到法律條文，并在此基礎上進行數(shù)字化表達。
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，組合復雜的圖像；同時一張圖紙尺寸很大，但是其中需要識別的構件卻很細微。為了解決這些難點，華為云提出了一套結合了精細目標圖像理解和知識計算聯(lián)合驅動的神經(jīng)網(wǎng)絡架構，大幅提升了AI識圖的精度。
當一個PDF格式的圖紙輸入后，對于規(guī)則的構件，系統(tǒng)會使用目標檢測分類網(wǎng)絡提取它們的位置和類別信息；對于不規(guī)則的構件，則通過實例分割網(wǎng)絡提取多邊形角點和類別信息。在網(wǎng)絡中，通過一種空洞卷積級聯(lián)與并聯(lián)結構提升窄小目標識別，擴大微小構件的感受野，利用周邊狀態(tài)，提升微小構件的識別精度, 比如墻、尺寸線；另一方面，加入的邊緣分支和邊緣loss能夠提升對于構件精細邊緣的識別精度。在后續(xù)流程中，華為云將通過知識計算構建一個建筑行業(yè)先驗知識約束模塊對結果進行細化處理。如聯(lián)通區(qū)域約束、關聯(lián)構件約束、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件的精度。
系統(tǒng)能快速上線也離不開華為云的長期技術積累，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10億張圖像上進行了預訓練、知識抽取，找出海量數(shù)據(jù)間的共性，訓練出超大網(wǎng)絡以吸收海量知識。因此，僅基于小樣本學習，就可對有限的二維PDF建筑圖紙進行調(diào)優(yōu)。從應用角度來看，因為識別的是二維圖紙，設計師不需要改變原來的畫圖習慣，后臺審圖算法自適應于不同類型的構件表達。
BIM+AI審圖效果
其次，通過華為云NLP等技術實現(xiàn)了對海量的審圖規(guī)范、政策強文、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行審查知識庫的知識建模、知識管理、知識應用等，最終構建統(tǒng)一的審圖規(guī)范知識庫，在審圖時，并行化處理，自動匹配審圖構件或設計條文。
此外，華為云HiLens能夠將行業(yè)模型跟建筑行業(yè)的實際場景相結合，實現(xiàn)云端協(xié)同。
以上只是AI技術落地建筑行業(yè)的冰山一角，接下來，華為云將會和構力科技一起持續(xù)加強AI技術與BIM技術的持續(xù)融合和探索。
華為云
專欄
閩公網(wǎng)安備 35010202001226號
