一种BIM模型智能辅助会审系统及方法技术方案

本发明专利技术提供了一种BIM模型智能辅助会审系统及方法，系统包括：提取模块设置为通过Revit软件提供的SDK和API接口采集模型截图，并将模型截图及对应的数字矩阵信息传递给预处理模块；预处理模块设置为从数字矩阵信息中提取空间位置坐标，并根据空间位置坐标为模型截图添加场景定位标签；神经网络模块设置为利用训练好的MaskRcnn掩码式卷积神经网络，根据场景定位标签对模型截图中可能存在的专业问题进行识别和分类，输出并存储识别和分类结果。本发明专利技术利用掩码式卷积神经网络对模型截图进行专业问题识别与分类，并输出匹配度最高的识别结果，辅助会审人员对模型进行会审，避免纯人工会审可能存在的遗漏问题，节约人工成本，提高会审效率。会审效率。会审效率。

【技术实现步骤摘要】
一种BIM模型智能辅助会审系统及方法


[0001]本专利技术涉及建筑信息化应用
，尤其涉及一种BIM模型智能辅助会审系统及方法。

技术介绍

[0002]施工图会审是施工准备阶段技术管理主要内容之一，认真做好施工图会审，检查图纸是否符合相关条文规定，是否满足施工要求，施工工艺与设计要求是否矛盾，以及各专业之间是否冲突，对于减少施工图中的差错，完善设计，提高工程质量和保证施工顺利进行都有重要意义。因此，施工图会审的深度和全面性将在一定程度上影响工程施工的质量、进度、成本、安全和工程施工的难易程度。只要认真做好了此项工作，图纸中存在的问题一般都可以在图纸会审时被发现并尽早得到处理，从而可以提高施工质量、节约施工成本、缩短施工工期，提高效益。因此，图纸会审是工程施工前的一项必不可少的重要工作。应用BIM技术的三维可视化辅助图纸会审，形象直观。
[0003]随着BIM技术软件在建筑工程中的逐步推广，越来越多的施工单位已经开始运用此项技术，它已经成为建筑业信息化的发展趋势。基于BIM的施工图会审可以发现传统二维图纸会审所难以发现的许多问题，传统的施工图会审都是在二维图纸中进行图纸审查，难以发现空间上的问题。但现有BIM模型会审过程中要求审核人员参照CAD图纸、BIM模型，按照固定的顺序对BIM模型进行问题识别、统计、记录、存档。此过程完全依赖BIM技术人员的技术储备以及对图纸和模型的熟悉程度，稍不仔细容易遗漏相关专业问题，并且对于大型建筑来说，不同建筑楼层中同一类型问题较多，导致人工重复工作量大，效率低。另一方面，虽然BIM模型软件提供了碰撞检查等功能，但对于其他会审中关心的专业问题则无能为力。
[0004]公开号为CN104217065B的中国专利公开了一种基于BIM技术的图纸会审系统及方法，其缺点在于：只能针对模型中的墙和梁，识别墙梁结构是否存在错位。但BIM模型中实际存在的专业问题并非只有墙梁错位这一种情况，对于其他专业问题，该专利就显得无能为力了。

技术实现思路

[0005]为了解决以上技术问题，本专利技术提供了一种基于掩码式卷积神经网络的会审问题辅助识别系统及方法，利用神经网络对BIM模型中存在的专业问题进行识别和分类，避免人工会审可能存在的遗漏和效率低下问题。
[0006]为了实现上述专利技术目的，本专利技术所提供的技术方案包括：
[0007]一种BIM模型智能辅助会审系统，包括：提取模块、预处理模块和神经网络模块；
[0008]所述提取模块设置为通过Revit软件提供的SDK和API接口采集模型截图，并将所述模型截图及对应的数字矩阵信息传递给所述预处理模块；
[0009]所述预处理模块设置为从所述数字矩阵信息中提取空间位置坐标，并根据所述空间位置坐标为所述模型截图添加场景定位标签；
[0010]所述神经网络模块设置为利用训练好的MaskRcnn掩码式卷积神经网络，根据所述场景定位标签对所述模型截图中可能存在的专业问题进行识别和分类，输出并存储所述识别和分类结果。
[0011]在一些较优的实施例中，还包括匹配模块；所述匹配模块设置为读取所述识别和分类结果，与会审问题进行匹配并输出匹配结果；所述会审问题为专业问题子集。
[0012]在一些较优的实施例中，所述场景定位标签包括空间位置坐标及模型截图在BIM模型中的场景信息。
[0013]在一些较优的实施例中，所述MaskRcnn掩码式卷积神经网络的训练方法包括：
[0014]采集所述模型截图，对所述模型截图中存在的专业问题进行分类和标注，作为专业问题样本库；
[0015]利用所述专业问题样本库对所述MaskRcnn掩码式卷积神经网络进行分类训练。
[0016]在一些较优的实施例中，所述空间位置坐标包括所述模型截图以显示屏长宽像素坐标为平面二维坐标系的坐标值。
[0017]一种BIM模型智能辅助会审方法，包括：
[0018]步骤S1.通过Revit软件提供的SDK和API接口采集模型截图及对应的数字矩阵信息，从所述数字矩阵信息中提取空间位置坐标并为所述模型截图添加场景定位标签；
[0019]步骤S2.利用训练好的MaskRcnn掩码式卷积神经网络，根据所述场景定位标签对所述模型截图中可能存在的专业问题进行识别和分类，输出并存储所述识别和分类结果；
[0020]步骤S3.读取所述识别和分类结果，与会审问题进行匹配，输出匹配度高的模型截图和分类信息。
[0021]在一些较优的实施例中，步骤S2中MaskRcnn掩码式卷积神经网络的训练方法包括：采集所述模型截图，根据会审问题对所述模型截图中存在的专业问题进行分类标注；
[0022]利用标注好的若干模型截图作为训练集对所述MaskRcnn掩码式卷积神经网络进行分类训练。
[0023]有益效果
[0024]1、根据模型截图的数字矩阵信息建立与空间位置坐标的映射关系，使模型截图也能反映截图所包含的构件在BIM模型中的具体位置，从而能快速的获取截图进行专业问题的识别与分类，避免人工获取和标注截图信息；2、利用掩码式卷积神经网络对模型截图进行专业问题识别与分类，并输出匹配度最高的识别结果，辅助会审人员对模型进行会审，避免纯人工会审可能存在的遗漏问题，节约人工成本，提高会审效率。
附图说明
[0025]图1为本专利技术一种较优实施例中的系统结构示意图；
[0026]图2为本专利技术另一种较优实施例中的系统结构示意图；
[0027]图3为本专利技术一种较优实施例中的方法流程示意图；
[0028]图4为本专利技术一种较优实施例中的匹配结果示意图；
[0029]图5为本专利技术另一种较优实施例中的匹配结果示意图；
具体实施方式
[0030]为了使本专利技术的目的、技术方案和优点更加清楚，下面结合附图对本专利技术作进一步阐述。在本专利技术的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0031]如图1所示，本实施例提供了一种BIM模型智能辅助会审系统，其特征在于，包括：提取模块、预处理模块和神经网络模块；
[0032]所述提取模块设置为通过Revit软件提供的SDK和API接口采集模型截图，并将所述模型截图及对应的数字矩阵信息传递给所述预处理模块；其中，所述SDK和API接口包括iapplication和i command所提供的接口。所述模型截图的采集频率和方式可以由本领域技术人员根据BIM模型的大小、复杂程度和建模质量具体确定。
[0033]所述预处理模块设置为从所述数字矩阵信息中提取空间位置坐标，并根据所述空间位置坐标为所述模型截图添加场景定位标签；应当理解的是，Revit接口所提供的数字矩阵信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种BIM模型智能辅助会审系统，其特征在于，包括：提取模块、预处理模块和神经网络模块；所述提取模块设置为通过Revit软件提供的SDK和API接口采集模型截图，并将所述模型截图及对应的数字矩阵信息传递给所述预处理模块；所述预处理模块设置为从所述数字矩阵信息中提取空间位置坐标，并根据所述空间位置坐标为所述模型截图添加场景定位标签；所述神经网络模块设置为利用训练好的MaskRcnn掩码式卷积神经网络，根据所述场景定位标签对所述模型截图中可能存在的专业问题进行识别和分类，输出并存储所述识别和分类结果。2.如权利要求1所述的BIM模型智能辅助会审系统，其特征在于：还包括匹配模块；所述匹配模块设置为读取所述识别和分类结果，与会审问题进行匹配并输出匹配结果；所述会审问题为专业问题子集。3.如权利要求1所述的BIM模型智能辅助会审系统，其特征在于：所述场景定位标签包括空间位置坐标及模型截图在BIM模型中的场景信息。4.如权利要求1所述的BIM模型智能辅助会审系统，其特征在于，所述MaskRcnn掩码式卷积神经网络的训练方法包括：采集所述模型截图，对所述模型截图中存在的专业问题进行分类和标注...

【专利技术属性】
技术研发人员：李熊飞，李文波，庄重，贾鹏坤，罗佳，罗颖，冯宇，屈韬，陈思为，李准，陈翠，杨丽珍，杨元君，张彬，冉景发，刘琴，张梦昕，石艺琨，邹文斌，张林，李超，朱华兴，
申请(专利权)人：成都建工第四建筑工程有限公司，
类型：发明
国别省市：