1. 审图这个活儿为什么越来越需要一套AI图纸识别系统前几天去某家设计院办事正好撞见审图负责人老陈在办公室对着四十多张图纸来回翻屏幕切了又切旁边的规范条文PDF也开了一排。他一边用红笔在图纸上圈标注一边念叨某条规范对疏散门宽度的要求。旁边有个年轻工程师实在忍不住说了句这要是能自动核对就好了。老陈头也没抬回了句你倒是帮我找个能看的啊。这个场景其实就是目前大量设计院、审查机构的日常。施工图审查是工程建设项目里法定且必经的环节但它的核心工作形态仍然是人眼逐张扫、人脑逐条对规范。图纸动辄几十上百张每张图上百个构件、上千个标注要查的内容又涉及防火分区、疏散距离、净宽净高、构件尺寸、标注一致性、图面完整度等多个维度。人不是机器长时间高强度核对必然出现漏审、缓审、标准口径不统一的问题。简会AI图纸识别系统想解决的问题正是这个环节的效率与质量缺口。它的定位不是做一张能看懂图纸的图库而是一套面向施工图审查场景的智能审图工具上传CAD文件或高清PDF图纸后系统会自动完成图元识别、图层语义化、构件提取、规范条文匹配最终输出带图面定位的审查意见。审查人可以拿着这份意见直接在原图上复核而不是从零开始一张张翻。这篇文章我会把这类系统的技术实现思路、核心工作流、实测中遇到的坑和落地经验拆开讲。内容包括图像识别层面的做法、规则引擎与规范条文怎么结合、误报怎么治理、以及部署形态怎么选。对准备自研审图工具的技术团队、正在做图纸智能化产品选型的设计信息化负责人以及想了解AI审图到底做到什么程度的工程师都有参考价值。2. 简会系统的技术骨架从图纸像素到规范条文一共分了三层很多第一次接触这类系统的人会有一个错觉觉得AI看图纸就是把图纸丢给一个视觉大模型让它像人一样看完然后输出意见。真正落地的时候完全不是这个思路。图纸审读和自然语言理解不一样它既要看清图面也要读懂工程语义还要查对规范条文这三件事的技术栈完全不同。简会的架构是拆成三层来做每一层解决一类问题。2.1 第一层图纸解析与图元识别这一层负责把图纸文件变成计算机能处理的结构化信息。输入文件通常有两种形态一种是DWG/DXF等矢量格式一种是扫描或打印导出的PDF、图片光栅格式。两种格式在解析路径上有本质差异。矢量格式走的是几何解析路线。DWG文件内部记录的不是像素而是线段、圆弧、多段线、填充、图块等实体每类实体还带有图层、颜色、线型这些属性。简系统直接读取这些实体信息和几何坐标好处是精度高几乎不受分辨率影响坏处是不同厂商CAD的存储规则有差异而且部分设计院拿到的图纸是经过转存的版本图层名、图块名可能已经被破坏这种脏数据在解析阶段就要做大量容错处理。光栅格式PDF转图、扫描件走的是视觉识别路线。系统先把整图按DPI渲染成位图再用检测模型去定位图框、标题栏、轴网、墙体、门窗、尺寸标注、文字等元素。这个路线对模型的鲁棒性要求更高因为同一个墙在不同图纸里可能画成双线、单线、色块填充、甚至图案填充稍不留神就误判。在实践中两类格式往往要同时支持。审图机构收到的图纸来源五花八门有设计院直接出的DWG有业主扫描存档的PDF甚至有手机拍的照片。简会系统的做法是双通道并行矢量文件尽量用几何解析拿精确坐标光栅文件用识别模型拿语义标签两者最终统一到同一个构件-坐标-图层数据结构里。2.2 第二层图层语义化与构件结构化图纸文件解析出来之后摆在你面前的是一堆离散的线条、文字和符号距离这面墙有6米长、墙上开了3个门这种工程语义还差很远。第二层做的就是把这个鸿沟填平。图层语义化是第一步。规范化的施工图里设计单位通常会把墙、门窗、尺寸、文字、轴线分类放在不同图层里但现实是图层的命名习惯千奇百怪有叫墙-WALL的有叫WEIQIANG的还有整个图纸全画在0层的。针对这个问题简会用了一套组合策略先解析图层名本身的关键字再结合图元的几何特征比如墙体通常是平行双线、门窗通常嵌在墙体断口处、尺寸标注通常带箭头和数字做交叉校验两种信号都不明确时再丢给图像分类模型兜底。构件结构化做的事情更细。拿门这个构件举例系统识别出这里有一个门只是起点还要接着确定门的类型、宽度、开启方向、所在墙体、所在房间和所属防火分区。这些属性不是一次识别能拿到的需要把墙线、门窗编号、文字标注、面积信息全部串起来做几何推理。比如门旁边的文字标注写着FM乙1021系统要能解出这是乙级防火门、宽度1000毫米、高度2100毫米再结合门所处的位置判断这个门的净宽是否满足疏散要求。2.3 第三层规范条文的规则化引擎图纸语义出来了最后一步是拿它去比对规范。这一步的难点在于规范条文是自然语言图纸信息是结构化数据两侧的表达方式完全不同。比如《建筑设计防火规范》里关于疏散门净宽的规定原文表述很严谨但需要解读。规则引擎要做的事就是把这些条文拆解成可执行的判断规则当房间位于地上且人数不超过某阈值时疏散门的净宽度不应低于某个数值当条件不满足时要按人数乘以百人疏散宽度指标计算。拆解之后规则就成了一个函数输入是构件属性、房间人数、建筑类型等参数输出是通过或违反引用条文编号。简会目前把规则分成了两类。一类是硬性规则比如防火分区的面积上限、安全出口数量下限、净宽净高最小值这类规则确定性高可以直接算。另一类是软性规则比如消防通道宜保持畅通这类带有宜应字眼的条文系统不会直接判违规而是输出一条提示性意见最终由审查人判断是否采纳。规则库的建设是个持续过程。简会采用的思路是规则即代码每条规则都有独立的版本、生效日期和适用范围规范更新时只需修改对应规则模块不需要动识别层。这套规则引擎同时还会生成人工可读的解释说明为什么判违规、依据条文的哪个条款、关联了图纸上的哪个构件保证审查的决策链路是可回溯的。3. 一份图纸从上传到出具审查意见完整走一遍核心工作流上面讲的是能力分层可能还不够直观。这一节我按照一条图纸从进入系统到生成审查意见的完整路径来拆解标注每个环节具体做了什么、用到哪些算法、产出了什么结果。理解这条链路才算真正明白智能审图的自动化和人工介入点在哪里。3.1 上传、预处理与项目级图纸组织设计院或审查机构提交给系统的通常不是一张图而是一套图。简会的工作流从项目维度开始一个项目包含建筑、结构、给排水、电气等多个专业的图纸每张图又包含图框、图纸名称、版本号等元信息。上传之后的第一件事是图纸的自动分类和命名系统根据标题栏里的项目名称、图号、专业代码把图纸归入对应专业的目录结构。这步看起来不起眼但在实际项目里至关重要——几十张图混在一起没有正确的项目级组织后面的跨图核对根本没法做。预处理阶段还要统一图纸的基准。同一个项目的楼层平面图、楼梯详图、门窗表虽然画在不同图纸上但它们的坐标比例可能完全不同。简会做的事情是把图纸统一转换到毫米为单位的坐标系下同时记录图纸比例、出图比例、图幅尺寸等参数。我记得项目组第一次拿住宅楼图纸测试的时候光图纸比例识别错误导致疏散距离放大十倍这类问题就排查了好几天后来专门增加了一个比例自动校验环节——用图框尺寸和标注尺寸交叉验证异常时直接挂起转人工确认而不是盲目往下跑。3.2 图元识别与跨图一致性比对识别阶段是算力消耗最大的环节。一张A1幅面的图纸渲染到300DPI分辨率大概在1.7亿像素直接扔给卷积网络推理是不现实的。简会把图纸按网格切块让检测模型对每个小块识别图元类型和位置再用后处理算法把跨块的识别结果拼接回来。切块的大小要经过调优太小了切割痕迹明显同一个构件容易被从中间切开太大了又容易超过模型最大输入尺寸而且内存占用高。我们最后用的是重叠滑动窗口置信度加权融合的方案每个窗口在水平垂直方向都有约10%的重叠区域重叠部分的预测结果按置信度做加权融合。窗口移动过程中被切开概率高的部件比如墙边线多次识别结果可以互相印证误判概率明显下降。跨图一致性比对是识别之后的一层逻辑校验。在真实审图过程中评审专家不光看单张图还要跨图核对。比如平面图上标注的门窗尺寸要和门窗明细表上的尺寸一致首层平面图的疏散楼梯方向要和楼梯详图一致相邻楼层的墙柱位置上下层对齐不能出现错位。简会把多张图纸的识别结果纳入同一个空间索引按相同轴网坐标对齐再逐项比对关键构件的属性差异差异超过预设阈值时就自动生成比对类审查意见。这类问题在人工审图中是最容易被疲劳忽略的但对系统来说反而简单因为它是纯逻辑运算。3.3 规范审查与意见生成的交互逻辑识别和比对完成之后系统拿到的是一个图纸语义模型相当于把一百张图纸变成了一棵结构化数据树。接下来的规范审查就是在这棵树上的批量查询和规则匹配。每个审查点执行完之后结果会写入一份审查记录包含四个要素问题类型、涉及图纸和楼层、构件位置坐标、关联的规范条文编号。审查意见的生成不是简单弹出一条文字。简会上线初期也犯过文字墙的毛病——一次审查跑出几百条文字意见审查人根本不知道先在图纸上看哪里。后来改成了可视化定位分类分级的交互模式每条意见都绑定图纸上的具体坐标和构件轮廓审查人在系统里点击意见条目视图层自动定位到对应图面位置构件高亮显示。同时意见按违规/提示/待确认三个级别分类按专业、楼层、问题类别做聚合统计。这样审查人可以按优先级复核先处理多数项目共同出现的系统性问题再逐条确认零散问题。4. 实测中真正值钱的细节翻车场景、误报治理与性能取舍任何一套识别系统在演示Demo里都风平浪静真正跑真实生产数据的时候才会露出獠牙。简会从原型到能稳定投入使用中间经历了好几轮的实测打磨。这一节我挑几个最典型的坑展开说这些经验比功能列表更值钱。4.1 图面陷阱哪些情况最容易让模型翻车第一个高频坑是填充图案被识别成实体构件。建筑总图和剖面图里墙体、楼板、屋面经常用斜线、点状、渐变色图案填充来表示材质。在没有经过语义化处理的时候检测模型很容易把一片连续填充区域误判成实体块体进而产生某处存在超大构件的假阳性。后来我们给填充图案单独建立识别类别出了结果先走是不是填充的判断再决定是否参与几何计算。这一步看似简单但如果没有专门处理误报率会高出好几个百分点。第二个坑是文字重叠与标注压盖。图纸上的尺寸标注线和说明文字经常叠在一起识别模型在文字密集区域的表现会急剧下降。低版本系统曾经出现过把门宽1000识别成门宽0000的情况后面做了一次错误率分析发现八成以上文字识别错误都发生在标注线穿过数字的场景。修改方案是先检测标注线和引出线的位置在文字识别前把线体区域做图像擦除再把擦除后的文字区域单独送给OCR模型准确率提升非常明显。第三个坑藏在矢量图纸里的DWG坐标系漂移。有些设计人员会在同一张图里插入外部参照或者把图纸整体平移过导致各图层的图元坐标基准不一致。系统在做几何合并计算时稍不留意就会得出同一面墙居然有两份错位的边线的结论进而把很多后续判断都带偏。我们的对策是在解析阶段做图层级变换矩阵估计发现明显坐标偏移时自动校准校准失败就挂起进入人工修复队列绝不带着脏坐标往下算。4.2 误报治理从宁滥勿缺到精准审报审图系统最怕的问题不是漏报而是误报。原因很简单如果系统报出来的东西经常是错的审查人会逐渐不再信任它最终回到人工逐张翻图的老路。误报治理因此成了简会整个项目里投入时间最多的环节。我们内部把误报分成三类。第一类是识别错误导致的误报比如把排水管误认成结构柱然后报出柱距不满足规范。这一类靠提升识别模型精度来解决同时增加置信度阈值——低置信度的结果不参与规则判断。第二类是规则理解偏差导致的误报比如规范条文对适用范围有前提规则引擎没判断清楚就报了违规。这一类需要在规则库配置阶段引入懂规范的专业人员做规则审核把每一条规则的触发条件覆盖完整。第三类是基准确认错误导致的误报比如图纸版本混乱系统那旧版图纸和新增的修订图比报了一堆不存在的差异。这一类要通过版本管理来解决在预处理阶段建立图纸版本指纹不同版本之间不参与一致性比对。治理效果不能只看准确率还要看审查人的实际体验。简会现在有一个反馈闭环审查人对每条系统的意见可以做采纳/忽略操作系统每周自动汇总忽略率高的意见类型返回给团队做针对性优化。运行一个月之后整体误报率下降了接近一半审查人的复核平均耗时也明显缩短。4.3 性能瓶颈与部署形态的取舍图纸识别对算力的消耗是很多人上项目之前没预料到的。一张大图切块推理再加上跨图匹配和规则计算高峰期一个百张图纸的项目可能要连续跑几个小时。简会做了两个层面的优化第一是在批处理队列上做优先级调度先处理当前审查人正在查看的专业图纸其他专业排在后台生成缓存第二是引入缓存层——同一张图出过一轮结果后如果检测到的图元哈希没有变化后续审查直接复用缓存结果不再重复推理。部署形态上简会默认支持私有化部署。这里面有个很现实的原因图纸是工程项目的核心数据资产很多设计院和审查机构都明确要求数据不能出内网。私有化环境下没有云端弹性算力只能靠单机GPU或小规模集群扛。我们的建议配置是至少一张16G显存的推理卡内存不小于64G存储按项目量预留。项目组在实际交付中也遇到过资源紧张的小客户这时候会把识别模型切换到CPU推理模式速度会慢一些但胜在不用额外采购硬件适合图纸量不大的场景。5. 落地经验从能跑通到真正有人愿意天天用技术上的坑排查得差不多之后最大的难点反而变成了组织和流程层面的事情。这一节分享一些简会在实际项目落地过程中的经验偏管理和运营向但我觉得对同类系统反倒是最容易被忽视的部分。5.1 私有化环境下的数据合规与权限设计图纸数据的安全等级比一般办公文档高得多。在设计院或审查机构落地系统时第一场评审会聊的往往不是算法效果而是数据安全。简会的做法是三重权限体系系统层控制谁能登录、项目层控制谁能看哪些项目、图纸层控制谁能下载原图。审查意见和分析结果可以给项目组共享但DWG源文件只开放给特定角色导出所有操作都要留痕。权限体系还会影响识别结果的使用方式。简会支持先识别、后人工确认的双阶段模式在未确认状态识别结果只对系统内部可见不会直接写入审查结论只有审查人逐项确认或批量确认后结果才可以用于生成正式审查意见书。这种设计让用户敢用、放心用也避免了一旦自动识别出问题就直接对外输出、最后承担错误责任的窘境。5.2 从替代审图师到辅助审图师的产品定位这套系统做成功之后企业内部一度出现过两种声音一种认为以后不用养那么多审图人了一种觉得AI审图只是个噱头离了人转不动。两种说法其实都偏了。真正跑下来以后我的看法是简会做的是审图师的数字化助手核心价值是把人从重复性劳动里解放出来去做更复杂的判断。比如疏散距离、防火分区面积这些指标性核查以前是审图人拿着比例尺在图纸上来回量这套系统接手之后又快又准而且出意见还带坐标复核非常省事。但遇到这个地方的设计意图是否合理这个朝向对幼儿园活动室的使用是否方便这类需要综合判断的问题模型依然无法代劳最终还是要靠审图专家拍板。系统在交互上也在往这个方向配合快速问题自动出结果疑难问题整理好上下文辅助专家决策而不是替专家决策。我在几次实际交付中体会最深的一点是审图系统上线后第一周大家觉得新鲜愿意试第二三周如果误报清零做得不够就开始有人不愿意用了坚持把误报降下来、把意见条目的定位做准之后用户才会从试一下变成每天打开它干活。技术只是第一关让用户在真实流程里觉得顺手、可靠才是智能审图系统能不能落地的分水岭。
