基于人工智能的建筑信息模型元素智能分类方法及系统与流程
本发明涉及建筑信息处理,具体为基于人工智能的建筑信息模型元素智能分类方法及系统。
背景技术:
1、建筑信息模型(bim)已广泛应用于建筑设计、施工、运维全生命周期管理,模型中包含大量建筑元素,如墙体、柱、梁、楼板、门窗、管道、设备、连接件等,为实现bim模型的标准化管理、数据统计、工程量计算、碰撞检测、运维追溯等应用,对bim元素进行精准、统一分类是前提条件。
2、然而目前现有的分类方法在使用时,过度依赖人工分类,人工分类效率极低,且一致性差,需人工逐一对构件进行观察、判断、标注。对于大型项目,构件数量可达数十万,耗时数周;且由于人工分类主观差异较大,这就导致每个人的分类标准不统一,导致模型数据无法共享复用,传统方法仅依赖构件外形或基础属性,无法识别异形构件、组合构件、隐蔽构件;忽略构件间拓扑关系,机电、管线类构件分类错误率高,缺乏自适应学习能力:现有工具无法根据项目差异、构件变化自动优化模型,每次新项目都需重新训练或人工调整,通用性差,因此针对以上情况,本发明提出了一种基于人工智能的建筑信息模型元素智能分类方法及系统。
技术实现思路
1、针对现有技术的不足,本发明提供了基于人工智能的建筑信息模型元素智能分类方法及系统,解决了上述背景技术中提出的问题。
2、为实现以上目的,本发明通过以下技术方案予以实现:基于人工智能的建筑信息模型元素智能分类方法,其特征在于:包括以下步骤:
3、s1、数据预处理:导入bim模型文件,解析拆分独立bim元素,提取三维几何数据、结构化属性数据、构件拓扑关系,生成轻量化三维模型;
4、s2、多模态特征并行提取:通过3d卷积神经网络提取三维几何特征,通过图神经网络提取拓扑关联特征,通过自然语言处理模型提取语义属性特征;
5、s3、多特征加权融合:采用注意力机制对三维几何特征、拓扑关联特征、语义属性特征动态加权,生成融合特征向量;
6、s4、ai模型智能分类:将融合特征向量输入预训练深度神经网络分类模型,输出分类标签及分类置信度;
7、s5、置信度分级处理:置信度90%自动分类入库,70%~90%高亮提示人工复核,<70%标记异常待人工标注;
8、s6、增量自学习优化:人工修正数据加入训练集,增量训练更新ai分类模型。
9、作为本发明进一步的,所述s1中bim模型格式包括ifc、rvt、nwc,轻量化处理采用降采样与去冗余算法。
10、作为本发明进一步的,所述s2中拓扑关联特征包括构件邻接、连接、包含关系特征。
11、作为本发明进一步的,所述s4中分类标签遵循ifc标准、国标或行业自定义标准。
12、基于人工智能的建筑信息模型元素智能分类系统,包括:数据预处理模块、多模态特征提取模块、特征融合模块、ai分类引擎模块、人机交互复核模块、增量自学习模块、数据存储模块。
13、作为本发明进一步的,所述数据预处理模块,用于负责bim原始数据的解析、拆分、清洗与标准化,为后续特征提取提供干净、统一的数据基础。
14、作为本发明进一步的,所述多模态特征提取模块,用于提取三类核心特征,从几何、拓扑、语义三维度全面刻画bim元素特征。
15、作为本发明进一步的,所述特征融合模块,用于将三类异构特征动态加权融合,形成综合特征向量,提高分类鲁棒性与准确率。
16、作为本发明进一步的,所述ai分类引擎模块,基于融合特征完成bim元素智能分类,输出标准化标签与置信度。
17、作为本发明进一步的,人机交互复核模块,提供可视化交互界面,实现分级复核、人工修正、结果确认。
18、作为本发明进一步的,增量自学习模块,利用人工修正数据持续优化模型,实现自适应、动态提升分类能力。
19、作为本发明进一步的,所述数据存储模块,统一存储全流程数据,提供可靠、可追溯的数据管理。
20、本发明提供了基于人工智能的建筑信息模型元素智能分类方法及系统,具备以下有益效果:
21、该基于人工智能的建筑信息模型元素智能分类方法及系统,通过自动化数据预处理、并行特征提取、批量ai推理,缩短分类时间,提高效率,降低人工标注与审核的工作量,大幅降低项目人力成本,同时融合三维几何、拓扑关联、语义属性三类核心特征,克服单一特征识别局限;通过注意力机制动态加权,强化关键特征权重,有效识别异形、组合、隐蔽构件,分类准确率高,显著减少人工主观误判与单一特征错分问题,保障分类结果精准可靠。
22、2、该基于人工智能的建筑信息模型元素智能分类方法及系统,通过遵循ifc、国标及行业通用分类标准,输出标准化分类标签,消除人工分类口径差异;统一构件id、属性与拓扑关联格式,确保不同项目、不同团队的bim数据可直接共享、复用、比对,支撑工程量统计、碰撞检测、运维管理等后续全生命周期应用,提升bim数据价值,并且设置增量自学习机制,持续收集人工修正数据并迭代训练模型,动态更新参数与特征权重;可快速适配建筑的不同需求,采用置信度分级处理:高置信度构件自动入库,中置信度构件高亮复核,低置信度构件标记异常;中低置信度构件占比小,大幅减少人工复核范围,兼顾自动化效率与人工精度,避免全人工低效或全自动化高错分的弊端,优化工作流程。
23、3、该基于人工智能的建筑信息模型元素智能分类方法及系统,通过数据存储模块完整记录原始模型、轻量化数据、特征向量、分类结果、置信度及人工修正记录,全过程可追溯、可审计;为bim模型质量管控、责任追溯、合规审查提供完整数据支撑,提升工程管理规范性,且系统采用模块化设计,可部署于普通服务器或云平台,无需专用硬件;支持ifc、rvt、nwc等主流bim格式,适配各类bim软件输出模型,实施门槛低、适配性强,易于行业推广应用。
1.基于人工智能的建筑信息模型元素智能分类方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的基于人工智能的建筑信息模型元素智能分类方法,其特征在于:所述s1中bim模型格式包括ifc、rvt、nwc,轻量化处理采用降采样与去冗余算法。
3.根据权利要求1所述的基于人工智能的建筑信息模型元素智能分类方法,其特征在于:所述s2中拓扑关联特征包括构件邻接、连接、包含关系特征。
4.根据权利要求1所述的基于人工智能的建筑信息模型元素智能分类方法,其特征在于:所述s4中分类标签遵循ifc标准、国标或行业自定义标准。
5.基于人工智能的建筑信息模型元素智能分类系统,用于执行权利要求1-4任一所述的基于人工智能的建筑信息模型元素智能分类方法,其特征在于:包括:
6.根据权利要求5所述的基于人工智能的建筑信息模型元素智能分类系统,其特征在于:所述数据预处理模块,用于负责bim原始数据的解析、拆分、清洗与标准化,为后续特征提取提供干净、统一的数据基础。
7.根据权利要求5所述的基于人工智能的建筑信息模型元素智能分类系统,其特征在于:所述多模态特征提取模块,用于提取三类核心特征,从几何、拓扑、语义三维度全面刻画bim元素特征。
8.根据权利要求5所述的基于人工智能的建筑信息模型元素智能分类系统,其特征在于:所述特征融合模块,用于将三类异构特征动态加权融合,形成综合特征向量,提高分类鲁棒性与准确率。
9.根据权利要求5所述的基于人工智能的建筑信息模型元素智能分类系统,其特征在于:所述ai分类引擎模块,基于融合特征完成bim元素智能分类,输出标准化标签与置信度;
10.根据权利要求5所述的基于人工智能的建筑信息模型元素智能分类系统,其特征在于:所述数据存储模块,统一存储全流程数据,提供可靠、可追溯的数据管理。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com