【技術實現步驟摘要】
本專利技術屬于bim數據轉換，具體為基于ai技術的建筑bim數據交換過程幾何缺陷自動識別及修復方法。
技術介紹
1、數據轉換模塊是bim建模軟件開發過程中必不可少的模塊，數據轉換模塊先讀取其他bim軟件輸出的模型文件或者中間格式文件，再將文件中的數據進行解析，解析后寫入自身軟件的數據結構或格式文件中。
2、在bim模型文件數據交換過程中，由于用戶所使用的bim軟件各不相同，軟件內部的架構不同，對精度的要求執行的標準也不相同，因此解析后的外部數據跟軟件內部的數據在幾何拓撲結構、精度等方面會有所不同，這就會不可避免地產生數據的丟失、對數據的解析錯誤、數據誤差等問題，導致數據交換過程中幾何缺陷問題的產生。
3、傳統的解決幾何缺陷問題的算法需要先預設出缺陷的類型，將數據遍歷識別出缺陷種類，再根據特定的幾何模型修復算法進行修復，其中缺陷識別需要借助人為的判斷，修復的過程也需要借助手動進行。在實際的工程應用中，bim軟件系統間的數據交換頻繁，傳統的幾何缺陷修復方法依賴于手動操作和有限的自動化工具，這些方法效率低下、靈活性差，且無法應對復雜模型中潛在的細微問題。此外，隨著bim模型復雜性的增加，現有的修復工具難以滿足高效、精準修復的需求。
技術實現思路
1、針對上述情況，為克服現有技術的缺陷，本專利技術提供了基于ai技術的建筑bim數據交換過程幾何缺陷自動識別及修復方法，實現智能化的幾何缺陷檢測與識別、智能幾何修復，以解決現有技術中存在的手動修復耗時、修復效率低、精度不足
2、本專利技術提供如下的技術方案：本專利技術提出的基于ai技術的建筑bim數據交換過程幾何缺陷自動識別及修復方法，包括模型訓練和模型使用兩個階段；
3、所述模型訓練階段的邏輯流程包括數據收集、數據解析、數據轉換、數據標注、數據集劃分、模型選擇、模型架構設計、訓練模型、模型評估、模型部署和模型使用，所述模型評估步驟對于不滿足評估的模型需要進行模型優化；
4、所述模型使用階段的流程包括數據輸入、幾何缺陷識別、只能反饋、幾何修復和數據輸出。
5、進一步地，所述模型訓練階段的邏輯流程具體如下：
6、(1)數據收集：
7、收集大量的bim模型數據作為初始數據并進行預處理，用以訓練模型的數據集；
8、(2)數據解析：
9、接收bim模型數據，解析出其中的拓撲及幾何信息，包括定點、邊、面、曲面；
10、(3)數據轉換：
11、將解析后的幾何數據按軟件數據轉換模塊進行轉換，轉換為統一的內部數據格式，本方案對應的內部幾何數據格式為brep；
12、(4)數據標注：
13、人為將轉換后的模型中的缺陷類型識別并在數據中進行標注，標注的缺陷類型應該全面；
14、(5)數據集劃分：
15、標注完的數據集分為訓練集、驗證集與測試集，訓練集用于訓練模型，驗證集用于評估模型的性能與進行超參數調優，測試集用于模型最終定型后進行性能評估；
16、(6)模型選擇：
17、數據集準備完成以后進入模型訓練階段，根據brep拓撲結構的特點，選擇圖神經網絡gnn作為訓練模型；
18、由brep(boundary?representation)方式表示的幾何通常由面、邊和頂點構成，幾何元素的拓撲關系可以自然地表示為一個圖結構，頂點跟面可以表示為圖中的節點，邊可以表示為圖的邊；頂點的坐標、曲率、連接的邊數可以作為頂點的特征表示，邊的長度、法向量、曲線類型可以作為邊的特征表示，面的法向量、面積、曲面類型、面與面的夾角可以作為面的特征表示。圖神經網絡(gnn)通過遞歸地聚合鄰居節點的特征信息來學習圖結構的全局表示。gnn能夠捕捉brep幾何中的拓撲和幾何關系，通過深度學習的方式，自動識別可能的幾何缺陷，并對不同的幾何缺陷進行修復；
19、(7)模型架構設計：
20、設計好模型的層數和每一層的神經元單元，選擇合適的激活函數與損失函數；
21、(8)訓練模型：
22、將預處理好的數據傳入模型，進行模型迭代訓練；
23、(9)模型評估：
24、模型訓練完成后使用驗證集和測試集評估模型的性能，判斷模型是否過擬合或欠擬合；
25、如果模型的性能滿足了預設要求，驗證誤差也已經最小化并穩定，則判斷模型訓練完畢，可以進入模型使用階段；
26、如果判斷模型過擬合或欠擬合，則需要進入模型優化過程，調整模型的參數或更換更合適的激活函數和損失函數，調整后繼續進行模型的迭代訓練，一直到訓練出滿足要求的模型；
27、(10)模型部署：
28、將訓練好的模型集成到bim數據轉換平臺中，作為幾何缺陷識別和修復的一部分；
29、(11)模型使用：
30、模型使用時只需要將轉換后的數據輸入訓練好的bim數據轉換平臺中，將常規輸入轉換后的數據輸入模型中，由模型輸出幾何缺陷的檢測結果，并提供修復建議，用戶可以選擇由模型自動修復的結果或進行手動修復。
31、進一步地，步驟(1)中收集來自不同的bim軟件生成的數據作為bim模型初始數據，類型涵蓋各類建筑物類型和結構，模型中應該包含多種幾何元素，且數據應該以包括ifc、step、dwg在內的各類格式進行存儲。
32、進一步地，步驟(4)中數據標注的缺陷類型涵蓋包括拓撲錯誤、幾何失真、數據不完整在內的各類幾何缺陷。
33、進一步地，所述模型使用階段的過程具體如下：
34、數據輸入過程接收并解析bim模型的幾何數據，包括ifc、step、dwg在內的各類格式，幾何缺陷識別過程基于訓練完畢的ai模型，自動對輸入的幾何數據進行缺陷識別，識別完畢以后進行智能反饋，輸出識別結果與修復建議，幾何修復階段用戶可以選擇使用模型輸出的修復結果對檢測到的缺陷進行修復或選擇進行手動修復，修復完畢以后將bim模型數據重新保存并按格式要求導出，這一過程支持多種輸出格式。
35、采用上述結構本專利技術取得的有益效果如下：本專利技術提出的基于ai技術的建筑bim數據交換過程幾何缺陷自動識別及修復方法，具體具有下述優點：
36、(1)本專利技術利用人工智能技術，能夠自動識別和修復bim數據交換過程中出現的幾何缺陷，顯著減少了人工干預的需求；與傳統手動修復方法相比，自動化處理大幅提高了修復速度，減少了人為錯誤，降低了人力成本，特別是在處理復雜和大型bim模型時，效率優勢更加明顯；
37、(2)本專利技術能夠以高精度識別并修復幾何缺陷，確保修復后的模型與原始設計的一致性和精度，提高了修復的精度和可靠性，避免傳統方法可能導致的精度損失和拓撲錯誤；
38、(3)本專利技術的ai算法能夠自適應處理不同類型的幾何缺陷，適應多種bim軟件和數據格式，具有廣泛的應用范圍，用戶無需為每個項目或數據格式手動調本文檔來自技高網...
【技術保護點】
1.基于AI技術的建筑BIM數據交換過程幾何缺陷自動識別及修復方法，其特征在于，包括模型訓練和模型使用兩個階段；
2.根據權利要求1所述的基于AI技術的建筑BIM數據交換過程幾何缺陷自動識別及修復方法，其特征在于，所述模型訓練階段的邏輯流程具體如下：
3.根據權利要求2所述的基于AI技術的建筑BIM數據交換過程幾何缺陷自動識別及修復方法，其特征在于，步驟(1)中收集來自不同的BIM軟件生成的數據作為BIM模型初始數據，類型涵蓋各類建筑物類型和結構，模型中應該包含多種幾何元素，且數據應該以包括IFC、STEP、DWG在內的各類格式進行存儲。
4.根據權利要求2所述的基于AI技術的建筑BIM數據交換過程幾何缺陷自動識別及修復方法，其特征在于，步驟(4)中數據標注的缺陷類型涵蓋包括拓撲錯誤、幾何失真、數據不完整在內的各類幾何缺陷。
5.根據權利要求1所述的基于AI技術的建筑BIM數據交換過程幾何缺陷自動識別及修復方法，其特征在于，所述模型使用階段的過程具體如下：
【技術特征摘要】
1.基于ai技術的建筑bim數據交換過程幾何缺陷自動識別及修復方法，其特征在于，包括模型訓練和模型使用兩個階段；
2.根據權利要求1所述的基于ai技術的建筑bim數據交換過程幾何缺陷自動識別及修復方法，其特征在于，所述模型訓練階段的邏輯流程具體如下：
3.根據權利要求2所述的基于ai技術的建筑bim數據交換過程幾何缺陷自動識別及修復方法，其特征在于，步驟(1)中收集來自不同的bim軟件生成的數據作為bim模型初始數據，類型涵蓋各類...
【專利技術屬性】
技術研發人員：周偉峰，劉俊，藍天宇，
申請(專利權)人：橢圓方程深圳信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。