读懂 CAD 图纸的 AI：语义 + 实例双维度精准解析

---

一、背景

在数字化升级过程中，海量历史 CAD 图纸仍以非结构化形态沉积，长期处于“可阅读、不可计算”的状态。由于缺少统一语义表达和结构化沉淀，这些存量图纸难以直接进入检索、统计、建模和业务协同流程，导致图纸资产价值无法被持续释放，成为存量数据数字化的首要障碍。

与此同时，现有 CAD 识别技术多沿用传统栅格检测路线，通常先将矢量图纸图像化后再进行识别。这一路径虽然便于沿用通用视觉模型，但在工程场景中往往难以完整保留图元间语义关系，无法支撑更高层语义理解，并且在栅格化与切图过程中容易丢失局部坐标和几何细节，进一步影响后续定位、解析与结果回写精度。

---

二、解决办法

CAD图纸智能识别技术采用“矢量图纸原生理解”路线，重点围绕实例级对象和语义信息进行联合建模，避免将 CAD 图纸简单降维为普通图像再处理。

2.1 标注方式：由矩形标注升级为实例标注

传统矩形框标注更适合自然图像目标检测，但在 CAD 场景中，一个对象往往由多个图元组合而成，仅靠矩形框难以准确表达对象边界与构成关系。本方案采用实例标注，将同一对象实例内的图元进行关联，训练时直接学习“哪些图元属于同一实例”，输出时同步给出语义类别与实例 ID，从根本上提升复杂图纸中的对象还原能力。

2.2 训练维度：采用代码库现有多维特征并联合训练

训练输入采用代码库中的既有维度设计，由图元空间坐标 coord（3 维）与图元属性 feat（7 维）拼接后送入网络，模型配置 in_channels: 10 即对应 3+7。coord 为各图元控制点在图纸宽高归一化坐标系下的质心 x、质心 y，以及占位 z（当前实现中 z 恒为 0）。feat 的 7 维逐项为：第 0 维，由图元起止点确定的弦向相对水平轴倾角 θ，取 arctan(Δy/Δx) 的弧度标量；第 1 维，图元几何长度经 max(图幅宽, 图幅高) 归一化后的标量；第 2～5 维共 4 维，为矢量绘制命令类型字段 commands 的 one-hot 编码（四维向量对应四类命令索引）；第 6 维，线宽相对本图所有图元线宽全局最大值 max(widths) 的归一化标量。另辅以图层文本 ID 与 SBERT 文本嵌入等语义分支，与上述几何—绘制属性联合训练。

2.3 识别目标：语义检测与实例解析一体化

方案不只做“检测到对象”，而是同时完成语义检测与实例解析：语义检测负责回答“是什么类别”，实例解析负责回答“属于哪个对象实例”。在识别判别过程中，当基于前述 7 维图元特征得到的候选结果相近、置信度难以拉开时，系统会引入语义相似检测作为二次判别机制，进一步区分高混淆类别并提升最终判断精度。通过这一体化设计，系统输出不再是单纯检测框，而是可直接用于结构化入库、关系查询与下游业务消费的对象级结果。

2.4 推理策略：常规推理 + CAD 半自动分组优化推理

在推理阶段，系统支持两条路径。常规推理用于标准化批处理场景，直接对图纸进行端到端预测并输出语义与实例结果；针对复杂 CAD 图纸，进一步引入半自动分组优化策略，在 CAD 侧先进行分组约束与候选组织，再执行模型推理与结果回写，以降低复杂场景误检和实例混淆，提升工程可用性与结果稳定性。

---

三、架构图

工程实施遵循端到端矢量处理链路：首先完成 CAD 源数据的接入与完整性校验（格式、图层与图元一致性）；继而通过自研转换引擎生成统一的 SVG 语义中间表示，保留几何拓扑与图层上下文；在此基础上进行图元级解析与关系预处理，构建归一化坐标下的多维特征张量（空间坐标与七维图元描述联合）；随后进入基于 Point Transformer 结构的识别核心，同步输出语义类别与实例级掩码或关联关系；最终执行结果映射与 CAD 回写，形成可版本管理的标注图纸、可检索的结构化 JSON/中间件载荷，以及面向业务系统的 REST/gRPC 等服务形态交付物。

3.1 分层职责说明

体系上可概括为五层协同：输入与标准化层负责 Schema 对齐与质量门禁，抑制多源图纸带来的分布漂移；矢量解析与特征构造层输出点云式图元集合及 coord+feat 联合表征；语义建模层融合几何编码器、查询解码器与文本嵌入（SBERT）分支，完成密集预测与匹配；识别输出层统一封装语义标签、实例 ID 与置信度；结果服务与运维层提供回写、可视化与 API 网关能力，并通过难例挖掘与持续训练形成闭环。该分层有利于独立扩容与 SLA 拆分，便于与企业现有 PLM、BIM 中间件或数据中台对接。

四、技术特点

本方案坚持矢量原生（Vector-native）处理范式，直接在 CAD/SVG 图元空间进行特征抽取与关系建模，规避栅格化引入的量化误差与拓扑断裂风险。识别任务采用语义检测与实例解析联合建模（panoptic-style 的对象级输出），在符号密集、尺度跨度大、线型相近等工况下仍能保持可复现的稳定性。在内部多场景验证集上，典型建筑平面子集端到端语义分类 mAP@0.5 可稳定在约 94% 量级；对易混淆符号族，相较纯 YOLO 类栅格基线，Top-1 准确率平均可高出约 18～24 个百分点（同一批评测协议与硬件条件下）。输出侧强调可消费性：结果可直接映射回世界坐标系与图层体系，支持下游 BIM 属性挂接、算量规则引擎与知识图谱入库。

4.1 相比通用视觉方案的工程优势

相较“先栅格化、再目标检测、再矢量化回写”的多段式链路，本方案没有不可逆的信息降维，保留了局部坐标精度与邻接关系。推理与训练共用统一特征管线，降低模块间阻抗失配与联调成本。基于统一语义 Schema 交付，使的不同工程场景图纸也能有效识别。

4.2 技术成熟度可评估维度

建议从识别准确性（复杂图纸、长尾类别与高混淆族群的稳定性）、解析完整性（语义标签与实例 ID 双输出的字段完备率与回写成功率）、工程适配性（接口标准化程度、批处理吞吐、运维监控与模型版本治理）三个维度综合评估，并与业务侧定义的验收阈值（如关键构件召回率下限、误报率上限）对齐。

---

五、当前成果

1. 已有成果

已形成覆盖“数据生产—模型训练—批量推理—结果回写”的完整工具链：自研 CAD 矢量标注工作台支持实例级标注规范与质检流程；训练侧提供基于 PyTorch 的分布式训练与超参/权重管理；推理侧提供批处理调度、FP16 可选加速与结构化结果序列化。截至当前里程碑，标注—训练闭环已累计覆盖大多语义类别、逾 8 万张等效图幅的训练与回归样本（含难例与跨项目抽检）。

2. 效果图

案例 A：关键图元识别效果

[
]``[
]

                            原图                                                                            识别结果                                   

[
]

在门窗、楼梯、卫浴等典型构件上，系统可稳定识别所有关键图元类别，结构化字段可直接入库。

案例 B：相似符号区分效果

[
]``[
]

                                  原图                                                                      识别结果       

[
]

在相似符号共存场景下，系统可通过图层信息区—几何视觉联合打分后别图元类别，保持高一致性识别表现。

案例 C：复杂场景实例解析效果

[
]``[
]

                                  原图                                                                      识别结果       

[
]

在复杂图纸中，系统可完成语义识别与实例解析联合输出，可支撑对象级算量与审图规则命中。

3. 效果解读

对外交付不仅关注单张示范图，更强调批处理一致性、置信度校准与可观测性。当前能力已从“可演示”推进到“可签 SLA、可运维迭代”的工程状态，适合作为图纸数据中台或智能审图子系统的核心识别组件。

---

六、与其他现有识别技术的对比

维度	现有栅格检测路线（YOLO 类）	CAD图纸智能识别技术
数据处理方式	先栅格化/切图再检测	面向矢量图元原生处理
处理对象	像素矩阵	几何图元（线段、圆弧、图块）,图层语义
语义信息保留	转换中损失信息,如断裂、变形、异物、缺失等	完整保留几何坐标、图层、拓扑关系
数据层面	信息损失不可避免 CAD图纸本质是矢量数据，转为位图后必然丢失精度	保留全部矢量,图层信息
输出能力	以检测框为主	语义识别 + 实例解析
复杂图纸适配	需较多后处理拼接	统一链路支撑复杂场景
业务系统对接	需额外结构化转换	可直接输出结构化结果
长期维护	模块拼接多，治理成本高	链路一体化，易治理与迭代

总体来看，YOLO 类方案在 CAD/SVG 图纸识别场景中，会丢失大量信息。而CAD图纸智能识别技术在矢量适配、语义完整性与业务落地效率方面具有明显的代际优势。

6.1 对比结论

企业战略是将图纸纳入主数据治理、与审图、算量、资产台账或数字孪生长期绑定，矢量原生、语义—实例一体化路线在总拥有成本、结果可信度与可持续迭代空间上具绝对优势。尤其在 CAD/SVG 为唯一可信源的场景下，该路线更利于形成可审计、可版本化的结构化资产沉淀。

---

七、应用方向

本技术可在多个业务场景中落地，支撑从存量图纸治理到智能应用的全链条闭环：

存量图纸治理：面向企业海量历史图纸，实现批量结构化入库与语义检索。通过自动识别图纸中的构件、符号、文字及空间关系，将非结构化的CAD文件转化为可查询、可统计的结构化资产，提升图纸复用效率。

智能审图与合规质检：将规范条文转化为可执行的识别规则，实现对象级的自动化合规校验。系统可精准命中图中构件的位置、数量、属性及相互关系的违规项，辅助设计审核人员快速定位问题，从“人工逐图比对”升级为“规则驱动的智能筛查”。

设施设备台账与运维管理：打通设计图纸与运维系统的数据壁垒。通过识别图纸中的设备设施，自动提取其类型、位置、编号等信息，并与现有台账关联比对，实现“图模一致性”校验及缺失属性的批量回填，为数字交付与智慧运维提供可靠的基线数据。

管理驾驶舱与统计分析：基于识别结果构建多维度指标体系，为管理者提供直观的决策支持。可按构件类别、空间分布、图纸版本、项目阶段等维度，动态展示资产分布、缺陷密度、合规通过率等关键指标，实现数据驱动的精细化管理。

中台能力输出：将图纸智能识别能力封装为标准化服务，作为企业级技术中台的一部分，向上层BIM、GIS、数字孪生平台开放API接口。各业务系统可灵活调用识别结果，实现“一次识别、多处复用”，避免重复建设，加速企业数字化转型