陶 立, 朱杰江, 蔡洪浩

(上海大学土木工程系, 上海 200444)

目前, 结构施工图检查几乎全都由人工完成, 由审图人员或设计人员结合相关规范进行图纸审核. 为了保证工程质量, 通常需要进行较为繁琐的结构施工图检查, 同一张图纸可能会进行多次检查, 耗时耗力. 如今, 计算机视觉技术发展迅猛, 基于机器学习的图像识别在许多领域都能有效地帮助人们解决问题[1-2]. 然而, 目前工程图纸的图像识别大多是需要从电子图纸(如CAD 文件、Revit 文件等)中提取特定格式的数据文件进行图像识别[3], 如果电子图纸的内容已设置防修改功能, 或多类型图像处于同一数据层, 则读取难度较高, 准确率较低.

由Macqueen 提出的K-均值(K-means) 算法是著名的聚类算法之一[4], 是大数据处理中重要的工具. 由Cover 等[5]和Xiao[6]提出的k-邻近(k-nearest neighbor, kNN)算法是机器学习中的一个较为成功的模型. 本工作提出了一种针对工程设计领域的快速求取图像中封闭区域面积的影射求和法(shadow-sum, SS), 结合上述三者提出的一种墙柱施工图进行高效图像识别的方法, 该方法仅需要矢量图或是清晰度足够高的位图即可完成识别. 由图像快速生成数据表格,得到每一个墙柱的纵筋配筋、墙柱面积、配筋率等信息,这样审图人员可以通过生成的数据更快速地确定剪力墙配筋率是否满足要求, 以及钢筋的布置数量和尺寸是否满足规范的构造要求.

1 墙柱施工图表征特点

墙柱施工图主要由结构平面布置, 由墙柱表、墙身表组成……