ИИ и распознавание чертежей: что работает, а что пока демо

Честный разбор: где нейросети реально экономят время на чертежах, штампы, спецификации, поиск изменений между ревизиями, и почему «PDF на входе, модель на выходе» остаётся обещанием.

«Загружаете PDF, получаете BIM-модель». Такое обещание встречается в презентациях с 2021 года. Проверяли не раз, на реальных чертежах, не на демо-примере из ролика.

Короткий ответ: часть задач нейросети закрывают уверенно и экономят дни. Полная генерация модели из чертежа в эту часть не входит и в ближайшее время не войдёт. Разберём по задачам, с тем, что получилось и что нет.

Работает: штампы и текстовые данные

Распознать основную надпись, номер листа, шифр, стадию и дату ревизии: задача, которую современный OCR решает почти без ошибок. На выходе таблица: файл, шифр, лист, ревизия.

Зачем это нужно: когда прилетает архив на 300 листов, первым делом надо понять, что вообще пришло. Раньше на составление ведомости листов уходил день работы. Сейчас скрипт проходит папку за 15 минут, а человек проверяет спорные позиции.

Что ломает распознавание: сканы с перекосом больше пяти градусов, подписи от руки поверх штампа, объединённые ячейки нестандартной формы. На чистых PDF из CAD точность практически стопроцентная, на плохих сканах падает процентов до восьмидесяти, то есть каждый пятый лист придётся проверять глазами.

Работает: таблицы и спецификации

Вторая задача, где ИИ реально экономит: вытащить из чертежа спецификацию оборудования или ведомость и превратить в таблицу.

Ключевой момент не сама распознавалка, а проверка результата. Мы обычно делаем так: рядом с распознанной таблицей автоматически считаются контрольные суммы по числовым колонкам, а строки с подозрительными значениями подсвечиваются. Проверять сотню строк с подсветкой десяти сомнительных это полчаса. Сверять всё подряд это полдня.

Отдельно предупреждение про цифры. Языковая модель может «улучшить» распознанное значение: увидела 12,5 там, где 125, и подставила то, что кажется правдоподобнее. Поэтому числа берут из OCR, а модель используют только для структуры таблицы, где заголовки, где единицы, к какой позиции относится строка.

Работает: поиск изменений между ревизиями

Задача, где сравнение картинок работает лучше человека. Два PDF одного листа разных ревизий, на выходе подсвеченные области, которые изменились.

Тут даже не нужны нейросети в модном смысле: обычное совмещение растров плюс фильтрация шума. Экономия ощутимая, проверить лист за минуту вместо получаса поиска «что же они поменяли».

Работает и обратная задача: понять, попали ли изменения из новой ревизии в модель. Сравниваем изменённые области с элементами модели по координатам и получаем список того, что надо посмотреть.

Работает частично: векторизация

Превратить растровый чертёж в вектор (линии, дуги, замкнутые контуры) умеют давно, и алгоритмы стали заметно лучше.

Проблема не в линиях, а в смысле. Векторизатор выдаёт множество отрезков. Он не знает, что вот эти две параллельные линии на расстоянии 380 мм это стена, а вот эти, тоже параллельные, размерная линия с выносками. Без этого понимания вектор остаётся картинкой, только другого формата.

Полуавтоматические сценарии работают: человек указывает, какие слои и толщины считать стенами, дальше скрипт строит по ним геометрию. На типовых планах это ускоряет моделирование на треть. На сложных узлах не помогает вовсе.

Не работает: «PDF на входе, готовая модель на выходе»

Здесь стоит объяснить, почему это не вопрос очередной версии.

Чертёж не содержит всей информации о здании. Он рассчитан на человека, который читает его вместе с пояснительной запиской, спецификациями, общими указаниями и собственным опытом. На плане не написано, что перегородка идёт до перекрытия, а не до подвесного потолка. Это следует из узла на другом листе. Толщина слоя пирога пола указана в одном месте на весь проект. Отметка низа балки берётся из разреза, которого может не быть.

Человек достраивает недостающее по правилам, которые нигде не записаны. Модель, которая соберётся автоматически, будет содержать столько же догадок, сколько и элементов, и разбирать эти догадки дольше, чем моделировать заново.

Второе: чертежи между собой не сходятся. Разные отметки на плане и разрезе, разные толщины на разных листах. Человек замечает противоречие и идёт спрашивать. Автомат выберет один вариант молча.

Поэтому честная формулировка звучит так: ИИ ускоряет подготовку данных и проверку результата, но моделирует по-прежнему человек. Всё, что обещает иное, стоит проверять на своих чертежах, а не на демонстрационных.

Что даёт связка на практике

Собранный вместе набор выглядит так:

• Приёмка архива. За час получаем ведомость листов и список того, чего не хватает.
• Спецификации. Распознаются в таблицы, проверяются контрольными суммами и уходят к сметчику раньше, чем начнётся моделирование.
• Разметка DWG. Слои размечаются полуавтоматически, типовые планы собираются быстрее.
• Ревизии. Сравниваются автоматически, и на модель попадают только реальные изменения.

Экономия по проекту среднего размера: от нескольких дней до пары недель, в основном на подготовке и на сверке. Само моделирование ускоряется процентов на двадцать, не больше.

Это не звучит как революция, зато это работает каждый день, а не в презентации.

Как проверить чужое решение за час

Если вам продают распознавание чертежей, попросите прогнать три ваших листа. Не типовых, а тех, что реально приходят: со сканом, с рукописной пометкой, с нестандартной таблицей.

Дальше смотрите на три вещи. Показывает ли система свою уверенность по каждому полю или выдаёт результат одинаково уверенно. Что происходит с числами, которые не удалось прочитать: пустое поле честнее правдоподобной выдумки. Сколько времени займёт проверка результата человеком. Если столько же, сколько ручной ввод, экономии нет.

Ответ «у нас точность 98 процентов» без указания, на каких документах она измерена, ничего не значит. На чистых PDF из CAD такую точность даёт и бесплатный OCR.

Тем, кто планирует переводить документацию в модель, полезно заранее посмотреть, как устроен процесс перевода 2D в BIM. А общая картина по применению языковых моделей в проектировании есть в разборе где LLM реально работают в BIM, а где нет.