CN108268748A - 一种基于机器学习的住宅户型图电气设计方法 - Google Patents

Abstract

本发明涉及一种基于机器学习的住宅户型图电气设计方法，属于住宅电气计算机辅助设计技术领域。采用机器学习系统，针对客厅、主卧、次卧、玄关、储藏间、书房、厨房、厕所、阳台、走廊位置和尺寸信息，以及灯具、电源开关和电源插座布置信息，对已完成电气设计的住宅户型图进行特征向量提取；然后以提取的特征向量为基础，对已完成电气设计的住宅户型图进行深度学习和模型训练，生成驯化模型，以该驯化模型对给定未进行电气设计的户型图dwg文件进行处理，分辨出各个房间，对各房间进行灯具、电源开关和电源插座布置并连线；最后输出已做好电气设计的户型图。具有方便、快捷、规范等优点，能在一定程度上保留原甲方或设计院的设计规范与风格等。

Description

一种基于机器学习的住宅户型图电气设计方法

技术领域

本发明涉及一种基于机器学习的住宅户型图电气设计方法，属于住宅电气计算机辅助设计技术领域。

背景技术

随着信息技术的发展，人工智能领域也越来越多的受到人们的关注，其中机器学习作为人工智能技术的核心，被人们不断地应用到各个产业的各个方面。另一方面，伴随房地产行业的发展，全国各地的住宅楼也建造的越来越多，在通常的房地产楼盘开发中，开发商通常会将建筑的设计工作交由设计院进行设计，由于开发商即甲方在考虑成本统筹以及项目发展进度等原因，甲方的设计师对于设计院的设计需要经常性的做出修改，增加了大量的工作量以及设计院的沉没成本。

虽然市面上常有各种计算机辅助绘图软件如天正系列，浩辰CAD系列来帮助设计师进行建筑设计，但是缺少一种端对端的辅助设计系统。目前市面上少有将机器学习结合传统设计行业的专利，并且将机器学习应用于建筑设计方面的专利仅限于住宅户型的评测(专利名称：一种基于机器学习的户型设计方案评测方法，专利公开号：CN106447046A)，并没有将机器学习直接应用于住宅的电气设计。住宅的电气设计作为设计院中设计流程中产值较低的一环通常不受重视，但是部分重复性较高且有规律可循的工作可通过机器学习系统进行实现，从而减少建筑设计院电气设计师工作量。

发明内容

本发明要解决的技术问题是针对现有住宅计算机辅助设计中缺乏电气设计的不足，提出一种基于机器学习的住宅户型图电气设计方法，实现住宅户型图电气配置的快速设计，减少建筑设计师工作量。

针对现有技术的不足，本发明提供一种基于机器学习的住宅户型图电气设计方法，在机器学习系统对已完成电气设计住宅户型图学习的基础上，对给定未进行电气设计的户型图进行电气设计，具体步骤如下：

(1)采用机器学习系统，针对客厅、主卧、次卧、玄关、储藏间、书房、厨房、厕所、阳台、走廊位置和尺寸信息，以及灯具、电源开关和电源插座布置信息，对已完成电气设计的住宅户型图进行特征向量提取；

(2)采用深度学习系统，以提取的特征向量为基础，对已完成电气设计的住宅户型图进行深度学习和模型训练，进行模型性能评估，生成驯化模型；

(3)通过驯化模型，对给定未进行电气设计的户型图dwg文件进行处理，先分辨出各个房间，再结合房间特点、电气布置规律和规范要求，对各个房间进行灯具、电源开关和电源插座布置并连线，最后输出已做好电气设计的户型图dwg文件。

所述特征向量的提取和模型训练，采用机器学习系统中Lenet、Alexnet、Googlenet、VGG等深度学习神经网络进行。

所述的机器学习系统能分辨出户型图中的客厅、主卧、次卧、玄关、储藏间、书房、厨房、厕所、阳台、走廊位置和大小信息，并依据各房间、功能区域大小进行灯具、开关和电源插座的布置。

所述灯具、电源开关和电源插座的布置能按照住宅电气设计规范反映导线的连接，即满足住宅电气设计规范。

所述灯具布置能依据照度规范，以流明为单位标出灯具所需的光通量大小。

本发明基于机器学习的住宅户型图电气设计方法，采用现有住宅户型图计算机辅助设计系统和设备配合实施。

本发明基于机器学习系统构建住宅户型电气设计模型，可端对端地直接读取户型图的dwg文件，输出已进行好电气设计的户型图，设计师只需在之后对户型的电气设计稍作修改即可，免去中间的繁琐的设计，具有方便、快捷、规范等优点，还能在一定程度上保留原甲方或者设计院的设计规范与风格等。

附图说明

图2本发明设计方法流程示意图。

图1本发明设计方法实施系统示意图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步详尽描述，实施例中未注明的技术或产品，均为现有技术或可以通过购买获得的常规产品。

实施例1：如图1-2所示，本基于机器学习的住宅户型图电气设计方法，在机器学习系统对已完成电气设计住宅户型图学习的基础上，对给定未进行电气设计的户型图进行电气设计，具体步骤如下：

(1)采用机器学习系统，针对客厅、主卧、次卧、玄关、储藏间、书房、厨房、厕所、阳台、走廊位置和尺寸信息，以及灯具、电源开关和电源插座布置信息，对已完成电气设计的住宅户型图进行特征向量提取；

(2)采用深度学习系统，以提取的特征向量为基础，对已完成电气设计的住宅户型图进行深度学习和模型训练，进行模型性能评估，生成驯化模型；

(3)通过驯化模型，对给定未进行电气设计的户型图dwg文件进行处理，先分辨出各个房间，再结合房间特点、电气布置规律和规范要求，对各个房间进行灯具、电源开关和电源插座布置并连线，最后输出已做好电气设计的户型图dwg文件。

本方法采用现有住宅户型图计算机辅助设计系统和设备配合实施。特征向量的提取和模型训练，采用机器学习系统中Lenet深度学习神经网络进行。机器学习系统能分辨出户型图中的客厅、主卧、次卧、玄关、储藏间、书房、厨房、厕所、阳台、走廊位置和大小信息，并依据各房间、功能区域大小进行灯具、开关和电源插座的布置。灯具、电源开关和电源插座的布置能按照住宅电气设计规范反映导线的连接，即满足住宅电气设计规范。灯具布置能依据照度规范，以流明为单位标出灯具所需的光通量大小。

实施例2：如图1-2所示，本基于机器学习的住宅户型图电气设计方法，在机器学习系统对已完成电气设计住宅户型图学习的基础上，对给定未进行电气设计的户型图进行电气设计，具体步骤与实施例1相同。

本方法采用现有住宅户型图计算机辅助设计系统和设备配合实施。特征向量的提取和模型训练采用机器学习系统中Alexnet深度学习神经网络进行；机器学习系统能分辨出户型图中的客厅、主卧、次卧、玄关、储藏间、书房、厨房、厕所、阳台、走廊位置和大小信息，并依据各房间、功能区域大小进行灯具、开关和电源插座的布置。灯具、电源开关和电源插座的布置能按照住宅电气设计规范反映导线的连接，灯具布置能依据照度规范以流明为单位标出灯具所需的光通量大小。

实施例3：如图1-2所示，本基于机器学习的住宅户型图电气设计方法，在机器学习系统对已完成电气设计住宅户型图学习的基础上，对给定未进行电气设计的户型图进行电气设计，具体步骤与实施例1相同。

本方法采用现有住宅户型图计算机辅助设计系统和设备配合实施。特征向量的提取和模型训练采用机器学习系统中Googlenet深度学习神经网络进行；机器学习系统能分辨出户型图中的客厅、主卧、次卧、玄关、储藏间、书房、厨房、厕所、阳台、走廊位置和大小信息，并依据各房间、功能区域大小进行灯具、开关和电源插座的布置；灯具、电源开关和电源插座的布置能按照住宅电气设计规范反映导线的连接，灯具布置能依据照度规范以流明为单位标出灯具所需的光通量大小。

上面结合附图对本发明的技术内容作了说明，但本发明的保护范围并不限于所述内容，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下对本发明的技术内容做出各种变化，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于机器学习的住宅户型图电气设计方法，其特征在于：在机器学习系统对已完成电气设计住宅户型图学习的基础上，对给定未进行电气设计的户型图进行电气设计，具体步骤是：

(1)采用机器学习系统，针对客厅、主卧、次卧、玄关、储藏间、书房、厨房、厕所、阳台、走廊位置和尺寸信息，以及灯具、电源开关和电源插座布置信息，对已完成电气设计的住宅户型图进行特征向量提取；

(2)采用深度学习系统，以提取的特征向量为基础，对已完成电气设计的住宅户型图进行深度学习和模型训练，进行模型性能评估，生成驯化模型；

(3)通过驯化模型，对给定未进行电气设计的户型图dwg文件进行处理，利用深度学习网络分辨出各个房间，结合房间特点，对各个房间进行灯具、电源开关和电源插座布置并连线，最后输出已做好电气设计的户型图dwg文件。

2.根据权利要求1所述的基于深度学习的茶山采摘人员异常行为监控方法，其特征在于：所述特征向量的提取和模型训练，采用机器学习系统中Lenet、Alexnet、Googlenet、VGG等深度学习神经网络进行。

3.根据利要求1或2所述的基于机器学习的住宅户型图电气设计方法，其特征在于：所述的机器学习系统能分辨出户型图中的客厅、主卧、次卧、玄关、储藏间、书房、厨房、厕所、阳台、走廊位置和大小信息，并依据各房间、功能区域大小进行灯具、开关和电源插座的布置。

4.根据利要求1所述的基于机器学习的住宅户型图电气设计方法，其特征在于：所述灯具、电源开关和电源插座的布置能按照住宅电气设计规范反映导线的连接。

5.根据利要求1所述的基于机器学习的住宅户型图电气设计方法，其特征在于：所述灯具布置能依据照度规范，以流明为单位标出灯具所需的光通量大小。