CN112749434A - 施工审查模型处理方法、装置、设备及存储介质 - Google Patents
施工审查模型处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112749434A CN112749434A CN202110034894.6A CN202110034894A CN112749434A CN 112749434 A CN112749434 A CN 112749434A CN 202110034894 A CN202110034894 A CN 202110034894A CN 112749434 A CN112749434 A CN 112749434A
- Authority
- CN
- China
- Prior art keywords
- bim
- sample
- examination
- rule
- construction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 125
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000007689 inspection Methods 0.000 title claims description 52
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 50
- 238000012549 training Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012550 audit Methods 0.000 claims description 2
- 230000002829 reductive effect Effects 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012552 review Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000005662 electromechanics Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提出一种施工审查模型处理方法、装置、设备及存储介质，该方法包括：获取带有人工审查结果的建筑信息模型BIM样本；将BIM样本输入人工智能模型，得到BIM样本是否符合预设施工审查规则的预测审查结果，以基于BIM样本的预测审查结果和人工审查结果，训练人工智能模型至收敛。如此，为后续利用训练完成后的人工智能模型对BIM是否符合施工审查规则进行自动审查奠定了基础，可以为审查人员提供了统一的参考，降低了人工审查的工作量，提高了审查准确性和审查效率。
Description
技术领域
本申请涉及施工审查技术，尤其涉及一种施工审查模型处理方法、装置、设备及存储介质。
背景技术
施工审查是指对施工图相关文件按照有关法律法规对涉及公共利益、公众安全和工程建设强制性标准的内容进行的审查。但工程建设项目审批历来都存在不好审，审不好等问题。不好审是因为各专业审查指标繁多，计算复杂，重复内容多，工作量大。审不好是因为不同审查员所掌握尺度不一、规范理解不同，难以建立统一的审查监管标准体系。因此，现有施工审查高度依赖人工、且标准不统一、效率低成为亟待解决的问题。
发明内容
本申请实施例提供一种施工审查模型处理方法、装置、设备及存储介质，以解决相关技术存在的问题，技术方案如下：
第一方面，本申请实施例提供了一种施工审查模型处理方法，包括：
获取带有人工审查结果的建筑信息模型BIM样本；
将BIM样本输入人工智能模型，得到BIM样本是否符合预设施工审查规则的预测审查结果，以基于BIM样本的预测审查结果和人工审查结果，训练人工智能模型至收敛。
在一种实施方式中，得到BIM样本是否符合预设施工审查规则的预测审查结果，包括：
从BIM样本中提取与预设施工审查规则相关的参数；
基于参数，得到BIM样本是否符合预设施工审查规则的预测审查结果。
在一种实施方式中，参数包括：
从BIM样本中直接提取的第一参数；
和/或，通过BIM样本中直接提取的参数间接计算得到的第二参数。
在一种实施方式中，基于参数，得到BIM样本是否符合预设施工审查规则的预测审查结果，包括：
基于人工智能模型中的卷积神经网络对参数进行特征提取；
基于提取的特征，得到BIM样本是否符合预设施工审查规则的预测审查结果。
在一种实施方式中，还包括：
对预设施工审查规则文本进行语义解析，得到预设施工审查规则。
在一种实施方式中，还包括：
将待审查BIM输入训练完成后的人工智能模型，得到待审查BIM的预测审查结果。
第二方面，本申请实施例提供了一种施工审查模型处理装置，包括：
获取模块，用于获取带有人工审查结果的建筑信息模型BIM样本；
训练模块，用于将BIM样本输入人工智能模型，得到BIM样本是否符合预设施工审查规则的预测审查结果，以基于BIM样本的预测审查结果和人工审查结果，训练人工智能模型至收敛。
在一种实施方式中，训练模块，具体用于：
从BIM样本中提取与预设施工审查规则相关的参数；
基于参数，得到BIM样本是否符合预设施工审查规则的预测审查结果。
在一种实施方式中，参数包括：
从BIM样本中直接提取的第一参数；
和/或，通过BIM样本中直接提取的参数间接计算得到的第二参数。
在一种实施方式中，训练模块，具体用于：
基于人工智能模型中的卷积神经网络对参数进行特征提取；
基于提取的特征，得到BIM样本是否符合预设施工审查规则的预测审查结果。
在一种实施方式中，还包括解析模块，用于：
对预设施工审查规则文本进行语义解析，得到预设施工审查规则。
在一种实施方式中，还包括审查模块，用于：
将待审查BIM输入训练完成后的人工智能模型，得到待审查BIM的预测审查结果。
第三方面，本申请实施例提供了一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面任一的方法。
第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行第一方面任一的方法。
上述技术方案中的优点或有益效果至少包括：通过带有人工审查结果的BIM样本，训练人工智能模型对BIM是否符合预设施工审查规则的预测能力，如此，为后续利用训练完成后的人工智能模型对BIM是否符合施工审查规则进行自动审查奠定了基础，可以为审查人员提供了统一的参考，降低了人工审查的工作量，提高了审查准确性和审查效率。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本申请进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请公开的一些实施方式，而不应将其视为是对本申请范围的限制。
图1示出根据本申请实施例的施工审查模型处理方法的流程图；
图2示出根据本申请实施例的施工审查模型处理方法的流程图；
图3示出根据本申请实施例的施工审查模型处理装置的结构框图；
图4示出根据本申请实施例的施工审查模型处理装置的结构框图；
图5示出根据本申请实施例的施工审查模型处理装置的结构框图；
图6示出根据本申请实施例的电子设备的结构框图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本申请的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
施工审查是指对施工图相关文件按照有关法律法规对涉及公共利益、公众安全和工程建设强制性标准的内容进行的审查。但工程建设项目审批历来都存在不好审，审不好等问题。不好审是因为各专业审查指标繁多，计算复杂，重复内容多，工作量大。审不好是因为不同审查员所掌握尺度不一、规范理解不同，难以建立统一的审查监管标准体系。因此，现有施工审查高度依赖人工、且标准不统一、效率低成为亟待解决的问题。
随着建筑信息化的发展，建筑信息模型(Building Information Modeling，BIM)作为一种表现更直观，信息更丰富的数字模型，为规范施工审查，提高审查效率的提供了新思路。基于此，本申请实施例提供了一种新的施工审查方案，下面进行详细介绍。
图1示出根据本申请实施例的一种施工审查模型处理方法的流程图。如图1所示，该方法包括：
步骤S101：获取带有人工审查结果的BIM样本。
步骤S102：将BIM样本输入人工智能模型，得到BIM样本是否符合预设施工审查规则的预测审查结果，以基于BIM样本的预测审查结果和人工审查结果，训练人工智能模型至收敛。
本方案中，通过带有人工审查结果的BIM样本，训练人工智能模型对BIM是否符合预设施工审查规则的预测能力，如此，为后续利用训练完成后的人工智能模型对BIM是否符合施工审查规则进行自动审查奠定了基础，可以为审查人员提供了统一的参考，降低了人工审查的工作量，提高了审查准确性和审查效率。
在一种实施方式中，步骤S102中，得到BIM样本是否符合预设施工审查规则的预测审查结果，具体实现方式可以包括：从BIM样本中提取与预设施工审查规则相关的参数；基于参数，得到BIM样本是否符合预设施工审查规则的预测审查结果。实际应用中，可以通过人工智能模型中预设的参数提取策略从BIM样本中提取与预设施工审查规则相关的参数。BIM包含的信息众多，训练时，从BIM样本中提取与预设施工审查规则相关的参数，基于提取的与预设施工审查规则相关的参数，对人工智能模型进行训练，训练效率更高，且训练结果更加准确。
在一种实施方式中，上述参数可以包括：从BIM样本中直接提取的第一参数；和/或，通过BIM样本中直接提取的参数间接计算得到的第二参数。其中，第一参数也即BIM中原有的参数，例如，BIM中的构件的长、宽、高、厚度、角度、斜率、弧度等参数。第二参数也即通过BIM中原有的参数间接计算得到的参数，例如，面积、体积、荷载等参数。其中，面积和体积均可以基于长、宽、高、弧度等直接提取的参数计算得到的。荷载可以基于面积和直接提取的重量等计算得到的。实际应用中，可以根据情况合理设置预设的参数提取策略，得到第一参数和第二参数。如此，不仅可以直接利用BIM样本原有的参数对人工智能模型进行训练，还可以利用通过BIM样本原有的参数间接计算得到的参数对人工智能模型进行训练，更加全面，使得训练的人工智能模型的预测审查结果也更准确。
在一种实施方式中，基于参数，得到BIM样本是否符合预设施工审查规则的预测审查结果，具体实现方式可以包括：基于人工智能模型中的卷积神经网络对参数进行特征提取；基于提取的特征，得到BIM样本是否符合预设施工审查规则的预测审查结果。通过卷积神经网络，可以提取到BIM中更多的隐含特征，建立特征与审查规则间的判定机制，使得人工智能模型的预测结果更准确，以实现准确的自动化审查。
当然，也可以采用其它的方式提取特征，此处不再一一列举。
在一种实施方式中，施工审查模型处理方法还可以包括对预设施工审查规则文本进行语义解析，得到预设施工审查规则。实际应用中，可以基于语义识别技术对预设施工审查规则文本进行语义解析，分析施工审查规则文本的自然语言结构，将其转化为计算机可识别的判断语句。语义识别是自然语言处理技术的核心任务，一般可用于舆情分析，智能客服等领域，用于理解语义内容并作出回应。然而将语义识别应用于BIM审查会受到双重挑战，不仅需要解析审查规则的文本语义，之后还需要训练人工智能对BIM的识别推理能力。本申请为了解决上述问题，基于语义识别技术解析规则文本以训练人工智能模型基于规则文本审查BIM，实现施工审查规则的规范化和自动化。
在一种实施方式中，施工审查模型处理方法还可以包括：将待审查BIM输入训练完成后的人工智能模型，得到待审查BIM的预测审查结果。人工智能模型训练完成后，将待审查BIM输入该人工智能模型中，直接就可以得到待审查BIM的预测审查结果，为审查人员提供了统一的参考，降低了人工审查的工作量，提高了审查准确性和审查效率。
需要说明的是，训练时，以上预设审查规则可以包括多条施工审查规则，该多条施工审查规则可能涉及多种类别的BIM的施工审查规则，比如，建筑、结构、机电、暖通和给排水等多种类别，若待审查BIM只是其中一种类别，那么，可以重点关注该类别所关联的施工审查规则。基于此，得到待审查BIM的预测审查结果时，可以仅输出待审查BIM关联的施工审查规则对应的预测审查结果。实际应用中，可以通过审查平台提供操作界面，审查人员可以通过审查平台提供的操作界面进行选择操作，选择待审查BIM关联的施工审查规则。根据该选择操作选择的待审查BIM关联的施工审查规则，输出待审查BIM关联的施工审查规则对应的预测审查结果。如此，可以快速、方便的查看审查结果。
下面以具体应用场景为例，对本申请实施例提供的一种施工审查模型处理方法进行更加详细地说明。
如图2所示，训练阶段：
第一步、对预设施工审查规则文本进行语义解析，得到预设施工审查规则。
具体的，整理主流的BIM施工审查规则，本实施例中的施工审查规则包含了行业中三本关键性的规范，即建模手册、设计交付标准和审查标准，覆盖了建筑、结构、机电、暖通和给排水五个方面，扩大了人工智能的审查范围，提高了本方案的实用性和广泛性。基于语义识别技术，分析施工审查规则文本的自然语言结构，将其转化为计算机可识别的判断语句，建立施工审查规则库，即得到以上预设施工审查规则。
第二步、设置参数提取策略，以从BIM样本中提取与预设施工审查规则相关的参数，包括第一参数和第二参数，可以根据实际需要设置具体参数。
第三步、将带有人工审查结果的BIM样本输入人工智能模型，得到BIM样本是否符合预设施工审查规则的预测审查结果，以基于BIM样本的预测审查结果和人工审查结果，训练人工智能模型至收敛。
具体的，从BIM样本中提取与预设施工审查规则相关的参数；基于人工智能模型中的卷积神经网络对提取的参数进行特征提取；基于提取的特征，得到BIM样本是否符合预设施工审查规则的预测审查结果，基于BIM样本的预测审查结果和人工审查结果，训练人工智能模型至收敛。基于BIM样本的预测审查结果和人工审查结果，训练人工智能模型至收敛时，可以基于BIM样本的预测审查结果和人工审查结果计算损失函数，基于损失函数训练人工智能模型，当损失函数低于预设阈值时，停止训练。
实施中，可以分批将BIM样本输入人工智能模型进行训练。如此，利用新的训练数据矫正人工智能模型的审查准确性，剔除无意义的识别关联。重复此矫正循环，以加强特征与规则间的关联准确率，从而提高自动化审查的准确率。
并且，可以针对每条施工审查规则分批训练。举例来说，可以先将针对施工审查规则A的一批BIM样本输入人工智能模型进行训练，训练好后，将针对施工审查规则B的一批BIM样本输入人工智能模型进行训练。
本方案通过分析语义建立施工审查规则库，建立参数提取策略，训练人工智能模型初步建立BIM与施工审查规则的联系，训练人工智能模型对BIM特征的理解推理，经过多次矫正循环，提高BIM识别判断准确率，最终得到成熟的用于施工审查规则审查的人工智能模型。
审查应用阶段：
基于审查平台提供的操作界面，将待审查BIM输入训练完成的人工智能模型，并根据操作界面的选择操作确定待审查BIM关联的施工审查规则，输出待审查BIM关联的施工审查规则对应的预测审查结果。审查人员基于审查平台提供的预测审查结果提供的统一参考，进行辅助审查，大大提高了整体的审查效率和审查准确性。
相较于现有的施工审查方案，本方案具有以下有益效果：用计算机代替人工能降低审查工作成本，提高审查效率，缩小不同审查人员间的结果差异，保证审查工作的标准化规范化。本方案利用语义识别技术建立了审查规则与BIM的审查关联，大大提高了审查结果的精度，可作为特色技术应用于市场上的各种审查平台，从而促进建筑行业的施工审查信息化建设，完善产业生态链。
图3示出根据本申请实施例的施工审查模型处理装置的结构框图。如图3所示，该施工审查模型处理装置包括：
获取模块310，用于获取带有人工审查结果的建筑信息模型BIM样本；
训练模块320，用于将BIM样本输入人工智能模型，得到BIM样本是否符合预设施工审查规则的预测审查结果，以基于BIM样本的预测审查结果和人工审查结果，训练人工智能模型至收敛。
在一种实施方式中，训练模块320，具体用于：
从BIM样本中提取与预设施工审查规则相关的参数；
基于参数，得到BIM样本是否符合预设施工审查规则的预测审查结果。
在一种实施方式中，参数包括：
从BIM样本中直接提取的第一参数；
和/或，通过BIM样本中直接提取的参数间接计算得到的第二参数。
在一种实施方式中，训练模块320，具体用于：
基于人工智能模型中的卷积神经网络对参数进行特征提取；
基于提取的特征，得到BIM样本是否符合预设施工审查规则的预测审查结果。
在一种实施方式中，如图4所示，该施工审查模型处理装置还包括解析模块330，用于：
对预设施工审查规则文本进行语义解析，得到预设施工审查规则。
在一种实施方式中，如图5所示，该施工审查模型处理装置还包括审查模块340，用于：
将待审查BIM输入训练完成后的人工智能模型，得到待审查BIM的预测审查结果。
本申请实施例各装置中的各模块的功能可以参见上述施工审查模型处理方法中的对应描述，在此不再赘述。
图6示出根据本申请实施例的电子设备的结构框图。如图6所示，该电子设备，包括：
至少一个处理器610；以及
与至少一个处理器610通信连接的存储器620；其中，
存储器620存储有可被至少一个处理器610执行的指令，指令被至少一个处理器610执行，以使至少一个处理器610能够执行以上实施例中的施工审查模型处理方法。
该设备还包括：
通信接口630，用于与外界设备进行通信，进行数据交互传输。
如果存储器620、处理器610和通信接口630独立实现，则存储器620、处理器610和通信接口630可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器620、处理器610及通信接口630集成在一块芯片上，则存储器620、处理器610及通信接口630可以通过内部接口完成相互间的通信。
本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行以上实施例中的施工审查模型处理方法。
本申请实施例还提供了一种芯片，该芯片包括，包括处理器，用于从存储器中调用并运行存储器中存储的指令，使得安装有芯片的通信设备执行本申请实施例提供的施工审查模型处理方法。
本申请实施例还提供了一种芯片，包括：输入接口、输出接口、处理器和存储器，输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连，处理器用于执行存储器中的代码，当代码被执行时，处理器用于执行本申请实施例提供的施工审查模型处理方法。
应理解的是，上述处理器可以是中央处理器(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(digital signal processing，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(fieldprogrammablegate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器(advanced RISC machines，ARM)架构的处理器。
进一步地，可选的，上述存储器可以包括只读存储器和随机存取存储器，还可以包括非易失性随机存取存储器。该存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以包括只读存储器(read-onlymemory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以包括随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用。例如，静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic random access memory，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data date SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，DR RAM)。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
应理解的是，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (14)
1.一种施工审查模型处理方法，其特征在于，包括：
获取带有人工审查结果的建筑信息模型BIM样本；
将所述BIM样本输入人工智能模型，得到所述BIM样本是否符合预设施工审查规则的预测审查结果，以基于所述BIM样本的所述预测审查结果和所述人工审查结果，训练所述人工智能模型至收敛。
2.根据权利要求1所述的方法，其特征在于，所述得到所述BIM样本是否符合预设施工审查规则的预测审查结果，包括：
从所述BIM样本中提取与所述预设施工审查规则相关的参数；
基于所述参数，得到所述BIM样本是否符合所述预设施工审查规则的预测审查结果。
3.根据权利要求2所述的方法，其特征在于，所述参数包括：
从所述BIM样本中直接提取的第一参数；
和/或，通过所述BIM样本中直接提取的参数间接计算得到的第二参数。
4.根据权利要求2所述的方法，其特征在于，所述基于所述参数，得到所述BIM样本是否符合所述预设施工审查规则的预测审查结果，包括：
基于所述人工智能模型中的卷积神经网络对所述参数进行特征提取；
基于提取的特征，得到所述BIM样本是否符合所述预设施工审查规则的预测审查结果。
5.根据权利要求1所述的方法，其特征在于，还包括：
对预设施工审查规则文本进行语义解析，得到所述预设施工审查规则。
6.根据权利要求1-5任一项所述的方法，其特征在于，还包括：
将待审查BIM输入训练完成后的所述人工智能模型，得到所述待审查BIM的预测审查结果。
7.一种施工审查模型处理装置，其特征在于，包括：
获取模块，用于获取带有人工审查结果的建筑信息模型BIM样本；
训练模块，用于将所述BIM样本输入人工智能模型，得到所述BIM样本是否符合预设施工审查规则的预测审查结果，以基于所述BIM样本的所述预测审查结果和所述人工审查结果，训练所述人工智能模型至收敛。
8.根据权利要求7所述的装置，其特征在于，所述训练模块，具体用于：
从所述BIM样本中提取与所述预设施工审查规则相关的参数；
基于所述参数，得到所述BIM样本是否符合所述预设施工审查规则的预测审查结果。
9.根据权利要求8所述的装置，其特征在于，所述参数包括：
从所述BIM样本中直接提取的第一参数；
和/或，通过所述BIM样本中直接提取的参数间接计算得到的第二参数。
10.根据权利要求8所述的装置，其特征在于，所述训练模块，具体用于：
基于所述人工智能模型中的卷积神经网络对所述参数进行特征提取；
基于提取的特征，得到所述BIM样本是否符合所述预设施工审查规则的预测审查结果。
11.根据权利要求7所述的装置，其特征在于，还包括解析模块，用于：
对预设施工审查规则文本进行语义解析，得到所述预设施工审查规则。
12.根据权利要求7-11任一项所述的装置，其特征在于，还包括审查模块，用于：
将待审查BIM输入训练完成后的所述人工智能模型，得到所述待审查BIM的预测审查结果。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110034894.6A CN112749434A (zh) | 2021-01-12 | 2021-01-12 | 施工审查模型处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110034894.6A CN112749434A (zh) | 2021-01-12 | 2021-01-12 | 施工审查模型处理方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112749434A true CN112749434A (zh) | 2021-05-04 |
Family
ID=75650843
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110034894.6A Pending CN112749434A (zh) | 2021-01-12 | 2021-01-12 | 施工审查模型处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112749434A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113538179A (zh) * | 2021-06-11 | 2021-10-22 | 海南大学 | 一种基于dikw的专利智能申请方法及系统 |
| CN113946890A (zh) * | 2021-09-07 | 2022-01-18 | 大连万达集团股份有限公司 | 一种bim模型的审查方法、装置、设备及可读存储介质 |
| CN114936835A (zh) * | 2022-04-26 | 2022-08-23 | 东南大学 | 一种基于bim的合规性自动审查方法及系统 |
| CN115097974A (zh) * | 2022-07-06 | 2022-09-23 | 成都建工第四建筑工程有限公司 | 一种bim模型智能辅助会审系统及方法 |
| CN117235867A (zh) * | 2023-10-31 | 2023-12-15 | 北京构力科技有限公司 | 一种bim规划报建模型的审查方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107462910A (zh) * | 2017-08-07 | 2017-12-12 | 苍穹数码技术股份有限公司 | 一种基于云端融合的野外数据测量与实时处理方法 |
| CN110414065A (zh) * | 2019-06-29 | 2019-11-05 | 万翼科技有限公司 | 基于bim的设计模型审查方法、装置、电子设备及存储介质 |
| CN110502984A (zh) * | 2019-07-11 | 2019-11-26 | 万翼科技有限公司 | 图纸审查方法、装置、计算机设备和存储介质 |
| CN110517223A (zh) * | 2019-07-11 | 2019-11-29 | 万翼科技有限公司 | 图纸审查方法、装置、计算机设备和存储介质 |
| US20200372339A1 (en) * | 2019-05-23 | 2020-11-26 | Salesforce.Com, Inc. | Systems and methods for verification of discriminative models |
| US20200387788A1 (en) * | 2019-06-06 | 2020-12-10 | Bluebeam, Inc. | Methods and systems for automatically detecting design elements in a two-dimensional design document |
-
2021
- 2021-01-12 CN CN202110034894.6A patent/CN112749434A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107462910A (zh) * | 2017-08-07 | 2017-12-12 | 苍穹数码技术股份有限公司 | 一种基于云端融合的野外数据测量与实时处理方法 |
| US20200372339A1 (en) * | 2019-05-23 | 2020-11-26 | Salesforce.Com, Inc. | Systems and methods for verification of discriminative models |
| US20200387788A1 (en) * | 2019-06-06 | 2020-12-10 | Bluebeam, Inc. | Methods and systems for automatically detecting design elements in a two-dimensional design document |
| CN110414065A (zh) * | 2019-06-29 | 2019-11-05 | 万翼科技有限公司 | 基于bim的设计模型审查方法、装置、电子设备及存储介质 |
| CN110502984A (zh) * | 2019-07-11 | 2019-11-26 | 万翼科技有限公司 | 图纸审查方法、装置、计算机设备和存储介质 |
| CN110517223A (zh) * | 2019-07-11 | 2019-11-29 | 万翼科技有限公司 | 图纸审查方法、装置、计算机设备和存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 张荷花;顾明;: "BIM模型智能检查工具研究与应用", 土木建筑工程信息技术, no. 02, pages 5 - 10 * |
| 朱江;王华;杨春;: "服务于新一代新闻采集系统的超高速无线局域网组建重难点技术探析", 数字通信世界, no. 05, pages 13 - 14 * |
| 陈国良;曲毅;: "基于BIM的消防安全管理综合应用系统探讨", 警察技术, no. 01, pages 93 - 95 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113538179A (zh) * | 2021-06-11 | 2021-10-22 | 海南大学 | 一种基于dikw的专利智能申请方法及系统 |
| CN113946890A (zh) * | 2021-09-07 | 2022-01-18 | 大连万达集团股份有限公司 | 一种bim模型的审查方法、装置、设备及可读存储介质 |
| CN114936835A (zh) * | 2022-04-26 | 2022-08-23 | 东南大学 | 一种基于bim的合规性自动审查方法及系统 |
| CN115097974A (zh) * | 2022-07-06 | 2022-09-23 | 成都建工第四建筑工程有限公司 | 一种bim模型智能辅助会审系统及方法 |
| CN115097974B (zh) * | 2022-07-06 | 2024-05-31 | 成都建工第四建筑工程有限公司 | 一种bim模型智能辅助会审系统及方法 |
| CN117235867A (zh) * | 2023-10-31 | 2023-12-15 | 北京构力科技有限公司 | 一种bim规划报建模型的审查方法、装置、设备及存储介质 |
| CN117235867B (zh) * | 2023-10-31 | 2024-04-26 | 北京构力科技有限公司 | 一种bim规划报建模型的审查方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112749434A (zh) | 施工审查模型处理方法、装置、设备及存储介质 | |
| CN110489314B (zh) | 模型异常检测方法、装置、计算机设备和存储介质 | |
| CN102945204B (zh) | 一种基于接口模型的操作系统标准符合性测试的充分性评估方法 | |
| CN112506757A (zh) | 自动测试方法、系统、计算机设备及其介质 | |
| CN113010413B (zh) | 一种接口自动化测试方法和装置 | |
| CN112817843B (zh) | 项目管理方法和系统 | |
| CN116136950B (zh) | 芯片验证方法、装置、系统、电子设备及存储介质 | |
| CN111222942A (zh) | 一种数据处理方法、装置、可读介质及电子设备 | |
| CN115292197A (zh) | 一种软件测试方法、装置、电子设备及存储介质 | |
| CN111667231A (zh) | 自动化报税方法、装置、系统、计算机设备和存储介质 | |
| CN114579972A (zh) | 嵌入式开发程序的漏洞识别方法及系统 | |
| CN113392455B (zh) | 基于深度学习的户型图比例尺检测方法、装置及电子设备 | |
| CN114490413A (zh) | 测试数据的准备方法及装置、存储介质和电子设备 | |
| CN112416782A (zh) | 测试结果的验证方法、装置和电子设备 | |
| CN116757650A (zh) | 一种基于机器学习的项目管理及资源调度的方法 | |
| CN111966578A (zh) | 一种安卓兼容性缺陷修复效果的自动化评估方法 | |
| CN109359047B (zh) | 一种基于系统特征状态的软件测试充分性度量方法 | |
| CN115983191A (zh) | 测试点验证方法及相关装置 | |
| CN116340159A (zh) | 回归测试用例推荐方法、系统、设备及存储介质 | |
| CN115499164A (zh) | 一种基于图神经网络的多特征融合区块链智能合约漏洞检测方法、装置、计算机及存储介质 | |
| CN115309661A (zh) | 一种应用测试方法、装置、电子设备及可读存储介质 | |
| CN115458100A (zh) | 基于知识图谱的随访方法、装置、电子设备及存储介质 | |
| CN113704123A (zh) | 接口测试方法、装置、设备以及存储介质 | |
| CN113282504A (zh) | 一种增量代码覆盖率检测方法及业务开发方法、装置 | |
| CN112580334A (zh) | 一种文案处理方法、装置、服务器及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |