CN115293749B - 一种基于bim导出工程量清单的方法、系统及设备 - Google Patents
一种基于bim导出工程量清单的方法、系统及设备 Download PDFInfo
- Publication number
- CN115293749B CN115293749B CN202211219666.7A CN202211219666A CN115293749B CN 115293749 B CN115293749 B CN 115293749B CN 202211219666 A CN202211219666 A CN 202211219666A CN 115293749 B CN115293749 B CN 115293749B
- Authority
- CN
- China
- Prior art keywords
- information
- bim
- components
- component
- processing
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19153—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation using rules for classification or partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Structural Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Architecture (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Civil Engineering (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于BIM导出工程量清单的方法、系统及设备,涉及工程造价技术领域,包括获取设计图纸的图像信息;将所述设计图纸的图像信息发送至图像处理模块进行处理,得到分类信息总表,所述分类信息总表包含了不同类别的构件的平面位置、范围、图层、比例、尺寸和标高;基于所述分类信息总表建立BIM三维模型,并基于所述BIM三维模型和预设的工程量清单规范确定计量计价规则;基于所述BIM三维模型和所述计量计价规则生成工程量清单,并对所述工程量清单进行加密,得到加密后的工程量清单。本发明能够快速进行分类和计算工程量清单,并对清单进行加密,保障清单质量的同时还能进行保密。
Description
技术领域
本发明涉及工程造价技术领域,具体而言,涉及一种基于BIM导出工程量清单的方法、系统及设备。
背景技术
原始的工程量计算方法是预算员依据当地定额,借助计算器等工具在纸质文档上进行工程列项和计算,工作效率较低,计算精度低,容易发生错误,而且不便调整,对于各种类型的工程计算规则不同,很容易导致计算错误,而且纸质文档不易长时间保存,在招投标时不易保密,现需要一种能够快速进行分类和计算工程量清单,并对清单进行加密的方法和系统。
发明内容
本发明的目的在于提供一种基于BIM导出工程量清单的方法、系统及设备,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本申请提供了一种基于BIM导出工程量清单的方法,包括:
获取设计图纸的图像信息;
将所述设计图纸的图像信息发送至图像处理模块进行处理,得到分类信息总表,所述分类信息总表包含了不同类别的构件的平面位置、范围、图层、比例、尺寸和标高;
基于所述分类信息总表建立BIM三维模型,并基于所述BIM三维模型和预设的工程量清单规范确定计量计价规则;
基于所述BIM三维模型和所述计量计价规则生成工程量清单,并对所述工程量清单进行加密,得到加密后的工程量清单。
第二方面,本申请还提供了一种基于BIM导出工程量清单的系统,包括:
获取单元,用于获取设计图纸的图像信息;
第一处理单元,用于将所述设计图纸的图像信息发送至图像处理模块进行处理,得到分类信息总表,所述分类信息总表包含了不同类别的构件的平面位置、范围、图层、比例、尺寸和标高;
第二处理单元,用于基于所述分类信息总表建立BIM三维模型,并基于所述BIM三维模型和预设的工程量清单规范确定计量计价规则;
加密单元,用于基于所述BIM三维模型和所述计量计价规则生成工程量清单,并对所述工程量清单进行加密,得到加密后的工程量清单。
第三方面,本申请还提供了一种基于BIM导出工程量清单的设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现所述基于BIM导出工程量清单的方法的步骤。
本发明的有益效果为:
本发明通过对所有的图纸进行图像分析,确定当前项目中需要用到的所有构件,进而通过聚类分析和层次分析,确定每个项目不同层级不同类别的构件,进而将所有的构件建立BIM三维模型,按照建筑工程实际情况进行建模,能够真实反映建筑结构实情,提高工程量计算的准确度;
本发明还按照其中不同构件对应不同的编码进行标记,进而确定所有构件的编码信息,这样可以快速确定每个构件的位置,而且本发明还通过哈希算法将所有编码进行转化,进而达到对工程量清单进行加密的目的;
本发明中采用了总工程量清单和子工程量清单,可以清晰的看到每个阶段的项目的工程量和总的工程量。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的基于BIM导出工程量清单的方法流程示意图;
图2为本发明实施例中所述的基于BIM导出工程量清单的系统结构示意图;
图3为本发明实施例中所述的基于BIM导出工程量清单的设备结构示意图。
图中标记:701、获取单元;702、第一处理单元;703、第二处理单元;704、加密单元;7021、第一处理子单元;7022、第二处理子单元;7023、第一分析子单元;70231、第三处理子单元;70232、第二分析子单元;70233、第四处理子单元;70234、第五处理子单元;7031、第六处理子单元;7032、第一发送子单元;7033、第二发送子单元;70331、第一分类子单元;70332、第一训练子单元;70333、第二训练子单元;70334、第三训练子单元;7041、计算子单元;7042、第二分类子单元;7043、第七处理子单元;800、基于BIM导出工程量清单的设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1:
本实施例提供了一种基于BIM导出工程量清单的方法。
参见图1,图中示出了本方法包括步骤S1、步骤S2、步骤S3和步骤S4。
步骤S1、获取设计图纸的图像信息;
可以理解的是本步骤通过接收来自设计单位的设计图纸,并进行存储,所述设计图纸包括设计说明、建筑施工图、结构施工图、专业深化图。
步骤S2、将所述设计图纸的图像信息发送至图像处理模块进行处理,得到分类信息总表,所述分类信息总表包含了不同类别的构件的平面位置、范围、图层、比例、尺寸和标高;
可以理解的是本步骤通过图像处理模块对图纸内的构件信息进行识别和处理,进而确定不同类别的构件信息,并进行汇总,得到分类信息总表,本步骤中,步骤S2包括步骤S21、步骤S22和步骤S23.
步骤S21、将所有的设计图纸的图像信息进行语义识别和目标识别处理,其中将所述设计图纸的图像信息进行目标识别处理,得到所述图像信息内的所有构件的图像信息,并将所述设计图纸的图像信息内的标注信息进行语义识别,得到每个图像内的构件对应的标注信息;
可以理解的是本步骤通过目标识别算法对设计图纸内所有的构件进行识别,进而确定每个构件的平面位置、范围和标高,并通过语义识别对图纸的标注进行识别确定每个构件的图层、比例和尺寸,并将所有的构件信息进行存储。
步骤S22、将所有构件的图像信息和每个所述图像内的构件对应的标注信息进行关联,得到每个构件的参数信息和图像信息;
可以理解的是本步骤通过将所有的图像信息和每个构件信息进行关联,这样可以确定每个构件对应的信息,为调用构件的所有信息做准备。
步骤S23、基于所有构件的参数信息和图像信息进行聚类分析和层次分析处理,得到所有构件的分类信息总表。
可以理解的是本步骤通过聚类分析和层次分析处理将所有构件的参数信息和图像信息进行分层和分类,确定每个构件所处整个项目中所属的层级和类别,本步骤中,步骤S23包括步骤S231、步骤S232、步骤S233和步骤S234。
步骤S231、将所有构件的参数信息和图像信息基于距离类的聚类算法进行聚类分析处理,并基于聚类分析得到至少两个类别的构件信息生成构件信息分类表;
可以理解的是本步骤通过采用距离类算法对所有的参数信息和图像信息进行聚类,其中将每个构件的参数信息作为横坐标,每个构件的图像信息作为纵坐标,计算每个坐标间的欧式距离,并基于所述欧式距离对每个构件进行分类,得到每个构件的类别信息。
步骤S232、基于层次分析法对所有构件的参数信息和图像信息进行分析,得到构件信息层级表,其中将所有所述构件的参数信息和图像信息分为至少两层构件信息,并基于至少两层构件信息生成构件信息分类表,所述至少两层构件信息均为包含关系,其中上层构件信息包含下层构件信息;
可以理解的是本步骤通过层次分析法将所有所述构件信息进行分层,其中上一层级的构件信息包含下一层级的构件信息,这样可以快速确定每个构件的位置,位于哪一层的哪一类别,进而可以快速确定所述构件的信息。
步骤S233、将所述构件信息分类表和所述构件信息层级表进行关键词处理,提取所述构件信息分类表和所述构件信息层级表中的关键词,所述关键词为能够表明每个所述构件信息分类表的不同类别和每个所述构件信息层级表的不同层级的词;
步骤S234、将所述构件信息分类表和所述构件信息层级表进行组合,并将所述关键词作为每个构件层级和每个构件类别的标题信息,得到所有构件的分类信息总表。
可以理解的是本步骤通过按照每个构件的层级和类别作为关键词进行分类,并且将所述关键词信息作为的每个层级下每个类别标题,其中每个层级包含多个类别,得到一个树状结构的构件目录,在查询所述构件信息时方便快捷。
步骤S3、基于所述分类信息总表建立BIM三维模型,并基于所述BIM三维模型和预设的工程量清单规范确定计量计价规则;
可以理解的是本发明通过将根据分类信息总表和预设的工程量清单规范生成三维模型内每个构件的计量计价规则,本步骤中,步骤S3包括步骤S31、步骤S32和步骤S33。
步骤S31、将所述BIM三维模型中的构件和预设的工程量清单规范进行一一对应,确定所述BIM三维模型中的构件对应的计量计价语句;
步骤S32、将所述BIM三维模型中的构件对应的计量计价语句发送至Bert模型中进行预训练,生成计量计价语句特征向量;
可以理解的是上述步骤通过对所有的预设的工程量清单规范进行对应,确定每个构件的计量计价语句,进而生成对应的计量计价向量,这样可以快速确定每个构件对应的计量计价规则,进而可以计算所有构件的数量和价格。
步骤S33、将所述计量计价语句特征向量发送至优化后的BILSTM神经网络模型进行处理,得到所述BIM三维模型中的构件对应的计量计价规则。
可以理解的是本步骤通过对神经网络模型进行训练,进而通过计量计价语句特征向量得到每个向量对应的计量计价规则,这样可以将人为的工作量转化为机器学习的方式,这样可以快速确定每个构件的数量和价格,本步骤中,步骤S33包括步骤S331、步骤S332、步骤S333和步骤S334。
步骤S331、将预设的历史计量计价语句特征向量和预设的历史计量计价规则进行分类,得到训练集数据和验证集数据;
可以理解的是本步骤通过将历史的计量计价语句特征向量和历史的计量计价规则分为训练集和验证集,这样可以对训练后的神经网络模型进行调整,提高神经网络模型的准确率。
步骤S332、将所述训练集数据发送至BILSTM神经网络模型进行训练,通过初始化BILSTM神经网络模型的输入参数和粒子群参数,并基于粒子群优化算法计算粒子适应度值,得到粒子的个体最优位置和全局最优位置;
步骤S333、基于粒子群优化算法动态跟踪个体最优位置和全局最优位置来进行不断更新所有粒子的速度和位置,直至所述粒子群优化算法达到最大迭代次数,得到优化后的BILSTM神经网络模型;
可以理解的是本步骤通过采用粒子群算法对BILSTM神经网络模型进行优化,确定所述BILSTM神经网络模型中与构件最匹配的计量计价规则,进而保证每个构件对应的计量计价规则是准确的,提高准确率。
步骤S334、将所述验证集数据发送至所述优化后的BILSTM神经网络模型,得到预测结果,并判断所述预测结果与所述验证集数据是否一致,若一致则将所有的所述计量计价语句特征向量发送至优化后的BILSTM神经网络模型进行规则预测,得到所述BIM三维模型中的构件对应的计量计价规则。
可以理解的是本步骤通过采用验证集对优化后的神经网络模型进行验证,其中若是验证集与结果不一致,则需要调整神经网络模型的输入参数,保障神经网络模型的预测结果与验证集一致,保证神经网络模型的预测的准确率。
步骤S4、基于所述BIM三维模型和所述计量计价规则生成工程量清单,并对所述工程量清单进行加密,得到加密后的工程量清单。
可以理解的是本步骤可以基于计量计价规则对每个类别的构件信息进行计算,并计算整个项目的构件总量,进而得到分项目的工程量清单和总项目的工程清单,本步骤中,步骤S4包括步骤S41、步骤S42和步骤S43。
步骤S41、基于所述计量计价规则计算所述BIM三维模型的总工程量;
可以理解的是本步骤预测得到的计量计价规则计算BIM三维模型内的所有构件的数量和价格。
步骤S42、将所述总工程量按照分类信息总表内对应的类别生成子工程量清单和总工程量清单,所述子工程量清单为按照分类信息总表对不同类别的工程量进行分类的清单,所述总工程量清单为所有工程量的清单;
可以理解的是本步骤通过按照构件类别对所有的工程量进行分类,进而得到至少两个子工程量清单和一个总工程量清单。
步骤S43、将所述子工程量清单和总工程量清单按照预设的编码标准体系进行编码,并基于哈希算法对编码后的子工程量清单和编码后的总工程量清单进行加密,得到加密后的子工程量清单和加密后的总工程量清单。
可以理解的是本步骤通过预设的编码标准体系对每个清单内的构件进行编码,实现每个构件准确定位,确定每个构件的位置和参数信息,并通过哈希算法将所有的清单数据进行哈希转换进行加密,防止在招投标过程中数据泄露,减少风险,保障数据安全。
实施例2:
如图2所示,本实施例提供了一种基于BIM导出工程量清单的系统,所述系统包括获取单元701、第一处理单元702、第二处理单元703和加密单元704。
获取单元701,用于获取设计图纸的图像信息;
第一处理单元702,用于将所述设计图纸的图像信息发送至图像处理模块进行处理,得到分类信息总表,所述分类信息总表包含了不同类别的构件的平面位置、范围、图层、比例、尺寸和标高;
第二处理单元703,用于基于所述分类信息总表建立BIM三维模型,并基于所述BIM三维模型和预设的工程量清单规范确定计量计价规则;
加密单元704,用于基于所述BIM三维模型和所述计量计价规则生成工程量清单,并对所述工程量清单进行加密,得到加密后的工程量清单。
在本公开的一种具体实施方式中,所述第一处理单元702包括第一处理子单元7021、第二处理子单元7022和第一分析子单元7023。
第一处理子单元7021,用于将所有的设计图纸的图像信息进行语义识别和目标识别处理,其中将所述设计图纸的图像信息进行目标识别处理,得到所述图像信息内的所有构件的图像信息,并将所述设计图纸的图像信息内的标注信息进行语义识别,得到每个图像内的构件对应的标注信息;
第二处理子单元7022,用于将所有构件的图像信息和每个所述图像内的构件对应的标注信息进行关联,得到每个构件的参数信息和图像信息;
第一分析子单元7023,用于基于所有构件的参数信息和图像信息进行聚类分析和层次分析处理,得到所有构件的分类信息总表。
在本公开的一种具体实施方式中,所述第一分析子单元7023包括第三处理子单元70231、第二分析子单元70232、第四处理子单元70233和第五处理子单元70234。
第三处理子单元70231,用于将所有构件的参数信息和图像信息基于距离类的聚类算法进行聚类分析处理,并基于聚类分析得到至少两个类别的构件信息生成构件信息分类表;
第二分析子单元70232,用于基于层次分析法对所有构件的参数信息和图像信息进行分析,得到构件信息层级表,其中将所有所述构件的参数信息和图像信息分为至少两层构件信息,并基于至少两层构件信息生成构件信息分类表,所述至少两层构件信息均为包含关系,其中上层构件信息包含下层构件信息;
第四处理子单元70233,用于将所述构件信息分类表和所述构件信息层级表进行关键词处理,提取所述构件信息分类表和所述构件信息层级表中的关键词,所述关键词为能够表明每个所述构件信息分类表的不同类别和每个所述构件信息层级表的不同层级的词;
第五处理子单元70234,用于将所述构件信息分类表和所述构件信息层级表进行组合,并将所述关键词作为每个构件层级和每个构件类别的标题信息,得到所有构件的分类信息总表。
在本公开的一种具体实施方式中,所述第二处理单元703包括第六处理子单元7031、第一发送子单元7032和第二发送子单元7033。
第六处理子单元7031,用于将所述BIM三维模型中的构件和预设的工程量清单规范进行一一对应,确定所述BIM三维模型中的构件对应的计量计价语句;
第一发送子单元7032,用于将所述BIM三维模型中的构件对应的计量计价语句发送至Bert模型中进行预训练,生成计量计价语句特征向量;
第二发送子单元7033,用于将所述计量计价语句特征向量发送至优化后的BILSTM神经网络模型进行处理,得到所述BIM三维模型中的构件对应的计量计价规则。
在本公开的一种具体实施方式中,所述第二发送子单元7033包括第一分类子单元70331、第一训练子单元70332、第二训练子单元70333和第三训练子单元70334。
第一分类子单元70331,用于将预设的历史计量计价语句特征向量和预设的历史计量计价规则进行分类,得到训练集数据和验证集数据;
第一训练子单元70332,用于将所述训练集数据发送至BILSTM神经网络模型进行训练,通过初始化BILSTM神经网络模型的输入参数和粒子群参数,并基于粒子群优化算法计算粒子适应度值,得到粒子的个体最优位置和全局最优位置;
第二训练子单元70333,用于基于粒子群优化算法动态跟踪个体最优位置和全局最优位置来进行不断更新所有粒子的速度和位置,直至所述粒子群优化算法达到最大迭代次数,得到优化后的BILSTM神经网络模型;
第三训练子单元70334,用于将所述验证集数据发送至所述优化后的BILSTM神经网络模型,得到预测结果,并判断所述预测结果与所述验证集数据是否一致,若一致则将所有的所述计量计价语句特征向量发送至优化后的BILSTM神经网络模型进行规则预测,得到所述BIM三维模型中的构件对应的计量计价规则。
在本公开的一种具体实施方式中,所述加密单元704包括计算子单元7041、第二分类子单元7042和第七处理子单元7043
计算子单元7041,用于基于所述计量计价规则计算所述BIM三维模型的总工程量;
第二分类子单元7042,用于将所述总工程量按照分类信息总表内对应的类别生成子工程量清单和总工程量清单,所述子工程量清单为按照分类信息总表对不同类别的工程量进行分类的清单,所述总工程量清单为所有工程量的清单;
第七处理子单元7043,用于将所述子工程量清单和总工程量清单按照预设的编码标准体系进行编码,并基于哈希算法对编码后的子工程量清单和编码后的总工程量清单进行加密,得到加密后的子工程量清单和加密后的总工程量清单。
需要说明的是,关于上述实施例中的系统,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3:
相应于上面的方法实施例,本实施例中还提供了一种基于BIM导出工程量清单的设备,下文描述的一种基于BIM导出工程量清单的设备与上文描述的一种基于BIM导出工程量清单的方法可相互对应参照。
图3是根据示例性实施例示出的一种基于BIM导出工程量清单的设备800的框图。如图3所示,该基于BIM导出工程量清单的设备800可以包括:处理器801,存储器802。该基于BIM导出工程量清单的设备800还可以包括多媒体组件803, I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该基于BIM导出工程量清单的设备800的整体操作,以完成上述的基于BIM导出工程量清单的方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该基于BIM导出工程量清单的设备800的操作,这些数据例如可以包括用于在该基于BIM导出工程量清单的设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该基于BIM导出工程量清单的设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,基于BIM导出工程量清单的设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的基于BIM导出工程量清单的方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的基于BIM导出工程量清单的方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由基于BIM导出工程量清单的设备800的处理器801执行以完成上述的基于BIM导出工程量清单的方法。
以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于BIM导出工程量清单的方法,其特征在于,包括:
获取设计图纸的图像信息;
将所述设计图纸的图像信息发送至图像处理模块进行处理,得到分类信息总表,所述分类信息总表包含了不同类别的构件的平面位置、范围、图层、比例、尺寸和标高;
基于所述分类信息总表建立BIM三维模型,并基于所述BIM三维模型和预设的工程量清单规范确定计量计价规则;
基于所述BIM三维模型和所述计量计价规则生成工程量清单,并对所述工程量清单进行加密,得到加密后的工程量清单;
其中,将所述设计图纸的图像信息发送至图像处理模块进行处理,得到分类信息总表,包括:
将所有的设计图纸的图像信息进行语义识别和目标识别处理,其中将所述设计图纸的图像信息进行目标识别处理,得到所述图像信息内的所有构件的图像信息,并将所述设计图纸的图像信息内的标注信息进行语义识别,得到每个图像内的构件对应的标注信息;
将所有构件的图像信息和每个所述图像内的构件对应的标注信息进行关联,得到每个构件的参数信息和图像信息;
基于所有构件的参数信息和图像信息进行聚类分析和层次分析处理,得到所有构件的分类信息总表。
2.根据权利要求1所述的基于BIM导出工程量清单的方法,其特征在于,所述基于所有构件的参数信息和图像信息进行聚类分析和层次分析处理,得到所有构件的分类信息总表,包括:
将所有构件的参数信息和图像信息基于距离类的聚类算法进行聚类分析处理,并基于聚类分析得到至少两个类别的构件信息生成构件信息分类表;
基于层次分析法对所有构件的参数信息和图像信息进行分析,得到构件信息层级表,其中将所有所述构件的参数信息和图像信息分为至少两层构件信息,并基于至少两层构件信息生成构件信息分类表,所述至少两层构件信息均为包含关系,其中上层构件信息包含下层构件信息;
将所述构件信息分类表和所述构件信息层级表进行关键词处理,提取所述构件信息分类表和所述构件信息层级表中的关键词,所述关键词为能够表明每个所述构件信息分类表的不同类别和每个所述构件信息层级表的不同层级的词;
将所述构件信息分类表和所述构件信息层级表进行组合,并将所述关键词作为每个构件层级和每个构件类别的标题信息,得到所有构件的分类信息总表。
3.根据权利要求1所述的基于BIM导出工程量清单的方法,其特征在于,基于所述分类信息总表建立BIM三维模型,并基于所述BIM三维模型和预设的工程量清单规范确定计量计价规则,包括:
将所述BIM三维模型中的构件和预设的工程量清单规范进行一一对应,确定所述BIM三维模型中的构件对应的计量计价语句;
将所述BIM三维模型中的构件对应的计量计价语句发送至Bert模型中进行预训练,生成计量计价语句特征向量;
将所述计量计价语句特征向量发送至优化后的BILSTM神经网络模型进行处理,得到所述BIM三维模型中的构件对应的计量计价规则。
4.根据权利要求3所述的基于BIM导出工程量清单的方法,其特征在于,将所述计量计价语句特征向量发送至优化后的BILSTM神经网络模型进行处理,得到所述BIM三维模型中的构件对应的计量计价规则,包括:
将预设的历史计量计价语句特征向量和预设的历史计量计价规则进行分类,得到训练集数据和验证集数据;
将所述训练集数据发送至BILSTM神经网络模型进行训练,通过初始化BILSTM神经网络模型的输入参数和粒子群参数,并基于粒子群优化算法计算粒子适应度值,得到粒子的个体最优位置和全局最优位置;
基于粒子群优化算法动态跟踪个体最优位置和全局最优位置来进行不断更新所有粒子的速度和位置,直至所述粒子群优化算法达到最大迭代次数,得到优化后的BILSTM神经网络模型;
将所述验证集数据发送至所述优化后的BILSTM神经网络模型,得到预测结果,并判断所述预测结果与所述验证集数据是否一致,若一致则将所有的所述计量计价语句特征向量发送至优化后的BILSTM神经网络模型进行规则预测,得到所述BIM三维模型中的构件对应的计量计价规则。
5.一种基于BIM导出工程量清单的系统,其特征在于,包括:
获取单元,用于获取设计图纸的图像信息;
第一处理单元,用于将所述设计图纸的图像信息发送至图像处理模块进行处理,得到分类信息总表,所述分类信息总表包含了不同类别的构件的平面位置、范围、图层、比例、尺寸和标高;
第二处理单元,用于基于所述分类信息总表建立BIM三维模型,并基于所述BIM三维模型和预设的工程量清单规范确定计量计价规则;
加密单元,用于基于所述BIM三维模型和所述计量计价规则生成工程量清单,并对所述工程量清单进行加密,得到加密后的工程量清单;
其中,所述第一处理单元,包括:
第一处理子单元,用于将所有的设计图纸的图像信息进行语义识别和目标识别处理,其中将所述设计图纸的图像信息进行目标识别处理,得到所述图像信息内的所有构件的图像信息,并将所述设计图纸的图像信息内的标注信息进行语义识别,得到每个图像内的构件对应的标注信息;
第二处理子单元,用于将所有构件的图像信息和每个所述图像内的构件对应的标注信息进行关联,得到每个构件的参数信息和图像信息;
第一分析子单元,用于基于所有构件的参数信息和图像信息进行聚类分析和层次分析处理,得到所有构件的分类信息总表。
6.根据权利要求5所述的基于BIM导出工程量清单的系统,其特征在于,所述系统包括:
第三处理子单元,用于将所有构件的参数信息和图像信息基于距离类的聚类算法进行聚类分析处理,并基于聚类分析得到至少两个类别的构件信息生成构件信息分类表;
第二分析子单元,用于基于层次分析法对所有构件的参数信息和图像信息进行分析,得到构件信息层级表,其中将所有所述构件的参数信息和图像信息分为至少两层构件信息,并基于至少两层构件信息生成构件信息分类表,所述至少两层构件信息均为包含关系,其中上层构件信息包含下层构件信息;
第四处理子单元,用于将所述构件信息分类表和所述构件信息层级表进行关键词处理,提取所述构件信息分类表和所述构件信息层级表中的关键词,所述关键词为能够表明每个所述构件信息分类表的不同类别和每个所述构件信息层级表的不同层级的词;
第五处理子单元,用于将所述构件信息分类表和所述构件信息层级表进行组合,并将所述关键词作为每个构件层级和每个构件类别的标题信息,得到所有构件的分类信息总表。
7.根据权利要求5所述的基于BIM导出工程量清单的系统,其特征在于,所述系统包括:
第六处理子单元,用于将所述BIM三维模型中的构件和预设的工程量清单规范进行一一对应,确定所述BIM三维模型中的构件对应的计量计价语句;
第一发送子单元,用于将所述BIM三维模型中的构件对应的计量计价语句发送至Bert模型中进行预训练,生成计量计价语句特征向量;
第二发送子单元,用于将所述计量计价语句特征向量发送至优化后的BILSTM神经网络模型进行处理,得到所述BIM三维模型中的构件对应的计量计价规则。
8.一种基于BIM导出工程量清单的设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述基于BIM导出工程量清单的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211219666.7A CN115293749B (zh) | 2022-10-08 | 2022-10-08 | 一种基于bim导出工程量清单的方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211219666.7A CN115293749B (zh) | 2022-10-08 | 2022-10-08 | 一种基于bim导出工程量清单的方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115293749A CN115293749A (zh) | 2022-11-04 |
CN115293749B true CN115293749B (zh) | 2022-12-27 |
Family
ID=83833590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211219666.7A Active CN115293749B (zh) | 2022-10-08 | 2022-10-08 | 一种基于bim导出工程量清单的方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115293749B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115496000B (zh) * | 2022-11-14 | 2023-04-07 | 深圳市地铁集团有限公司 | 一种城际铁路钢筋工程量的计算方法、系统及设备 |
CN116205411A (zh) * | 2023-04-27 | 2023-06-02 | 山东铁路投资控股集团有限公司 | 一种基于大数据的物资用量核查方法、装置、设备及介质 |
CN116402480B (zh) * | 2023-06-07 | 2023-09-19 | 成都普朗克科技有限公司 | 基于关联规则自建模型输出清单的方法和系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008033101A1 (en) * | 2006-09-13 | 2008-03-20 | National University Of Singapore | System and method for generating a bill of quantities |
CN107609268A (zh) * | 2017-09-12 | 2018-01-19 | 上海同岩土木工程科技股份有限公司 | 一种基于tin的三维地质模型与bim模型耦合的方法 |
CN110046364A (zh) * | 2018-01-16 | 2019-07-23 | 中国建筑第八工程局有限公司 | 一种基于bim技术的工程量计算方法 |
CN110443499A (zh) * | 2019-08-05 | 2019-11-12 | 中国电力企业联合会电力建设技术经济咨询中心 | 一种清单工程量自动生成方法及系统 |
CN111506997A (zh) * | 2020-04-15 | 2020-08-07 | 国网福建省电力有限公司漳州供电公司 | 一种基于bim的电力工程量计算方法 |
CN111754138A (zh) * | 2020-07-07 | 2020-10-09 | 天津水泥工业设计研究院有限公司 | 一种基于bim模型的工程建设进度计划管控系统及方法 |
WO2020237872A1 (zh) * | 2019-05-24 | 2020-12-03 | 平安科技(深圳)有限公司 | 语义分析模型准确度的校验方法、装置、存储介质及设备 |
CN114648688A (zh) * | 2022-04-11 | 2022-06-21 | 中铁工程设计咨询集团有限公司 | 高铁沿线景观等级评估方法、系统、设备及可读存储介质 |
CN114694139A (zh) * | 2022-06-01 | 2022-07-01 | 中科航迈数控软件(深圳)有限公司 | 一种数控机床复杂结构件加工特征识别方法及系统 |
CN114880468A (zh) * | 2022-04-21 | 2022-08-09 | 淮阴工学院 | 基于BiLSTM与知识图谱的建筑规范审查方法与系统 |
CN114969935A (zh) * | 2022-06-01 | 2022-08-30 | 北京梦诚科技有限公司 | 一种基建图形算量方法、系统、电子设备及存储介质 |
-
2022
- 2022-10-08 CN CN202211219666.7A patent/CN115293749B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008033101A1 (en) * | 2006-09-13 | 2008-03-20 | National University Of Singapore | System and method for generating a bill of quantities |
CN107609268A (zh) * | 2017-09-12 | 2018-01-19 | 上海同岩土木工程科技股份有限公司 | 一种基于tin的三维地质模型与bim模型耦合的方法 |
CN110046364A (zh) * | 2018-01-16 | 2019-07-23 | 中国建筑第八工程局有限公司 | 一种基于bim技术的工程量计算方法 |
WO2020237872A1 (zh) * | 2019-05-24 | 2020-12-03 | 平安科技(深圳)有限公司 | 语义分析模型准确度的校验方法、装置、存储介质及设备 |
CN110443499A (zh) * | 2019-08-05 | 2019-11-12 | 中国电力企业联合会电力建设技术经济咨询中心 | 一种清单工程量自动生成方法及系统 |
CN111506997A (zh) * | 2020-04-15 | 2020-08-07 | 国网福建省电力有限公司漳州供电公司 | 一种基于bim的电力工程量计算方法 |
CN111754138A (zh) * | 2020-07-07 | 2020-10-09 | 天津水泥工业设计研究院有限公司 | 一种基于bim模型的工程建设进度计划管控系统及方法 |
CN114648688A (zh) * | 2022-04-11 | 2022-06-21 | 中铁工程设计咨询集团有限公司 | 高铁沿线景观等级评估方法、系统、设备及可读存储介质 |
CN114880468A (zh) * | 2022-04-21 | 2022-08-09 | 淮阴工学院 | 基于BiLSTM与知识图谱的建筑规范审查方法与系统 |
CN114694139A (zh) * | 2022-06-01 | 2022-07-01 | 中科航迈数控软件(深圳)有限公司 | 一种数控机床复杂结构件加工特征识别方法及系统 |
CN114969935A (zh) * | 2022-06-01 | 2022-08-30 | 北京梦诚科技有限公司 | 一种基建图形算量方法、系统、电子设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
Construction of Power Communication Network Knowledge Graph with BERT-BiLSTM-CRF Model Based Entity Recognition;Haiyang Wu 等;《2021 IEEE 6th International Conference on Computer and Communication Systems (ICCCS)》;20210621;632-636 * |
Revit模型中直接进行工程量计算的途径与问题研究;薛璐;《建材与装饰》;20190415(第11期);169-170 * |
Toward Automatic Calculation of Construction Quantity Based on Building Information Modeling;Qin Zhao 等;《2015 11th International Conference on Computational Intelligence and Security (CIS)》;20160204;482-485 * |
基于Revit平台的PC构件工程量计算方法;王佳佳 等;《中国电力企业管理》;20210825(第24期);78-79 * |
面向建筑领域的中文分词方法研究;张鑫;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20220115(第01期);C038-318 * |
Also Published As
Publication number | Publication date |
---|---|
CN115293749A (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115293749B (zh) | 一种基于bim导出工程量清单的方法、系统及设备 | |
CN109670267B (zh) | 一种数据处理方法和装置 | |
CN110363449B (zh) | 一种风险识别方法、装置及系统 | |
CN111523306A (zh) | 文本的纠错方法、装置和系统 | |
CN110674255B (zh) | 文本内容审核方法及装置 | |
US20220138193A1 (en) | Conversion method and systems from natural language to structured query language | |
WO2021043076A1 (zh) | 网络发布数据处理方法、装置、计算机设备和存储介质 | |
CN113158189B (zh) | 一种恶意软件分析报告生成方法、装置、设备和介质 | |
US20230186402A1 (en) | Systems and methods for multivariate artificial intelligence (ai) smart cards | |
CN112468658A (zh) | 语音质量检测方法、装置、计算机设备及存储介质 | |
CN115935344A (zh) | 一种异常设备的识别方法、装置及电子设备 | |
CN111191797A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN109710890B (zh) | 基于构建的行为画像模型实时识别虚假材料的方法和系统 | |
CN111507726A (zh) | 一种报文生成方法、装置及设备 | |
CN114297235A (zh) | 风险地址识别方法、系统及电子设备 | |
Gao et al. | Autonomous permission recommendation | |
CN114648688A (zh) | 高铁沿线景观等级评估方法、系统、设备及可读存储介质 | |
CN114445207A (zh) | 基于数字人民币的税务管理系统 | |
EP3382630A1 (en) | Automatic retrieval of manufacture-related information relating to a product | |
CN116303376B (zh) | 一种基于资产大数据平台的资产管理优化方法及系统 | |
CN113722465B (zh) | 一种意图识别方法及装置 | |
CN113343666B (zh) | 评分的置信度的确定方法、装置、设备及存储介质 | |
CN115858562A (zh) | 开发者确定方法、装置、介质及设备 | |
CN114118059A (zh) | 样本语句处理方法、装置、计算机设备和存储介质 | |
CN114764443A (zh) | 一种数据处理方法、装置、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |