Day04：AI建築圖數據到BIM模型自動化流程設計

17th鐵人賽 bim ifc yolov8 paddleocr

Yi-Ping, Fang

2025-08-04 09:37:47

211 瀏覽

分享至

　　前面概覽介紹了各種AI相關技術，以及IFC交換格式與BIM模型的特點，以下我將以實際的流程藍圖，來說明各技術在BIM自動化流程中的定位、執行步驟與關係：

4.1. 建築BIM自動化流程藍圖

圖面格式轉檔：將傳統的建築圖CAD、PDF格式轉換為YOLO可讀的圖像檔
圖像物件偵測：使用YOLO模型預測指定物件，並將標註文字檔及圖像輸出
文字字符辨識：使用OCR解析並結構化統整所有文字資訊
資料整合還原：將AI技術萃取的資料還原至虛擬空間中的位置與對應關係
資料驅動建模：將結構化資料轉化為IFC架構，便能透過專有軟體直接建模

圖4.1 建築BIM自動化流程藍圖

4.2. 預測數據的解析與轉換邏輯

4.2.1. YOLO 預測結果示例

YOLO 模型的預測輸出文字檔，每行會呈現為「class x y w h」格式，其中：

class：代表物件類別
x：代表物件中心點的 x 座標（相對於圖片寬度的比率，範圍 0~1）
y：代表物件中心點的 y 座標（相對於圖片高度的比率，範圍 0~1）
w：代表物件寬度（相對於圖片寬度的比率，範圍 0~1）
h：代表物件高度（相對於圖片高度的比率，範圍 0~1）

　　例如下圖4.2「0 0.44 0.97 0.04 0.04」，代表第0類物件，中心點位於圖片寬度44%、高度97%處，寬度為原圖的4%，高度為原圖的4%。

圖4.2 YOLO預測框結果示例

4.2.2. OCR 預測結果示例

本文OCR模型將以PaddleOCR為例，它除了能辨識文字內容外，也會產生一個預測框，如下圖4.3所示。

圖4.3 OCR 預測框結果示例

4.2.3. 資料轉換邏輯

IFC的資料結構本質上是一種階層樹狀（Hierarchical Tree）的物件導向資料模型。例如以門與柱元素，在IFC中的層級表示如下：

 # IFC繼承結構
 IfcRoot
 └─ IfcObjectDefinition
      └─ IfcObject
           └─ IfcProduct
                └─ IfcElement
                     └─ IfcBuildingElement
                          ├─ IfcDoor
                          └─ IfcColumn

在IFC格式中都存在著父類、子類、屬性等繼承關係，如果以Python語法來對應，可表示如下：

# IFC資料結構的Python物件導向對照範例

class IfcRoot:
    def __init__(self, GlobalId):
        self.GlobalId = GlobalId  # 唯一識別碼（所有IFC元素都必須有）

class IfcObjectDefinition(IfcRoot):
    pass  # 對象定義（主要承上啟下，通常不直接實例化）

class IfcObject(IfcObjectDefinition):
    pass  # 具體對象（如建築物、構件等）

class IfcProduct(IfcObject):
    pass  # 產品或空間元素（可有位置、形狀等）

class IfcElement(IfcProduct):
    pass  # 元素（建築構件、設備…的上層類別）

class IfcBuildingElement(IfcElement):
    pass  # 建築構件（牆、門、窗、柱等）

class IfcDoor(IfcBuildingElement):
    def __init__(self, GlobalId, Name, OverallWidth, OverallHeight):
        super().__init__(GlobalId)
        self.Name = Name          # 構件名稱（例如"D1"）
        self.OverallWidth = OverallWidth  # 門寬（如90，單位cm）
        self.OverallHeight = OverallHeight # 門高（如210，單位cm）

class IfcColumn(IfcBuildingElement):
    def __init__(self, GlobalId, Name, Height):
        super().__init__(GlobalId)
        self.Name = Name     # 構件名稱（例如"C1"）
        self.Height = Height   # 柱高（如300，單位cm）

如同下圖4.5的3D模型，其實背後就是如圖4.4一連串複雜組成的數據串，而前面所提到的，若將YOLO、OCR等AI模型所提取的圖面數據（如位置、尺寸），就能直接對應到每個IFC物件類別的屬性欄位，實現自動化建模流程。

圖4.4 IFC資料結構文字檔示例

圖4.5 IFC資料結構模型可視化於BIM軟體

4.4. 結語

　　今天我們透過YOLO與OCR的預測結果示例，結合IFC資料結構的核心原理，進一步理解了AI數據如何轉化為BIM自動化建模資料。
　　其實不論AI模型還是IFC標準，背後的邏輯都圍繞著「資料結構」的本質。但要如何讓這些自動化流程，真正落地在設計師、工程師手中，不需要資工背景也能輕鬆上手呢？
　　下一篇，將會介紹如何利用GUI（圖形介面）將這些流程串連起來，打造人人可用的BIM智慧工具。我們明天見！