iT邦幫忙

2025 iThome 鐵人賽

DAY 18
0
AI & Data

AI圖像辨識輔助的BIM資料流自動化流程系列 第 18

Day18:AI辨識結果與BIM建模數據流架構

  • 分享至 

  • xImage
  •  

  在前面的章節已有分別介紹YOLO和PaddleOCR如何將辨識結果轉換為定位資料,今天我們再次來回顧與整理,這兩種AI所生成的結果在BIM資料流中的角色。

18.1. 數據流架構概念

  在實務中,業界通常為搶時程,往往在細部設計尚未完全完成時就同步送審,甚至現場已先開工。之後進入長時間的改圖循環,從送審回覆、現場變更到完工為止,圖面不斷更新
  傳統 BIM 流程中,2D 圖紙設計與建模通常為分離的,這種反覆修改意味著需不斷人工輸入與修正模型。但若藉由AI 輔助 BIM ,則可由 2D 圖直接生成 3D 並快速套入標準化屬性,以減少建模與修改的時間成本。以下是我認為傳統與 AI 結合的資料流差異:

18.1.1. 傳統 BIM 資料流

各專業設計師/工程師繪製 2D CAD 圖
        ↓
人工輸入建置 BIM 模型與構件屬性
        ↓
送審 / 施工圖產出
        ↓
現場變更(人工回改 BIM 模型 + 2D 圖)
        ↓
重複上述流程直到完工

18.1.2. AI 結合 BIM 資料流

2D 圖面
├── YOLO 偵測結果
│     ├── 物件類別(如門、窗、柱)
│     ├── 邊界框座標(比例座標 → 圖紙像素座標 → 實際尺寸)
│     └── 置信度
│
├── PaddleOCR 偵測結果
│     ├── 文字內容(尺寸、材料、房間名稱等)
│     ├── 文字框四點座標
│     ├── 中心點座標
│     └── 置信度
│
└── AI → BIM 轉換引擎
      ├── 幾何定位(由 YOLO + OCR 座標生成 3D 幾何)
      ├── 屬性賦值(由 OCR 文字對應 BIM 屬性欄位)
      ├── IFC / BIM 模型輸出
      └── 回饋修改(更新 2D 圖 → AI 再轉 3D)

18.2. BIM 資料交換常見問題

  由於不同軟體對於自家商業利益考量,雖然名義上支援 IFC 開放格式,但各家使用的資料格式與屬性命名規則仍有差異,導致直接匯出或匯入時,容易出現:

18.2.1. 資訊遺失

  • 構件屬性不見(例如材料、尺寸、編號消失)
  • 幾何變形或無法編輯
  • 關聯關係(如樓層、系統)被斷開

18.2.2. 軟體相容性差

  以目前台灣建築產業市佔率最高的某BIM軟體為例,雖然功能完整,但在模型建置介面與軟體價格上並不友善。但由於使用者基數龐大,專案方與協作單位幾乎全面採用,導致「不使用就難以加入專案」的情況。即便使用者知道它在資料交換上的侷限,卻也只能接受。
/images/emoticon/emoticon18.gif/images/emoticon/emoticon02.gif/images/emoticon/emoticon20.gif

18.3. 結語

  我曾在Day16介紹OpenBIM跨軟體的益處,若想突破跨平台協作的限制,IFC 或許是現階段的解方之一,能減少不同軟體間的資訊遺失與重工。
  而 AI 的介入,更有機會在「讀取 2D 資料 → 生成 3D BIM」的流程中,繞過部分封閉格式的限制,為業界帶來更多彈性與效率。
  下一篇,繼續來探討AI辨識結果轉換為IFC開放格式的方法,明天見。


上一篇
Day17:開源BIM/IFC工具概觀
下一篇
Day19:AI預測結果轉BIM資料流程設計
系列文
AI圖像辨識輔助的BIM資料流自動化流程30
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言