基于改进Cascade RCNN的风管平面二维图纸识别

过去20年,我国城市化水平迅速提高,高速发展的同时也带来了既有建筑量大面广,建筑设备退化、运维困难等问题。BIM包含丰富的信息,能够提高设备运维效率和质量,但很多既有建筑仅有纸质图纸资料,从纸质图纸中人工重建BIM耗时耗力,亟需一种从二维图纸自动创建BIM的方法。本文提出使用改进的Cascade RCNN算法结合数字图像处理技术识别风管平面图纸,提取图像中的设备类别和位置信息,为重建BIM提供数据基础。改进时针对风管设备类型众多、形态各异的特点,使用Res2Net提高网络的多尺度特征提取能力,融入可变形卷积DCNv2加强网络适应几何形变的能力,改进非极大值抑制算法提高定位精度,降低漏检风险。实验表明,本文算法可以准确识别风管平面图纸中的设备,改进有效减少了定位和分类错误,提高了识别精度,mAP达到80.8%。最后通过横向对比其他算法的效果,验证了本文算法的先进性。