给排水工业设计智能识别与统计-Pipeline AI system

1.针对给排水工程设计中人工统计图纸材料耗时巨大，极易出错等行业痛点，本项目旨在构建一套“开箱即用”的桌面端可视化智能系统，实线从图纸输入到材料表输出的全流程自动化，极大提高工作效率也保证了准确性。
2.系统继承了高精度图纸解析，智能图例识别、管线网络拓扑构建三大核心能力。
2.1.预处理模块：支持 DWG/PDF 导入，自动进行 1500 DPI 高清光栅化与比例尺校准。
2.2.AI 识别引擎：内置定制化YOLO模型，精准识别阀门、仪表等微小图例。
2.3.交互工作台：提供基于 OpenLayers 的大图交互预览，支持“所见即所得”的属性修正与实时重算。
3.流程：用户拖拽上传图纸 -> 系统自动执行“双流掩膜”去噪与切片 -> AI并行推理识别组件 -> 几何算法提取管线并构建连接关系 -> 生成可视化结果供用户预览校对 -> 一键导出标准Excel BOM表。

1. 整体架构与设计思路：采用 Electron + Vue3 构建现代化的桌面应用前端，确保跨平台兼容性与流畅的用户体验；后端封装为 Python (FastAPI) 本地服务，利用 PyTorch 和 OpenCV 处理繁重的计算任务。两者通过 RESTful API 通信，实现了“轻量级界面”与“重量级算力”的平衡。

2.负责模块与成果：我主要负责核心算法引擎的设计与实现，包括但不限于：
2.1.双流预处理架构:设计了 Stream A（单色几何流）与 Stream B（全彩语义流）并行处理机制，有效解决了复杂图纸背景干扰问题。
2.2.工程红线规则引擎:实现了“法线优先”的标注关联算法，解决了斜向管线标注错乱的难题；实施了“文本优先”的识别策略，确保阻火器等非标件识别准确率接近 100%。
3. 遇到的难点、坑及解决方案
3.1.难点一：大图细节丢失。传统 300 DPI 导出导致小阀门模糊。
方案 ：强制建立 1500 DPI 光栅化标准，并引入重叠切片策略，确保微小目标清晰可辨。
3.2.难点二：图例与文字干扰严重 。表格线、说明文字常被误检为管线。
方案 ：利用 PaddleOCR 提取文字层生成掩膜，在检测前将干扰区域“掩盖”，显著降低了误检率。
3.3.难点三：标注关联错位 。密集管线区域，标注文字常匹配到错误的管线。
方案 ：摒弃传统的中心距离算法，设计“法线投影距离”算法，优先计算文字中心到管线骨架的垂直距离。