CN119514091A 基于ai的地下管网电气图纸生成方法及系统 （北京市兴昌市政工程有限责任公司）

基于AI的地下管网电气图纸生成方法及系统本发明提供基于AI的地下管网电气图纸生2对输入的设计需求文本采用带有地下管网电气专业词典的多层编码器进行特征提取基于所述融合特征向量，通过布局生成网络生成地下管网电对所述初始地下管网电气图纸进行多判别器协同验证，包括：估得分大于或等于预设阈值时输出最终地下管网电气含地质勘察数据的工程文件通过图结构转换和特征聚合得到工程特征构建包含地下管网电气元件、连接关系及地下敷设工对输入的地下管网参考电气图纸进行边缘检测得到边缘图，分别对所图级别特征提取函数对更新后的初始节点特征进行聚合得到工将文本特征向量、图像特征向量和工程特征向量通过可学习的线性映射矩阵3对文本特征、图像特征和工程特征分别进行点积运算并经过归将所述文本特征内部注意力矩阵与所述文本一图像注意力矩阵和文本对所述文本特征融合矩阵、图像特征融合矩阵和工程特征融合矩阵进行非线性变换，将文本特征权重与文本特征、图像特征权重与图像特征、工程特征权所述增强特征图经过激活函数得到包含地下管网深埋信息的三维位置分布将所述三维位置分布热力图中的局部极大值点提取为地下管网候选元件位置并构建将所述三维位置分布热力图和连接关系矩阵输入细节优化网络将连接关系矩阵输入参数生成网络，所述参数生成网络包含三层前4对布局特征进行通道级标准化处理，包括：基于所述连接关系矩阵构构建特征调制反馈机制，所述特征调制反馈度缩放参数和埋深偏移参数，将调节后的深度缩放参数通过sigmoid函数归一化得到归一化缩放参数，将所述归一化缩放参数与所述标准化特征进行乘法运算得到比例调制特征，所述比例调制特征与所述位置偏移特征融合得到初设计特征通道自适应选择模块，所述特征通道自适应选择控网络根据每个特征通道与地下管网电气元件的连接关系的相关性计算通道重要性得分，将初始地下管网电气图纸通过特征提取网络转换为三维布局特征根据所述布局合理性得分确定待评估区域，将所述三维布局特征布局的正负样本对，通过最大化正样本对互信息和最小化负样本对互信息训练特征提取构建规则向量生成网络，所述规则向量生成网络将预设通过计算三维多尺度融合特征的一致性程度获得地下管网电气布局的布局合理性得5分的置信度，基于对比学习的损失函数值计算得到管线敷设的细节准确性得分的置信度，根据特征匹配注意力权重的分布熵值确定地下管网电气施工的规范符合度得分将所述布局合理性得分的置信度、所述细节准确性得分的置信度将布局合理性得分、细节准确性得分和规范符合度得分与其各自根据所述布局合理性得分、细节准确性得分和规范符合度得分的8.基于AI的地下管网电气图纸生成系统，用于实现前述权利要求1_7中任一项所述的第一单元，用于对输入的设计需求文本采用带有地下管第二单元，用于基于所述融合特征向量，通过布局生成述布局合理性得分、细节准确性得分和规范符合度得分进行加权融合得到最终评估得分；当所述最终评估得分大于或等于预设阈值时输出最终地下管网电气图纸。其中，所述处理器被配置为调用所述存储器存储的指令，以执行程序指令被处理器执行时实现权利要求1至7中任意6以准确把握地下管网电气元件的三维空间分布特征，影响了生成图纸的合理性和可实施对输入的设计需求文本采用带有地下管网电气专业词典的多层编码器进行特征7终评估得分大于或等于预设阈值时输出最终地下管对输入的设计需求文本采用带有地下管网电气专业词典的多层编码器进行特征点进行特征提取得到初始节点特征；通过基于边的消息传递机制更新所述初始节点特征；采用图级别特征提取函数对更新后的初始节点特征进行聚合得到8上采样和卷积操作得到初始特征图，对所述初始特征图通过卷积层生成空间位置查询矩将所述三维位置分布热力图中的局部极大值点提取为地下管网候选元件位置并所述特征自适应归一化层根据所述连接关系矩阵对所述布局特征进行自适应调将连接关系矩阵输入参数生成网络，所述参数生成网络包含三层前馈网络结构，述深度缩放参数和埋深偏移参数，将调节后的深度缩放参数通过sigmoid函数归一化得到9征，将所述埋深偏移参数与地下管网电气元件的位置约束信息进行加权得到位置偏移特述门控网络根据每个特征通道与地下管网电气元件的连接关系的相关性计算通道重要性终评估得分大于或等于预设阈值时输出最终地下管网电气图纸的通过计算三维多尺度融合特征的一致性程度获得地下管网电气布局的布局合理文件通过图结构转换和特征聚合得到工程特征向量；通过注意力机制对所述文本特征向件的三维位置分布热力图，所述布局生成网络采用带有空间自注意力模块的改进U_Net结别器评估细节准确性得分，采用基于规则注意力机制的规范判别器评估规范符合度得分；S1.对输入的设计需求文本采用带有地下管网电气专业词典的多层编码器进行特S2.基于所述融合特征向量，通过布局生成网络生成地下管网电气元件的三维位最终评估得分大于或等于预设阈值时输出最终地下管网电气对输入的设计需求文本采用带有地下管网电气专业词典的多层编码器进行特征点进行特征提取得到初始节点特征；通过基于边的消息传递机制更新所述初始节点特征；采用图级别特征提取函数对更新后的初始节点特征进行聚合得到的向量进行加权求和得到词嵌入。假设每个词条的向量维度为100，则得到的词嵌入也是[0030]对于输入的地下管网参考电气图纸，首先进行边缘检测得到边缘图。可以使用[0032]采用双流注意力机制对原始图纸的图像块特征和边缘图的图像块特征进行交互[0033]通过可学习的融合系数将交互增强后的图像块特征与原始图像块特征进行组和偏置项。和内部注意力，得到9个512x512的注意力矩阵。将这些矩阵组合成3个512x1536的融合矩上采样和卷积操作得到初始特征图，对所述初始特征图通过卷积层生成空间位置查询矩将所述三维位置分布热力图中的局部极大值点提取为地下管网候选元件位置并位置分布热力图。布局生成网络采用带有空间自注意力模块的改进U_Net结构。该改进U_Net结构的编码器和解码器的每个层级中都设置了自注意力系。该多头注意力机制包含8个并行的注意力头。每个注意力头首先将节点特征变换到查系矩阵编码为调制参数γ和β,对布局特征F进行归一化后，通过γ×F+β得到调制后的特所述特征自适应归一化层根据所述连接关系矩阵对所述布局特征进行自适应调将连接关系矩阵输入参数生成网络，所述参数生成网络包含三层前馈网络结构，述深度缩放参数和埋深偏移参数，将调节后的深度缩放参数通过sigmoid函数归一化得到征，将所述埋深偏移参数与地下管网电气元件的位置约束信息进行加权得到位置偏移特述门控网络根据每个特征通道与地下管网电气元件的连接关系的相关性计算通道重要性入特征通道自适应选择模块，通过计算通道重要性实现了对不同特征通道的差异化处理，终评估得分大于或等于预设阈值时输出最终地下管网电气图纸的样本对为不符合标准的局部布局。通过最大化正样本对互信息和最小化负样本对互信息，布局特征图。全局判别器的三个池化层输出尺寸分别为32x32x8x64、16x16x4x64、通过计算三维多尺度融合特征的一致性程度获得地下管网电气布局的布局合理[0075]其次，基于对比学习的损失函数值计算得到管线敷设的细节准确性得分的置信定预设阈值。计算这三个得分在过去100次评估中的平均值，取其中的最小值作为预设阈新输入细节优化网络，结合三维位置分布热力图和连接关系矩阵生成地下管网电气图纸。