Нейросеть распознаёт инженерное оборудование прямо на 2D-плане этажа с точностью выше 90%

Исследователи обучили нейросеть находить на обычных 2D-планах этажей элементы MEP (Mechanical, Electrical, Plumbing — инженерные системы: отопление, электрика, водоснабжение) — конкретно, светильники: распознавать сам значок, определять тип освещения и вытаскивать подписанный к нему текст. Задача практичная: обычно инженер вручную пересчитывает такие обозначения по каждому чертежу, чтобы понять, сколько и какого оборудования заложено в проект.

В основе — модель Mask R-CNN (архитектура, которая не просто находит объект на изображении, а обводит его точный контур). Показатели на тесте: точность распознавания объектов (mAP) — 76%, точность выделения их контура — 71%. При менее строгом пороге совпадения точность подскакивает до 98,5% и 92% соответственно — то есть система уверенно находит светильники, но неидеально прорисовывает их точные границы.

Пока модель размечает только один тип инженерного оборудования — освещение, а не весь набор MEP-систем. Авторы называют работу первым шагом к инструментам, которые помогут проектировать энергоэффективные здания: если ИИ умеет быстро и точно снять с чертежа реальный объём оборудования, расчёт энергопотребления и сметы становится в разы быстрее, чем при ручном пересчёте.