案例研究：基于Transformer的气体厂自动化数字化解决方案
计算机视觉与模式识别
2025-11-13 v1 人工智能
机器学习
摘要
能源转型是过去几十年决定未来可持续发展的关键议题，而无法忽视的数字化、创新以及新兴技术工具。本文描述的生成式人工智能模型正处于这一背景之下，由Engineering Ingegneria Informatica SpA开发，用于自动化获取SNAM能源基础设施（意大利和欧洲领先的天然气输运公司）的厂房结构。气体厂的数字化过程涉及通过解读相关文档来注册其所有相关信息。本工作的目标是设计一种基于人工智能技术的有效解决方案，以自动化提取用于厂房数字化所需的信息，以 streamlining MGM 用户的日常工作。该方案将厂房的P&ID图作为输入（每幅图均为PDF格式），运用OCR、视觉LLM、目标检测、关系推理和优化算法，输出两类信息：与设计数据相关的结构化概览以及厂房的层次化框架。为实现令人满意的效果，我们扩展了面向场景图生成的最先进模型，构建一种新的Transformer架构，以深入分析厂房组件之间的复杂关系。所列AI技术的协同使用克服了数据高度多样性带来的诸多障碍（由于缺乏标准化）。在设计数据文本信息提取方面，实现了91%的准确率。关于厂房拓扑结构，93%的组件被正确识别，层次结构提取准确率约为80%。
关键词
引用
@article{arxiv.2511.08609,
title = {Case Study: Transformer-Based Solution for the Automatic Digitization of Gas Plants},
author = {I. Bailo and F. Buonora and G. Ciarfaglia and L. T. Consoli and A. Evangelista and M. Gabusi and M. Ghiani and C. Petracca Ciavarella and F. Picariello and F. Sarcina and F. Tuosto and V. Zullo and L. Airoldi and G. Bruno and D. D. Gobbo and S. Pezzenati and G. A. Tona},
journal= {arXiv preprint arXiv:2511.08609},
year = {2025}
}