SkeySpot：面向建筑行业数字电气布局平面图的设施键自动检测
计算机视觉与模式识别
2025-08-15 v1 机器学习
摘要
传统楼层平面图通常仅以扫描文件形式保存，但仍是建筑、城市规划及建筑行业设施管理中不可或缺的资源。然而，缺乏机器可读的楼层平面图使得大规模解读既耗时又容易出错。自动符号识别提供了一种可扩展的解决方案，能够直接从楼层平面图中识别服务键符号，从而支持成本估算、基础设施维护和合规性检查等工作流程。本文引入了一个标注的数字电气布局平面图（DELP）数据集，该数据集包含 45 张扫描的电气布局平面图，标注了 34 个不同服务键类别的 2,450 个实例。我们提出了一种系统性的评估框架，使用预训练的目标检测模型对 DELP 数据集进行基准测试。在基准测试的模型中，YOLOv8 取得了最高性能，平均精度（mAP）达到 82.5%。利用 YOLOv8，我们开发了 SkeySpot，一个轻量级的开源工具包，用于电气符号的实时检测、分类和量化。SkeySpot 生成结构化、标准化的输出，可扩展用于可互操作的建筑信息工作流程，最终实现下游应用和监管平台之间的兼容性。通过降低对专有 CAD 系统的依赖并减少人工标注工作量，该方法使电气布局的数字化对建筑行业的中小企业（SME）更加可及，同时支持建筑环境中标准化、互操作性和可持续性的更广泛目标。
引用
@article{arxiv.2508.10449,
title = {SkeySpot: Automating Service Key Detection for Digital Electrical Layout Plans in the Construction Industry},
author = {Dhruv Dosi and Rohit Meena and Param Rajpura and Yogesh Kumar Meena},
journal= {arXiv preprint arXiv:2508.10449},
year = {2025}
}
备注
6 pages, preprint accepted in IEEE SMC 2025