(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210540316.4 (22)申请日 2022.05.18 (71)申请人 滁州学院 地址 239000 安徽省滁州市琅琊西路2号 申请人 中国三峡建工 （集团） 有限公司 　 苏交科集团股份有限公司 　 河海大学 (72)发明人 张昊　周逸飞　姜亚洲　 苏玛拉.德拉戈斯拉夫 　曹茂森　 德拉霍米尔 ·诺瓦克　崔丽　 (74)专利代理 机构 西安铭泽知识产权代理事务 所(普通合伙) 61223 专利代理师 张举 (51)Int.Cl. G06F 30/13(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于i-GBD T技术的衍生式BIM构 件自动 生成方法 (57)摘要 本发明提供一种基于i ‑GBDT技术的衍生式 BIM构件自动生成方法， 包 括： 基于标准施工图建 立基本数据集； 通过训练好的卷积神经网络识别 并提取拟建施工图纸的图像特征， 并配合ReLU非 线性激活函数进行特征处理， 输出施工图中构 件 图像信息； 通过梯度决策树算法建立初始学习 器， 计算损失函数梯度值， 进行连续迭代， 线 性寻 优计算最优 学习率从而 得到最优分类器； 将基本 数据集中的构 件尺寸信息作为属性参数， 进入最 优分类器中对识别的施工图构件图像信息进行 预测分析， 输出拟合度高的构件图像信息； 将预 测所得构 件图像信息作为输出数据， 与基本数据 集中的标准施工图进行参数匹配， 生成IFC格式 信息； 将IFC格式信息导入到BIM建模软件中， 自 动生成相应的BIM模型。 权利要求书2页 说明书3页 附图4页 CN 114840900 A 2022.08.02 CN 114840900 A 1.一种基于i ‑GBDT技术的衍生式BIM构件自动生成方法， 其特 征在于， 包括： 基于标准施工图建立基本数据集； 识别并提取拟建施工图纸的图像特 征， 输出施工图中构件图像信息； 通过梯度决策树算法建立初始学习器， 通过线性寻优获得最优学习率从而得到最优分 类器； 将基本数据集中的构件尺寸信 息作为属性参数， 进入最优分类器中对识别的施工图中 构件图像信息进行 预测分析， 输出拟合度高的构件图像信息； 将预测所得构件图像信息作为输出数据， 与基本数据集中的标准施工图进行参数匹 配， 生成IFC格式信息； 将IFC格式信息导入到BIM建模软件中， 自动生成相应的BIM模型。 2.根据权利要求1所述的基于i ‑GBDT技术的衍生式BIM构件自动生成方法， 其特征在 于， 所述施工图构件图像数据的获取， 包括以下步骤： 建立基本数据集， 录入建筑标准施工图； 构建VGG16网络模型， 并根据基本数据集对VGG16网络模型进行训练， 得到训练完成的 卷积层； 利用卷积层中卷积核提取施工图纸的图像特征， 配合ReLU非线性激活函数进行特征处 理； 通过激活层输出的图像特征进入最大池化层， 通过池化层中多个卷积核对图像进行多 次特征图尺寸进行减半处 理； 通过全连接层将卷积层与池化层整合输出后作为分类器进行分类， 得到完整的标准构 件图像数据。 3.根据权利要求2所述的基于i ‑GBDT技术的衍生式BIM构件自动生成方法， 其特征在 于， 所述基本数据集 为采用Navicat创建的MySQ L数据库， 录入标准施工图。 4.根据权利要求1所述的基于i ‑GBDT技术的衍生式BIM构件自动生成方法， 其特征在 于， 所述施工图纸的图像特 征包括： 编号图层、 标注图层、 边线图层和填充图层。 5.根据权利要求4所述的基于i ‑GBDT技术的衍生式BIM构件自动生成方法， 其特征在 于， 所述最优分类 器的获取， 具体包括以下步骤： 建立初始学习器； 从卷积神经网络识别的图像特征中选取样本A， 命名为特征A， 再对特征A选择一个切分 点B， 通过创造节点 来创建决策树， 基本函数公式为： 式中， T(x； θm)表示决策树， θm为决策树 参数， M为训练次数； 对每个样本计算损失函数梯度值， 设迭代次数为m， 进行拟合残差； 将得到的残差作为样本新的真实值， 并连续m次迭代， 线性寻优计算最优学习率ρ 得到 最优分类 器。 6.根据权利要求1所述的基于i ‑GBDT技术的衍生式BIM构件自动生成方法， 其特征在 于， 所述属性 参数的获取， 包括：权　利　要　求　书 1/2 页 2 CN 114840900 A 2将基本数据集的标准施工图中构件尺寸与构件大样图归一 化处理， 作为属性 参数。权　利　要　求　书 2/2 页 3 CN 114840900 A 3