Kund:
Budmat
Land:
Polen
Intro
För att utforska hur AI kan effektivisera byggdesign utvecklade Budmat tillsammans med Euvic RoofPlanAI. En prototyp som automatiserar analysen av takplaner med datorseende. Resultatet visade att maskininlärning kan tolka ritningar med hög precision och lägga grunden för framtida automatisering inom byggsektorn.
Utmaning
Budmat ville undersöka om takplansanalys, ett viktigt men mycket manuellt steg i arkitekt- och byggarbetsflöden, kunde automatiseras med AI.
Idag innebär analys av takplaner att manuellt tolka komplexa ritningar för att extrahera mått, vinklar och lutningar. Denna process är inte bara tidskrävande utan också benägen för mänskliga fel.
För att lösa detta problem ville Budmat testa om maskininlärning kunde upptäcka, segmentera och strukturera takplansdata automatiskt. Det långsiktiga målet var att lägga grunden för framtida automatisering som kunde minska designfel och avsevärt påskynda projektförberedelserna.
Lösning
Euvic utvecklade en prototyplösning, kallad RoofPlanAI, för att validera möjligheten att automatisera tolkningen av takplaner med hjälp av datorseende och maskininlärning.
Prototypen kombinerade objektdetekterings- och segmenteringsmodeller för att analysera takplaner och extrahera relevant geometrisk data.
Arbetsflöde och tillvägagångssätt:
- Använde YOLO för att detektera viktiga takdimensioner och vinklar.
- Segmenteringstekniker användes för att identifiera och separera enskilda takytor (lutningar).
- Extraherade detaljerade geometriska data såsom dimensioner, lutningsvinklar och taksektioner.
Lösningen byggdes med hjälp av Python, PyTorch, OpenCV, Scikit-learn och Pandas.
Detta var inte en fullskalig produkt, utan snarare ett proof of concept för att testa om AI kunde hantera denna typ av visuell och geometrisk analys. Och i vilken utsträckning resultaten kunde matcha manuell noggrannhet.
Resultat
Resultaten var mycket lovande. Prototypen bekräftade att automatisering av takplansanalys är tekniskt genomförbar med moderna AI-verktyg.
RoofPlanAI visade förmågan att noggrant detektera dimensioner, vinklar och taklutningar från digitala ritningar, vilket visar att maskininlärning kan tolka arkitektoniska ritningar med allt större precision.
Koncepttestet visade på tydliga potentiella fördelar:
- Betydande tidsbesparingar jämfört med manuell analys.
- Förbättrad noggrannhet och konsistens i konstruktionsdata.
- En solid grund för utveckling av ett produktionsklart automatiseringssystem.
Summering
RoofPlanAI-prototypen bekräftade Budmats vision om att införa AI-driven automatisering i bygg- och designprocessen.
För Euvic var projektet ytterligare ett bevis på företagets förmåga att:
- Snabbt testa och validera data och användningsfall för AI.
- Tillämpa computer vision och maskininlärning på verkliga utmaningar inom branschen.
- Hjälp kunderna att minska riskerna med innovation genom att använda praktiska koncepttester innan ni går vidare till fullskaliga lösningar.
Detta fall visar hur AI kan förändra traditionella branscher som byggbranschen. Manuella, repetitiva uppgifter omvandlas till intelligenta, automatiserade arbetsflöden som förbättrar både hastighet och noggrannhet.
