行业背景&痛点
计算机辅助设计（CAD）作为工业软件的重要组成部分，支撑着从产品设计到制造的全流程数字化，被广泛应用于航空、航天、汽车等多个领域。近年来，随着AI技术的发展，CAD与AI的融合成为趋势。国外厂商在这方面已经取得了显著成就，而国内厂商也在迅速追赶，尤其是在AI解决方案和实际应用方面展现出了独特的优势。然而，在CAD图纸智能审查领域仍普遍面临“图纸解析精度低、业务关联难”的技术瓶颈：
图纸复杂性和多样性：不同行业/企业的制图规范差异大（如机械行业的GB标准与电子行业的IPC标准），图纸中文字、表格、图形（如拓扑结构图、连接线）的混合排版导致传统规则引擎难以适配；
传统OCR的局限性：通用OCR仅能识别文字位置，无法理解图形语义（如“设备A”与“设备B”通过连接线表示的供电关系）或表格嵌套结构（如合并单元格、多级表头）；
专业知识集成需求：解析规则需深度融合领域知识（如“导线截面积需匹配设备功率”），需资深工程师与IT团队协作，规则迭代成本高；
合规性校验难：图纸数据与业务规则（如行业规范、企业标准）的匹配依赖人工判断，易出现“数据合规但逻辑矛盾”（如设备型号与连接端口不匹配）。
场景难点
CAD图纸的结构化特性（方框、列表栏、连接线、拓扑图、说明区域、标题栏）导致智能解析需解决三大核心挑战：
多模态信息融合：图纸包含文字（标注说明）、表格（设备清单）、图形（拓扑结构）等多类型元素，需统一解析其语义关联（如“设备清单中的型号”与“拓扑图中的设备节点”需关联）；
逻辑单元分割：整图包含多个独立逻辑组件（如系统拓扑图、设备布置图），需精准切割为子单元（如将“局部详图”从整图中分离），避免信息串扰；
领域知识闭环：解析结果需与业务规则（如设计规范）联动，形成“解析-校验-修正”的闭环，而非仅输出离散数据。
方案设计
凯通科技是一家拥有25年通信行业数字化服务经验的国家级专精特新企业，总部位于广州，公司起源于原邮电部电信技术科学研究院，是国内最早参与通信行业软件标准化建设的骨干企业之一。多年来，凯通在通信OSS领域多项产品市场占有率位居前列，并持续拓展智慧能源、智慧城市等场景，积极将百度飞桨与文心大模型技术落地于行业实践。
在长期服务过程中，凯通积累了大量通信工程CAD图纸及深厚的领域知识。面对图纸信息难以结构化、人工审图效率低等共性难题，公司基于自身业务场景，构建了一套“感知–决策–知识”三层智能解析架构。
架构概述
感知层：基于自研CV图像预处理模型与PaddleOCR-VL模型，提取图纸中的多模态信息（文字、表格、图形），输出原始数据（如文字坐标、表格结构、图形类型）；
决策与执行层Agent%EF%BC%88%E5%A6%82%E8%AF%AD%E4%B9%89%E7%90%86%E8%A7%A3%E4%B8%8E%E6%8E%A8%E7%90%86%E3%80%81%E4%BF%A1%E6%81%AF%E6%8E%92%E7%89%88%E3%80%81%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E7%94%9F%E6%88%90%E7%AD%89%EF%BC%89%EF%BC%8C%E5%AE%9E%E7%8E%B0%E4%BB%BB%E5%8A%A1%E6%B5%81%E8%87%AA%E5%8A%A8%E5%8C%96%EF%BC%88%E5%A6%82%E2%80%9C%E5%88%87%E5%89%B2%E5%AD%90%E5%9B%BE%E2%86%92%E8%A7%A3%E6%9E%90%E5%86%85%E5%AE%B9%E2%86%92%E4%BF%A1%E6%81%AF%E6%B1%87%E8%81%9A%E2%86%92%E6%99%BA%E8%83%BD%E9%97%AE%E9%A2%98%E4%B8%8E%E6%8A%A5%E5%91%8A%E7%94%9F%E6%88%90%E2%80%9D%EF%BC%89%E3%80%82">：通过ERNIE-4.5-VL模型调度多Agent（如语义理解与推理、信息排版、自然语言生成等），实现任务流自动化（如“切割子图→解析内容→信息汇聚→智能问题与报告生成”）；
知识层：整合结构化数据（如设备参数）与非结构化数据（如设计规范），构建可推理的知识体系，支撑智能问答与业务应用。
实现过程拆解
阶段1：视觉切割——子图逻辑分离
通过凯通科技自研CV模块对原始CAD图像进行语义分割，输出逻辑独立的子区域，包括系统拓扑图、设备表、局部详图、标题栏等。此步骤确保后续解析聚焦于语义完整的单元，避免跨区域干扰。
阶段2：AI解析与提取——结构化信息抽取
针对不同类型的子图（如拓扑图、图例、表格、图片和标题栏等），系统应用分层协同策略进行解析，并结合PaddleOCR-VL进行结构化信息提取。
图例识别：基于凯通科技多年积累的通信行业CAD图纸数据，训练并部署自研的图例检测与分类模型，精准定位图纸中的图例区域，并识别各类设备、线缆、符号的图例类型；
图例信息提取：将识别出的图例区域输入PaddleOCR-VL，利用其多模态理解能力，提取图例对应的表格信息、文本标签（如“光缆GYTA-24B1”“断路器 ZW32-12”），并建立图例符号与其语义描述之间的映射关系，为下一步建立知识库提供结构化的信息输入。
阶段3：知识融合与提取——构建可推理知识库
结构化数据入库：将解析后的设备参数、连接关系等存入关系型数据库（如MySQL），支持业务系统直接调用。
向量化与Graph RAG构建：对文本信息（设备说明、设计规范）、解析规则进行Embedding，存入向量数据库，形成Agentic RAG知识库（支持“图纸数据→规范匹配→结论推理”的链式查询）。
知识快照：将新解析的结构化数据作为“快照”存入向量库，支持历史图纸对比（如“版本V2.0与V1.0的设备连接差异”）。
阶段4：智能问答与业务应用——释放数据价值
基于构建完成的知识层，系统以文心大模型ERNIE-4.5-VL为核心调度引擎，驱动多个专业化智能体（Multi-Agent）协同工作，实现从用户提问到答案生成的端到端自动化闭环。ERNIE-4.5-VL不仅承担最终的自然语言生成任务，更在流程中动态调度各 Agent，高效协调语义理解、知识检索、规则校验、信息整合等环节，全面支撑以下智能服务：
智能审查：自动比对图纸内容与行业或企业规范，识别缺失项、冲突项或不合规设计，输出结构化审查报告；
数据查询：支持自然语言交互式提问，例如：“从XX变电站到XX配电房，一共有几条光缆？它们的芯数和类型分别是什么？”系统可精准定位相关子图与结构化数据，返回准确答案；
业务延伸：将能力封装为标准化SaaS服务，如“图纸智能审查”“CAD数据化服务”，显著降低非CAD专业人员（如运维、管理人员）使用工程图纸的门槛，提升跨角色协同效率。
效果展示
效率提升与成本降低：结合自有模型和PaddleOCR-VL模型，极速解析CAD图纸，图纸内容定位和识别效率提升65%，释放人力、降低人为错误成本，加速决策流程，让项目更快进入实施阶段；
数据驱动与智能决策：基于文心ERNIE-4.5模型及Agentic RAG等相关技术，CAD图纸规范审查准确率提升94%，促进了基于数据的决策制定；
业务创新与体验升级：降低非CAD专家（如运维人员、管理者）使用专业图纸的门槛。催生新业务模式，提供“图纸智能审查SaaS”、“图纸数据化”等服务，增强业务协同效率。
