建築圖需要AI物件偵測的識別技術嗎？
在傳統建築圖的處理方式，主要是依賴人工檢視與CAD軟體操作，但這樣或許存在許多的局限性。例如：一件中、大型的建築物，如果要在上百張的圖說當中查找、清點某一項細部物件的總數量，除非是相當熟悉整個工程的資深設計師或工程師，否則那將是件非常耗時的事。
而YOLO在AI物件偵測領域中，常常用來工業瑕疵檢測、即時影像監控等用途，雖然在建築圖識別領域的應用較少，但透過專門標準化的後處理與調整，它仍然具有可行性。
什麼是YOLO（You Only Look Once）？
YOLO (You Only Look Once)，其顧名思義意指機器僅需看過一遍後，便能夠開始識別曾經學習過的物件。它是一種即時物件偵測演算法，因其高速、高效、準確度高的特點，被廣泛應用於許多領域，包括監控、醫療、交通、自動駕駛等。
YOLO在建築圖識別中的應用場景？
以Park et al. 《Floor plan recommendation system using graph neural network with spatial relationship dataset》 (2023) [1]的研究為例，作者們開發了一套考慮空間組合關係的房屋平面圖推薦(搜索)系統。在其中的圖形數據就是採用YOLO進行識別，並開發了圖形數據轉換圖結構資料的程式(即後處理)，最終建立了120種空間關係類型的最佳AI模型。
2D 建築圖的物件偵測示例
而筆者也試著透過 YOLO 進行 2D 建築圖物件偵測(以門為例)，示例結果如下:
圖面識別與後處理
在大量建築圖說資料集中，能透過後處理技術轉換圖形數據，使 YOLO 偵測的標籤與座標點結構化，進一步轉換為可用數據，應用於模型訓練與 AI 系統開發當中。
YOLO應用於建築圖的技術可行性分析
數據集的來源與收集
在建築設計產業中，設計圖面是由建築師或專業技師的事務所創作產出，但版權或著作權的歸屬仍需視與業主所簽訂的契約而定，因此，在建築數據的蒐集與應用上，使得業界在 AI 模型開發時無法輕易取得開源或共享的建築圖數據。
鑑於這些限制，筆者認為，隨著 AI 在建築產業的應用日益深化，未來企業可能會更傾向於建立專屬的 AI 訓練系統，並發展專有化的建築圖識別技術，以確保數據隱私，同時針對企業內部需求進行模型最佳化與應用調整。
辨識精度與挑戰
企業若採用專有數據集來訓練 AI 模型，相較於公開通用的圖說數據，能更精準地識別企業內部的建築圖格式。例如，某家建築事務所的圖紙符號設計固定，模型學習後能更準確地辨識門、窗、樓梯、管線等特定構件。然而，企業內部的圖資可能數量有限，特別是當專案類型單一時，訓練出的模型可能會發生過度擬合（Overfitting），導致在不同專案中的泛化能力較差，也就是模型可能無法適用於所有專案類型。
不過，這個問題並非無解。透過適當的數據增強（Data Augmentation）技術及結合超參數優化（Hyperparameter Optimization）等方法，也能有效提升模型的泛化能力，使其能夠應用於更廣泛的建築圖識別場景。
多尺度物件偵測問題
在建築圖中，可能同時存在大型結構（如房間、樓梯）和小型符號（如插座、燈具）於同一張圖說中，其物件的比例差異過大、許多結構線條、標註、背景雜訊相互重疊，可能導致 AI 模型難以準確區分各類物件，但若透過圖層化分類訓練，或許可以讓不同尺度的物件得到最佳地處理方式。
未來發展與應用的可能性
YOLO與BIM的深度整合?
YOLO 物件偵測模型主要應用於電腦視覺（Computer Vision, CV）領域，如果能透過圖說識別建築物件，並將其轉換為 IFC（Industry Foundation Classes） 資料格式，則建築圖識別與建築資訊模型(Building Information Modeling, BIM) 的建模的自動化將更具可行性。這樣的技術整合不僅能提升建模效率，還能減少手動建模過程中的誤差與重工，使 AI 在建築設計與工程管理中發揮更大價值。
結論
單獨使用 YOLO 來識別建築圖，雖然能夠自動標註建築元素，但其應用範圍仍然有限。主要挑戰包括 多尺度物件偵測、2D 轉 3D 的轉換問題，以及 BIM 所需的數據結構與屬性標註。
然而，若結合 OCR（光學字符識別）、Graph Neural Network（GNN）及深度學習後處理技術，透過 YOLO 識別圖面上的物件，再進一步解析建築元件之間的關聯性，轉換為符合 IFC（Industry Foundation Classes）等標準的 BIM 數據模型，其應用價值將更為廣泛。
未來，筆者將持續研究 AI 模型與演算法的技術整合，探索 YOLO 與 BIM 的深度應用，推動數位建築設計的自動化發展，敬請期待！
參考文獻
[2] 方怡評, 應用圖像識別及相似圖神經網路於建築物步行距離檢討之研究 (2024)
[3] Ultralytics YOLO
