2D图纸数字化：PMI数据读取——气泡自动生成——质量检测表格一键导出过程中哪些细节需要重点关注？

012D图纸数字化：一笔"迟到但必须还"的账

为什么明知要做、却总被搁置？答案藏在账本里。

一项2026年发表的工程文档智能综述给出了量化答案：大型航空航天与国防制造商手中，积压着1000万～2000万张待数字化的存量纸质图纸，人工转换成本为每张5～25美元——按下限估算，单一企业背负的就是5000万～5亿美元的"数字化负债"^[1]。在检测端同样惊人：一张工艺流程图的人工数字化需要8～40个工时，而一家大型炼化厂持有的同类图纸可达5万张^[1]。

更关键的一个事实是：尽管三维MBD推广多年，在汽车、航空航天、船舶、重型机械等行业，2D图纸仍然是制造意图的主要载体——几何尺寸与公差（GD&T）标注、基准定义、表面要求都依附在二维图上^[2]。谁先把图纸变成机器可读的数据，谁就把报价、工艺、检验三条业务线的数据源头握在了手里。

该综述同时指出一个尴尬的现状：在梳理的94项研究中，图纸理解方向仅占34%——不是没人关注，而是公开数据太薄：最大的公开机械图纸数据集标注图像不足500张，而检测领域同类数据集超过15万张^[1]。—— 这解释了为什么近一年学术论文纷纷自建标注数据集（详见02节）

细节关注点①：数字化的产出不是"扫描件归档"，而是结构化数据——每一条尺寸、公差、粗糙度都要变成带语义的字段（如JSON键值），才能被下游的检验计划、报价系统直接消费^[3]。只扫图不提数据，等于账还了一半。

02PMI数据自动读取：读得出，更要"评得准"

自动读取的技术底座已经成型，但评估口径里藏着最多陷阱。

图1　主流两阶段解析框架：先由YOLOv11定向框检测切出九类标注区域，再由视觉语言模型解析为结构化JSON（图片来源：文献[4]）

2025年9月一项发表于IEEE IEEM的研究给出了代表性成绩单：基于1367张机械图纸、覆盖GD&T、一般公差、尺寸、材料、注释、圆角、表面粗糙度、螺纹、标题栏九类标注的数据集，"定向框检测+文档解析Transformer"方案实现GD&T精确率94.77%、多数类别召回率100%、整体F1值97.3%，幻觉率压到5.23%^[4]。其期刊升级版（2026年6月发表于《Robotics and Computer-Integrated Manufacturing》）在对照实验中进一步报告：整体F1 94%、精确率89.2%、召回99.2%、幻觉率10.8%，明显优于同条件下的Florence-2基线（F1 85.0%）^[3]。特征检测端同样亮眼：另一项2026年研究用七个专用YOLO模型分别识别视图、几何特征、尺寸组等七类要素，准确率在93.6%～100%之间^[5]。

但"平均分好看"不等于"可以放心用"。近一年的研究反复验证了四个评估细节：

细节关注点②：按标注类别分层看指标，别只看总分。同一套系统中，表面粗糙度的幻觉率从类别专用模型的34.6%降到单模型的10.3%，标题栏从44.9%降到27.1%，注释从39.5%降到28.9%——而材料与一般公差两类在所有模型中幻觉率始终偏高^[4]。抽检资源应向这几类倾斜。

细节关注点③：召回高≠读得对，评估指标本身要校准。2026年6月发布的Enginuity基准测试了四个前沿视觉大模型：在零件表格抽取任务上，模型"找得到"（召回0.61～0.87）却"说不准"——描述字段Token F1仅0.03～0.18，与召回存在5～25倍落差^[6]；研究还发现传统词重叠指标会低估2～6倍模型真实能力，建议引入语义级"LLM裁判"并辅以人工校准^[6]。给管理层的一句话：验收供应商时，既要看"找全了没有"，更要抽"读对了没有"。

细节关注点④：通用大模型不能直接顶岗。工业质检基准MMAD显示，最强的通用多模态大模型GPT-4o在工业异常推理上平均准确率仅74.9%、异常判别仅68.6%，而产线要求>99%，差距约25个百分点^[1]。专用的领域模型正在补位：ICML 2026发表的MechVQA基准（3300张高密度图纸、2.1万个问答对、识别/推理/评审三层能力）上，经强化学习的专用模型MechVL取得84.85总分，超过最强闭源通用模型7.57个百分点^[7]。其"评审"层任务——判断图纸是否漏标尺寸、多视图是否自洽——恰好对应人工审图时最容易漏的两类缺陷。

图2　机械图纸理解基准的能力分层：识别（读尺寸/表格）、推理（几何计算/多视图）、评审（漏标检测/一致性判断）（图片来源：文献[7]）

03气泡自动生成：编号一致性是整条链路的"主键"

气泡号一错，后面所有检验数据全部对错行——这是比"慢"危险得多的事故。

图3　基于CATIA二次开发的尺寸气泡自动编号结果：同一张零件图上(1)～(15)号气泡与尺寸一一对应（图片来源：文献[8]）

浙江西子航空制造有限公司2026年发表的应用研究，把这条链路跑通了：基于CATIA二次开发，对工程图中的尺寸对象做属性提取与规则识别，自动生成气泡编号，并把尺寸信息自动导出Excel。实测对比显示：15个尺寸特征的图纸，人工编号约需15分钟且准确率仅90%～93%（平均1～2处漏标或重号），自动方法约2分钟完成、准确率98%～100%，工作效率提升约85%以上^[8]。

细节关注点⑤：重复特征是气泡与特性关联的最大暗礁。把2D标注映射到3D特征（气泡号与检测特性的桥梁）时，同一张图上成组的相同孔位、几何相似特征是主要出错源：2026年一项针对20对真实CAD-图纸对的实验显示，映射平均精确率83.67%（标准差高达16.98——波动几乎全部来自重复/相似特征场景）、召回90.46%、F1值86.29%^[2]。该框架的分层策略值得借鉴：确定性规则优先打分，歧义再交LLM辅助推理，最后保留一次人工复核，每条映射都带置信度与来源追溯^[2]——"自动化+可追溯+留人闸门"三件套缺一不可。

图4　2D标注→3D特征映射结果：每条对应关系标注方法来源（规则/LLM辅助/人工复核）与置信度，成组通孔等重复特征即由人工复核确认（图片来源：文献[2]）

细节关注点⑥：扫描老图纸要单独对待。大量存量图纸只有纸质/光栅版，存在墨水渗色、纸张纹理、扫描伪影等干扰。2026年7月的Drawing-Recode研究专门针对光栅图纸，通过"标注-几何对齐损失（AGL）"把尺寸文字锚定到正确的几何要素上，生成参数化CAD代码，并在模拟工业扫描条件（噪声、畸变）下仍保持优于基线的稳健表现^[9]——评估工具时，务必用自家扫描件实测，而非厂商的矢量演示图。

04质量检测表格一键导出：数据要流进报表，而不是停在设计端

FAI首件检验的价值兑现点，在这一步。

气泡编号只是中间产物，终点是检验数据与图纸特性的自动关联。上述西子航空的系统流程完整串起了六步：CATIA MBD模型 → 工程制图模块 → 尺寸识别程序 → 气泡编号生成 → Excel尺寸清单 → FAI检验数据^[8]。尺寸清单一旦自动生成，名义值、公差、特性号直接成为检验计划的行项目，人工转录环节归零——这正是"零人工转录"的含义：不是打字快了，而是转录这个工种消失了。

对于跨页、多表的复杂图纸，通用的表格抽取流水线也已成熟：先做版面分析区分图形页与表格页，再做多页映射与栅格化，由视觉语言模型完成表格识别，最后经过清洗、校验、索引的后处理环节入库^[6]。结构化输出格式（如按九类标注定义schema的JSON）则是打通下游的前提^[3]。

图5　从源PDF到结构化表格的五步流水线：版面分析→图表页映射→栅格化→VLM表格抽取→后处理校验（图片来源：文献[6]）

细节关注点⑦：表格导出的"一键"背后是三个隐藏动作。一是公差自动匹配——按名义值与标准（如ISO 2768/GB-T 1804一般公差）自动补全上下偏差，而不是留空让人查手册；二是版本联动——图纸改版后，旧气泡图与检验计划必须能自动比对差异、防止漏检新增特性；三是设备接口——检验计划应能导出CMM（三坐标）可读的通用格式，让实测值自动回填。目前市场上已有一类把"读取—编号—导出"产品化的专用工具，例如MBDVidia_BALLOON2D即定位于气泡图制作与特性清单生成场景，与检验报告模板直连——对没有算法团队的质量部门，这类工具是低成本起步的现实选项。

05软件工具如何选择：三个对照实验给出的选型逻辑

没有"最好的模型"，只有"匹配场景的组合"。

2026年发表于《Journal of Intelligent Manufacturing》的对比研究，在自制GD&T符号数据集上同场竞技了三种主流检测模型：YOLOv11以mAP 0.936、单张22ms的速度取胜；Faster R-CNN mAP 0.930、单张75ms，但在位置度、垂直度等复杂符号上反超（AP分别为0.820、0.850，高于YOLOv11的0.792、0.823）；RetinaNet mAP 0.928、单张45ms，均衡但无突出优势^[10]。值得注意的是类别内差异：直线度AP高达0.995、对称度0.994，而位置度、全跳动只有0.792～0.851——越是几何关系复杂的符号，越是各模型的丢分区^[10]。

图6　GD&T符号检测的分类别精确率-召回曲线：整体mAP@0.5为0.936，直线度0.995最高、位置度0.792最低（图片来源：文献[10]）

综合近一年的研究，给质量部门与IT部门一份六问选型清单：

① 类别覆盖——九类标注是否全覆盖？材料、一般公差这两类"高幻觉"类别是否单独验证过^[4]；
② 指标透明——能否提供分类别的精确率/召回/幻觉率，而不是一个总分？行业目前连统一多格式基准都还缺位^[1][6]；
③ 输入兼容——矢量PDF、DWG之外，对扫描光栅件的抗噪表现如何^[9]；
④ 下游打通——能否导出Excel/JSON等结构化清单并对接CMM、SPC系统^[8]；
⑤ 人机协同——是否内置置信度、来源追溯与人工复核工作流，歧义案例能否自动转人工^[2]；
⑥ 成本结构——领域适配的门槛有多高？研究表明LoRA式轻量微调以约1/10的标注成本即可达到全量微调85%～95%的性能，说明"小步快跑"式的试点完全可行^[1]；对中小企业，商用气泡图工具（如MBDVidia_BALLOON2D）与开源检测模型（如YOLOv11路线）的组合，往往比全自研更务实^[10]。