人工智能可以识别施工图内容吗？
请问目前的人工智能可以识别出建筑施工图中的墙体、构建、管道、文字及设备吗？如下图：
是可以的，基于CAD等矢量图的识别，大多是提取软件里面的图层和坐标数据。
如果是基于图片等位图识别的话看看你要做到什么深度，要想识别效果好要做多模态融合，如果简单的识别，做目标检测和ORC字符识别，然后进行融合。我最近自己做了一个相关课题，效果也还行，提取图纸参数计算工程量的，准确率也基本满足要求的。 CAD施工图，是表示通过AutoCAD软件将工程项目总体布局，建筑物的外部形状、内部布置、结构构造、内外装修、材料作法以及设备、施工等制作的图样。CAD施工图具有图纸齐全、表达准确、要求具体的特点，是进行工程施工、编制施工图预算和施工组织设计的依据，也是进行技术管理的重要技术文件。一套完整的CAD施工图一般包括建筑施工图、结构施工图、给排水、采暖通风施工图及电气施工图等专业图纸。
在建筑AI智能设计云平台AlphaDraw「筑绘通」上进行AI自动出图时，需要先对图纸进行识别，识别过程中会建立诸多任务项，那么不可避免的就会面临任务过多导致排队超时，引起任务长时间无响应的状况，worker弹性伸缩和pod优雅退出就能很好的解决这些问题。今天的AI论技就来和大家聊聊如何利用弹性伸缩AI算法运行容器使识图服务性能更加优化？
识图服务架构
识图服务中flask后端采用pika库作为与rabbitmq进行交互的客户端，再由队列给worker发任务。这个合作关系就类似于工厂，worker就是流水线，任务就是流水线上的货物。
△识图服务架构
例如worker数预先设置为3，就如同工厂中三个工人进行作业，任务数量均衡增加时，三个工人的作业效率是足以支撑工厂正常运作的。
但是任务数巨增时，例如双十一期间，快递数量将倍增，这个增值可能还是指数级别的增加，那么三个工人则是远远不够的，甚至于造成工人崩溃，工厂瘫痪。
那么如何解决这个问题呢？弹性伸缩及优雅退出就可以很好的解决这一状况。
什么是弹性伸缩和优雅退出？
worker弹性伸缩的目标正是在于处理worker数量固定时会产生大量任务排队耗时长等问题，pod优雅退出则是在于处理伴随worker数骤减时任务状态丢失问题。
弹性伸缩是将工人转化为机械手臂，由于需要考虑到资源配置，需要预设好最大的worker数及最小worker数，也就是一个工厂资源最多容纳多少机械手臂同时工作，以及任务量少的时候至少需要几个机械手臂进行工作，以防漏检任务。
工作量变多时，所有机械手臂将同时进行工作；工作量变少时，将慢慢减少工作的机械手臂，优雅退出就是当一个机械手臂被下达停止工作指令后，他将不会再收到任何任务，同时他还会继续工作10分钟（预设的一个完整任务需要的时间），将他手上正在工作的任务完成，这是为了避免突然断电导致这个任务做了一半没做完的情况。
如何实现？
弹性伸缩可基于什么特性？弹性伸缩可基于系统负载指标、CPU、内存使用率、磁盘读写速度；业务日志指标，通过日志进行服务即时压力监控；资源请求，如服务在某段时间内需要的资源数超出当前pod资源量，则需实现垂直扩缩容；依据事件，如指标时间内的请求数，当前消费队列的消息数等。
如图是一个rabbitmq的队列信息：
说明：
· recog3队列是识图任务主队列，所有的识图任务都会进入到这个队列
· recog3@retry是重试队列，是recog3队列的死信队列，如果recog3中的任务有未被捕获的异常(如识图子进程被系统kill掉)，则这个任务会被推到这个队列再次执行
· Ready 准备被消费的任务数
· Unacked 执行中的任务数
· Total 队列里的总任务数
基于事件进行弹性伸缩，按时段监控消费队列ready message的任务数，任务数大于预设值，则进行worker增加，增加幅度将依据预设上限值进行计算，需注意同时段worker增加应在服务器承压范围内。反之无任务时将进行worker缩减。
下图中因ready任务数为0，rabbitmq的消费者数缩减到预设最小值1：
现在新建任务之后，ready任务数变为1：
经过预设监控时间30s后可以看到consumers数量增加为2，ready任务变为0：
由于worker直接缩减将导致worker内正在跑的任务丢失，pod优雅退出则可解决进程被强制杀死后导致的任务丢失问题，kubernetes有一个最后宽限时间参数，在pod被关闭时，kubernetes将会向pod发出SIGTERM信号，然后宽限默认30s后发SIGKILL信号强制杀死，将宽限时间设置为一个任务完成上限时间，并在收到SIGTERM信号时候取消监听，保障最后一个任务完成后再进行完全关闭，若有任务未完成也会被强行kill，重新进入队列，这将避免任务丢失。
worker弹性伸缩主要是识图的一个性能优化，通过worker弹性伸缩可以解决识图过程中任务过多时面临任务排队超时等问题，也可以对无任务时空闲资源进行释放，避免资源占用。
AI识图的目的是为了更优更好的输出建筑施工图所需图纸，保证水、电、暖、建筑、结构各专业的出图成功。利用弹性伸缩AI算法运行容器可以使识图服务性能更加优化，助力建筑AI智能设计云平台AlphaDraw「筑绘通」出图更加快速、精准，实现效率质量双提升。
页:
[1]