针对民航设计市场竞争日趋激烈、利润率下降的新形势，传统人工审图周期长、费用高、人工经验为主的弊病进一步凸显。AI审图技术通过项目归集、图纸文件库管理、智能推荐常见条文、设计评分等重点功能构建全新升级的、多角色协同的智能联审平台，将助力民航设计行业整体提效增速。
1）核心技术及功能
2）重庆江北国际机场T3B航站楼及第四跑道工程噪声及大气在线监测系统采购项目
（2）关键技术介绍
图像识别：基于物体检测的深度学习模型从扫描的二维图纸中识别建筑构件，对既有建筑物的图像和CAD图纸进行半自动几何信息抽取与建模，自动分析识别CAD平面图并生成对应的BIM模型等。
BIM逆向建模：逆向建模主要分为基于CAD/图纸的BIM重建与基于点云/图像的BIM重建两类。其中，前者以自动识图结果为基础，通过进一步提取形体尺寸信息来重建BIM 模型；后者则按照类似的步骤，首先对点云或图像进行语义分割和识别，并进一步提取尺寸等信息进行重建。典型的相关研究包括基于二维CAD 图纸对既有建筑物进行空间拓扑关系抽取及三维BIM模型重建，根据点云数据使用无监督机器学习模型重建BIM模型构件信息或建筑物室内3D信息重建等。
图纸标准化与规则化：通常情况下，审图规则可视为对特定类别或特定部分的工程实体的约束和限定，因此，有关规则的形式化往往离不开前述领域知识的表示模型或特定的领域数据模型。例如，面向本体的SWRL规则语言，以及语义网数据查询的SPARQL语言等，均被用以表达设计审查规则并用以进行自动合规性检查。同时，鉴于建筑领域的复杂性，针对已有规则表示方法存在的专业性强、特定表达能力不足等问题，有关学者在领域特定语言、可视化编程、业务流程建模与智能审图的结合方面做了广泛的研究与探索，以改善有关方法的便捷性、透明性与可解释性。
基于语法分析与模式匹配的自动解译算法：该类方法可实现完全自动化的规则解译，将规范条文自动转换成计算机可处理的规则而无需人工干预。该类方法通常以自然语言处理方法为基础，通过分词、词性标注、语法分析等手段处理规范条文，并以此为基础人工编制一系列术语映射、逻辑转换的模式和规则，从而自动将规范条文转化为规则逻辑子句，最终将其集成到某特定系统实现自动规则检查。
图纸管理：基于AI识图能力，实现图纸的智能结构化、自动形成清晰的目录树、整理图名图号；同时，可以智能识别图纸是否有修改、自动记录更新情况并升级版本，需要时还可随时回溯历史版本。
图纸审查：实现了跨专业的错漏碰缺审查，支持跨图联审，审查结果支持双栏模式自动定位比对，也可以用叠图模式直观展示；支持企业标准批量导入功能，用户通过下载模板快速编辑，可以实现一键批量导入，便捷查阅和引用。
数据分析：实现按公司、部门、项目、专业等多维度分析设计质量情况；也支持企业分析自身的高频问题和设计问题趋势，及时精准地改进管理动作。