导读

12月预告

今年12月，北京工业智能创新中心将发布杨梅3.0及产品矩阵。

接下来，我们会用一系列文章，拆解它要解决什么问题、怎么落地、边界在哪。

今天这篇，讲一讲图纸拆分理解。

把一整页图纸直接交给AI，最先出的错，往往不是字没认出来，而是认错了地方。

标题栏里的比例，被当成了局部放大图的比例；隔壁视图的孔径，被抄到了这一侧；图框的一条长边，被认成了主视图的轮廓。

问题出在：一页图纸，从来不是一个整体。

一张常见的机械零件图上，主视图、剖视图、局部放大图和三维轴测图往往挤在一起；右下角是标题栏，旁边是明细表和大段技术要求；最外圈，还有一道图框把它们装进同一张纸。

工程师读这样一张图，目光是在区域之间跳转的：先看标题栏，确认零件名称和材料；再到主视图上找孔，到剖视图里确认孔深，到局部放大图里看倒角和退刀槽。每一个数字，都只在自己所在的区域里才有意义。

工程师知道每一块区域该怎么读，AI并不知道。整页当成一张普通图片交给它，这些区域就会被读到一起，开头那几种错误，就是这么来的。

这样的情况不只出现在机械零件图上。建筑、桥梁、电气图纸，同样是一页之上多块内容并排挤在一起。无论后面要做的是识读、审查还是单位换算，第一步都绕不开同一个问题：这一页，该怎么拆开。

真正困难的，也不是在图上画出几个框，而是判断页面上的每一块区域：它是什么，边界在哪里，上面的标注属于谁。

这篇文章结合杨梅工业的实践，拆解图纸拆分过程中的三道难题，以及如何把“能识别”推进到“可交付”。

01｜起点：为什么一张图纸，要先拆开再读

既然视觉大模型已经能看图，为什么不把整页一次交给它？

答案是：整页能看，但看不清、读不对、接不上。

第一，整页看不清。

一张大幅面工程图，渲染成图像后，宽高往往都有好几千像素。整页送进模型，必然要先压缩；压缩之后，紧贴符号的小数点、上下偏差、带圈编号、明细表里的小字，最先丢失。

标注越密的页面，这个问题越明显。整页一次读取，漏掉的往往不是一两条，而是成片的小字；先按区域拆开、再逐区域细读，能读出的有效标注会明显增加。这时候反复修改提示词也很难补救，因为模型看到的图像里，那些像素已经没有了。

缺的是像素，不是提示词。

第二，整页读不对。

同一页上的数字，身份完全不同。视图里的数字是尺寸，标题栏里的数字是比例和图号，明细表里的数字是序号和数量，技术要求里的数字是硬度、温度和标准编号。

把它们放在同一个上下文里读，模型很容易张冠李戴。每一个字都读对了，也可能把每一个字的归属读错。

第三，后面接不上。

图纸识读之后，还有换算、审查和结构化。这些工作几乎都以视图为单位展开：尺寸要在所属视图里理解和换算；孔间距只有在同一视图内比较才有意义；一个圆是不是孔，要到对应的剖视图里去找证据。

如果没有先把视图拆出来，后面的每一步都没有落点。反过来，视图拆开以后，各个区域可以分别处理、并行处理，整张图的处理效率也随之提高。

拆分本身不直接产生结论，但后面的每一个结论，都站在拆分之上。拆错一个框，错误不会停在这一步，而会被换算、审查一路放大。

第一道难题，就从“什么才算一个视图”开始。

02｜第一道难题：同一页上，不是所有区域都是视图

同一页里，至少有三类不该混读的内容。

第一类：视图要分开——尺寸只在自己的视图里成立

主视图、俯视图、左视图、剖视图、向视图、局部放大图、三维轴测图，可以同时出现在一页上。它们之间有投影关系，但不是同一块图形。

同一个孔，在主视图里是一个圆，在剖视图里才是一段腔体；孔径写在主视图旁边，孔深却可能标在剖视图上。把两个视图裁进同一张图，模型很容易把隔壁视图的规格抄到这一侧。

所以拆分的第一步，是先回答：这一块是视图，还是别的东西。

第二类：表格和说明要整块保留——它们的数字不是尺寸

标题栏、明细表、技术要求和附注说明，通常有自己的边框，内容落在框内，不会像尺寸线那样伸到外面去。

它们要读，但读法不同。标题栏要读名称、材料、比例和图号；明细表要读序号、名称、数量和规格；技术要求要按条目读热处理、硬度和未注公差。附注说明往往还带着编号，图面上会有对应的引用标记，需要先整体识读，再回到图面上找引用的位置。

标题栏里的“1:2”是整张图的比例，局部放大图旁的“5:1”才是这一处细节的放大比例。这些区域里数字很多，却大多不该被当成视图尺寸去换算或审查。

表格要整块切开，再按表格来读；不能把表里的每一个数字都送进视图。

第三类：图框要剔除——边线不是轮廓

图框是页面的边界，标题栏和明细表的格线是表格的边界。它们又长又直，和零件轮廓、视图外框很容易混在一起。

检测模型偶尔会把一段图框边线认成“主视图”。如果不拿掉，系统会认真地给一条边线起名叫主视图，再顺着它去找孔和尺寸。

因此，更稳妥的做法是先从页面线条中找出图框和表格边线；凡是与这些边线高度重合的视图检测结果，在进入后续步骤之前就剔除。

要让系统分清这些差异，比较可靠的做法是把视觉检测、视觉大模型和几何规则结合起来。

视觉检测负责找到视图的大致位置，只做粗分：哪里是主视图，哪里是其他视图，哪里是三维视图。视图类型分得越细，需要的样本越多，也越容易互相混淆；先粗分定位、再由规则细化，结果往往更稳定。

细分交给图纸自己的语言：“A-A”这样的剖切标签对应剖视图，“C向”对应向视图，放大圈与“局部放大图 B 5:1”这样的标签对应局部放大图；没有标签的视图，再依据它相对主视图的位置，判断是俯视、左视还是右视。

对于只有图像、缺少矢量信息的图纸，视觉大模型可以直接在整页图像上给出各视图的边界、名称和类型，同时把附注说明、标题栏和图框排除在视图之外。

但知道“这是一个视图”，还不等于这个框刚好包住了它该包的内容。下一道难题，是边界和归属。

03｜第二道难题：视图框住了，标注也可能归错家

视图框画出来之后，真正麻烦的往往在框的边上。

检测框只是入口，不是最终边界。

零件轮廓可能是一个大圆，也可能由几段断开的线组成，检测得到的矩形往往偏大、偏窄，或者切掉一角。因此，检测框更适合作为锚点：再沿视图里的黑色结构线做连通分析和边界追踪，把框收到真实轮廓上。只有局部放大图和详图，才允许断裂线参与边界判断；普通尺寸线、标题栏附近的线条，不应拿来扩张视图。

边界之外，还有伸出去的标注。

尺寸数字、引出线和技术说明，经常伸到视图轮廓外面。框卡得太紧，字会被裁掉一半，后面读到的就是残缺的规格；框放得太松，隔壁视图，甚至贴在一起的标题栏，会一起进到这张裁图里。

两种错误的代价并不一样。遮掉本视图自己的内容，信息就永久丢了；多读进邻居的几条，还可以读完之后按位置过滤。

所以更合理的做法是：裁图时留出一圈余量，把余量范围内邻居视图的主体遮住，视图之间的空隙保留不动；读完之后，再判断每条标注属于谁。

判断也不能靠“谁先读到”，而要有明确的顺序：中心点落在哪个视图内，优先归给它；落在多个视图交界处时，比较重叠比例；仍然分不清，再归给范围最小的那个视图。主归属之外，所有可能的候选视图也一并保留，不因为暂时分不清就丢掉。

标题栏、明细表、技术要求这类自带边框的区域，规则更严：中心落在框外的读数直接丢弃，因为这些区域的内容不会自己伸出去，框外读到的，多半是别人的尺寸。两个区域读到同一条标注时，保留离所属区域中心更近的那一次。

对于落在所有视图外围、暂时没有归属的文字，也不应直接删除，而是把原视图框和这段文字同时交给视觉大模型复判；确认属于某个视图后，再把这个视图的裁图范围扩展到能完整包住它。

这一步做完，页面上留下的就不再是一堆互相重叠的矩形，而是一批有名字、有边界、有归属的区域。

但拆开之后，视图之间的关系不能一起拆丢。

04｜第三道难题：拆开是为了读准，不能把关系拆丢

一张裁图如果完全失去整页位置，局部虽然清楚，却不知道自己邻接的是哪个视图、属于哪个零件。因此，区域精读时最好同时附上一张整页缩略图作为上下文；读完的每一条结果，都要换算回整页坐标。之后点开任何一条记录，都能回到它在原图上的位置，而不是只看到一段脱离图纸的文字。

更难的，是那些本来就要跨视图才成立的事实。

主视图里的一个圆，不一定是孔。它可能是凸台的轮廓、倒角的投影，也可能是一个零件序号气泡。这里需要一条保守的原则：只有在剖视或半剖视图里找到对应的腔体证据，这个孔才被确认；仅仅在两个普通投影视图里看到位置对得上的圆，只能先作为疑似孔。

投影关系同样不能靠框的远近去猜。左右视图要满足高平齐，上下视图要满足长对正；已经确认为剖视、向视或局部放大的区域，不再参与普通投影视图的命名；高度重叠的重复框，只保留语义更明确的一个。

还有一个容易被忽略的细节：不少图纸页面本身带有旋转，几何计算使用的坐标和屏幕显示的坐标并不一致。如果不加区分，拆出来的框会整体错位。稳妥的做法是把几何计算统一放在原始坐标中进行，显示和叠加统一使用显示坐标，两者之间的换算集中管理。

视觉大模型擅长看懂挤在一起的图面，但同一处模糊字符、贴线小数或断开的轮廓，模型未必每次都给出同一个答案。而加工和审图，并不会因为系统“有时看对”就降低标准。

因此，拆分不应该交给一次模型调用。

需要理解图面的，让AI参与；边界、投影和归属这些有明确规则的，由程序严格执行。

对于收不紧的边界、夹在两个区域之间的标注、只靠剖面线推断出的剖视图，以及必须看另一个视图才能解释的尺寸，系统应保留原状并给出提示，交由工程师核对。

拆分可以交给系统，但每一个框为什么画在那里、每一条标注为什么归给它，都必须说得清楚。

把这三道难题的做法串起来，就是下面这条处理链。

05｜应对方案：把一次整页识图，拆成一条可复核的链

整个过程分成四个环节，每一个都可以单独检查。

第一步｜先把区域身份分开。

接收图纸后，先区分视图、标题栏、明细表、技术要求和图框。视图进入后续的视图流程；标题栏、明细表和技术要求作为独立区域整块保留；图框和表格边线只用于排除误检，不当作零件轮廓。

第二步｜再给视图命名，并把边界收准。

检测模型给出视图的大致位置，剖切标签、向视标签、局部放大标签和相对位置给出视图类型。检测框只作为锚点，再沿结构线收紧边界；左右、上下视图用高平齐、长对正做核对，重复和贴边的误检框被剔除。

第三步｜在正确的区域里精读，读完回到原图。

视图内读形状和尺寸，表格按字段读，技术要求按条目读。裁图留出余量、遮住邻居，避免外伸标注被切掉，也避免隔壁内容大片混入。读完后统一映射回整页坐标，按明确的顺序完成归属。

第四步｜不确定的，明确留下。

边界收不紧、标注夹在两个区域之间、视图关系证据不足、尺寸必须跨视图解释时，系统给出提示，由工程师对照原图确认。系统不把“没有把握”包装成“已经完成”。

06｜拆分之后：从整页里找，到按区域把关

以一张泵体零件图为例：四个视图（其中两个是剖视图）、技术要求、附注和标题栏，挤在同一页上。

拆分前｜原始整页图纸

拆分后｜按身份划分的区域

拆分之后，每个视图有了自己的名字和边界，伸出轮廓的尺寸跟着各自的视图走，技术要求和标题栏被单独切出，图框不再参与识读。边界没能收紧的剖视图 B-B，没有被硬塞进一个框里，而是标为待确认。

拆分的结果，也应该能回到原图：左侧是原图，右侧是按区域整理的记录；点开一条记录，原图上的对应位置随之高亮；拿不准的条目单独标出，并能追溯到组成它的原始读数。

这样，工程师不必再从一整页里逐项寻找，而是把时间放在贴边标注、跨视图尺寸和系统提示存疑的内容上。

07｜不止零件图：先拆开，后面的识读和审查才有落点

一个数字要不要换算，得先知道它是视图里的尺寸，还是标题栏里的比例；一个孔算不算成立，得先知道主视图和剖视图各自在哪里；一组钢筋编号属于哪一个截面，得先把立面、顶板和底板分开；材料牌号合不合规，要去标题栏里找，而不是在视图角落里随便抓一串字符。

机械零件图、外文图纸、桥梁和建筑图纸，视图习惯和表格格式各不相同，但处理顺序是相通的：先分清区域身份，再在正确的区域里识别，最后把结果映射回原图。

也要看到拆分的边界。没有标签、只能靠剖面线推断的剖视对应关系，明细表的逐行结构化，扫描件里断裂、模糊的线条，都还需要更多的证据和人工把关。拆分输出的，仍是需要工程人员确认的结果，而不是可以跳过审核、直接用于生产的最终依据。

在错误会一路传到加工和审查的场景里，把重复工作交给系统，把关键判断留给专业人员，并让每一次归属有据可查，比追求完全替代人工更实际。

08｜杨梅3.0系列产品，改变的不只是图面上的框

从一整页图纸到一组有名字、有边界、能回到原图的区域，改变的不只是图面上多了几个框，更是工业知识参与日常工作的方式。

对制造企业来说，真正有价值的也不是“一键拆图”的演示，而是一条能被人检查、能被工程确认、能持续复用的拆分流程。

让原本依赖反复手工处理的环节，逐步形成可执行、可核对、可持续完善的协作方式，这才是工业AI从“能识别”走向“可交付”的意义。

接下来，公众号会陆续拆解杨梅3.0：产品矩阵、核心场景、能力边界，都会涉及。其中，工业图纸系列也会继续更新，敬请期待。

12月，杨梅3.0见。

注：文中场景来自真实图纸问题，已做脱敏处理；配图使用公开的机械零件图与装配图样例，技术要求已遮挡。产品能力与交付范围，以实际沟通和验收为准；发布信息以北京工业智能创新中心官方发布为准。