Распознавание чертежей с ИИ — это извлечение из скана или PDF чертежа структурированных данных: основной надписи, размеров, допусков, шероховатости, резьб, материалов и строк спецификации, с последующей передачей их в учётную систему, ERP, расчёт смет или закупку. Обычное распознавание текста (OCR) с этим плохо справляется: на чертеже плотная разметка, символы перекрываются, смысл зависит от расположения. Исследования показывают, что дообученные под задачу модели извлекают ключевые элементы точнее универсальных мультимодальных моделей, но и они ошибаются, поэтому в производственном процессе нужна проверка инженером.
Материал подготовлен AIrassvet по открытым источникам, проверенным 2 октября 2026 года. Он адресован руководителям производств, технических служб, отделов снабжения и сметных отделов, главным инженерам и ИТ-директорам промышленных и строительных компаний. Упомянутые компании и модели приводятся как примеры; AIrassvet не аффилирован с ними, а раздел в конце описывает услуги издателя.
Содержание
- Кратко: что ИИ умеет извлекать из чертежей
- Почему чертёж сложнее обычного документа
- Что показывают исследования точности
- Как устроен конвейер распознавания
- Где распознавание даёт эффект
- Как внедрить распознавание чертежей: пошаговый план
- Риски и как их закрыть
- Частые вопросы
- Первоисточники и метод проверки
Кратко: что ИИ умеет извлекать из чертежей
| Что извлекается | Пример | Где используется |
|---|---|---|
| Основная надпись (штамп) | Обозначение, наименование, масса, материал, разработчик | Каталогизация архива, поиск |
| Размеры и допуски | Номинальные размеры, предельные отклонения, посадки | Техпроцесс, контроль, расчёт заготовки |
| Допуски формы и расположения | Плоскостность, соосность, базы | Контроль качества, выбор оборудования |
| Шероховатость, резьбы, радиусы | Ra, обозначение резьбы, R | Техпроцесс, нормирование |
| Технические требования | Термообработка, покрытие, общие допуски | Маршрут обработки, закупка услуг |
| Спецификация | Позиции, обозначения, количество, материалы, стандартные изделия | Номенклатура, закупка, сметы, ERP |
Таблица — редакционная. Набор полей определяется вашей задачей: архиву нужен штамп и поиск, снабжению — спецификация, технологу — размеры и требования.
Почему чертёж сложнее обычного документа
Счёт или накладная — это в основном текст и таблицы. Чертёж — это графика, в которой текст привязан к геометрии: размерная линия указывает, к какому элементу относится число, знак допуска связан с базой, а одна и та же цифра значит разное в зависимости от того, где стоит.
Авторы исследования на arXiv (май 2025 года, принято к публикации на конференции IEEE IEEM) описывают проблему прямо: ручное извлечение данных из 2D-чертежей медленное и трудоёмкое, а традиционный OCR плохо справляется со сложной компоновкой и перекрывающимися символами и выдаёт неструктурированный результат (arXiv:2505.01530).
Универсальные мультимодальные модели — те, что понимают и текст, и изображения, — тоже пока не решают задачу полностью. Авторы бенчмарка MechVQA (arXiv, май 2026 года; по комментарию авторов, работа принята на ICML 2026) пишут, что такие модели «остаются хрупкими» на машиностроительных чертежах: высокая плотность обозначений, слабые предметные знания и ненадёжное рассуждение о пространственных связях по правилам проекций приводят к тому, что важные признаки пропускаются, а ответы часто оказываются неверными (arXiv:2605.30794).
О распознавании обычных документов — в статье OCR и распознавание документов для бизнеса.
Что показывают исследования точности
Три открытые работы дают представление о том, какой подход работает лучше.
| Работа | Подход | Результат по аннотации |
|---|---|---|
| arXiv:2411.03707, ноябрь 2024 | Дообучение небольшой открытой модели Florence-2 (0,23 млрд параметров) на 400 чертежах с разметкой экспертов; сравнение с GPT-4o и Claude 3.5 Sonnet без дообучения | По сравнению с лучшей закрытой моделью: точность (precision) выше на 29,95%, полнота (recall) — на 37,75%, F1 — на 52,40%, доля галлюцинаций ниже на 43,15% |
| arXiv:2505.01530, май 2025 | Детектор областей YOLOv11 находит девять категорий элементов, модель Donut превращает их в структурированный JSON | Точность 94,77% для допусков формы и расположения, F1 97,3%, доля галлюцинаций 5,23% |
| arXiv:2605.30794, май 2026 | Бенчмарк MechVQA: 3,3 тыс. чертежей и 21 тыс. пар «вопрос — ответ» по 10 задачам; специализированная модель MechVL | MechVL превосходит сильнейшую закрытую модель на 7,57 процентного пункта по общему баллу бенчмарка |
Что из этого следует для бизнеса:
- Специализация выигрывает у универсальности. Во всех трёх работах модели, обученные на чертежах, превосходят универсальные мультимодальные модели без дообучения.
- Нужны размеченные примеры. В первой работе хватило 400 чертежей с разметкой экспертов, но это были чертежи определённого типа. Ваши чертежи, стандарты оформления и качество сканов будут другими, и результат нужно проверять на них.
- Ошибки остаются. Даже лучшие результаты в исследованиях — не 100%, и это лабораторные цифры на конкретных наборах данных. Для производственных решений проверка человеком обязательна.
О выборе между дообучением и другими подходами — в статье RAG, fine-tuning или промпт-инжиниринг: что выбрать.
Как устроен конвейер распознавания
Типовой процесс состоит из нескольких этапов, и на каждом можно контролировать качество:
- Подготовка изображения. Выравнивание скана, удаление шума, разбиение многолистовых документов.
- Поиск областей. Детектор находит на листе штамп, размеры, допуски, таблицу спецификации, технические требования.
- Извлечение значений. Модель распознаёт содержимое каждой области и возвращает структурированные поля.
- Проверка правил. Автоматические проверки: формат обозначения, допустимые материалы, совпадение количества позиций, сумма масс, корректность ссылок на стандарты.
- Проверка инженером. Спорные поля и поля с низкой уверенностью модели показываются человеку рядом с фрагментом чертежа.
- Передача в систему. Подтверждённые данные уходят в 1С, ERP, PDM, сметную программу или реестр архива.
Российские поставщики описывают похожие схемы. В материале о вебинаре NFP 15 апреля 2026 года показано извлечение спецификаций с чертежа и передача распознанных данных в учётную систему на примере 1С через RPA-интеграцию (NFP). Nord Clan в описании своего проекта сообщает, что пакет из 300 чертежей обрабатывается за 5–10 минут, а инженеры выступают контролёрами (Nord Clan); это заявление разработчика о собственном проекте, независимо оно не проверено.
Где распознавание даёт эффект
| Сценарий | Проблема без ИИ | Что меняется |
|---|---|---|
| Оцифровка архива | Тысячи бумажных и сканированных чертежей, поиск вручную | Каталог с поиском по обозначению, материалу, размерам |
| Входящие чертежи от заказчиков | Инженер вручную переносит данные для расчёта стоимости и сроков | Черновик расчёта готовится автоматически, инженер проверяет |
| Снабжение | Спецификации переписываются в заявки на закупку | Позиции спецификации сопоставляются с номенклатурой и превращаются в заявку |
| Сметы и тендеры | Объёмы и материалы считаются по чертежам вручную | Ведомости объёмов формируются из распознанных данных |
| Технологическая подготовка | Технолог ищет на чертеже требования к обработке | Требования выделены и связаны с маршрутом |
| Контроль комплектности | Проверка, что все листы и позиции на месте | Автоматическая сверка спецификации и листов |
Для снабжения ключевой шаг — сопоставить строки спецификации с вашей номенклатурой: «Болт М10х40 ГОСТ 7798-70» в спецификации и карточка в 1С должны совпасть. Как это делается, — в статье Сопоставление номенклатуры с ИИ в 1С. Для строительных смет — в статье ИИ для смет в строительстве, для проверки оформления проектной документации — в статье ИИ для нормоконтроля проектной документации.
Как внедрить распознавание чертежей: пошаговый план
- Выберите один поток. Например, входящие чертежи для расчёта стоимости или архив одного типа изделий. Не начинайте со «всех чертежей компании».
- Определите поля и формат результата. Какие данные нужны и в какую систему они пойдут.
- Соберите выборку. Несколько сотен чертежей, типичных для потока, включая плохие сканы и нестандартное оформление. Часть из них разметьте вручную — это эталон для проверки.
- Проверьте подходы на своей выборке. Универсальная мультимодальная модель, готовое решение поставщика, дообученная модель. Сравнивайте точность по каждому полю отдельно.
- Встройте проверку человеком. Интерфейс, где инженер видит фрагмент чертежа и извлечённое значение и подтверждает или исправляет его. Исправления — материал для дообучения.
- Подключите передачу в учётную систему только для подтверждённых данных. Как подключать ИИ к 1С, — в статье Как подключить ИИ-агентов к 1С.
- Измеряйте и расширяйте. Время обработки одного чертежа до и после, доля полей, исправленных инженером, ошибки, найденные после передачи в систему.
Риски и как их закрыть
| Риск | Как проявляется | Как снизить |
|---|---|---|
| Ошибка в размере или допуске | Неверная деталь, брак, неверный расчёт | Проверка инженером, правила согласованности, порог уверенности |
| Галлюцинация модели | Модель «видит» значение, которого нет на чертеже | Специализированные модели, сверка с фрагментом изображения, отказ при низкой уверенности |
| Разнородное оформление | Старые чертежи, разные стандарты, плохие сканы | Выборка с разнородными примерами, отдельная обработка проблемных листов |
| Конфиденциальность | Конструкторская документация уходит во внешний сервис | Модели в собственном контуре, договорные ограничения |
| Ложное чувство автоматизации | Данные идут в систему без проверки | Передача только подтверждённых полей, журнал исправлений |
Конструкторская документация часто составляет коммерческую тайну, а иногда относится к закрытой информации. Сравнение облачных и локальных моделей по стоимости и рискам — в статье Облачная или локальная LLM: совокупная стоимость.
Частые вопросы
Может ли нейросеть прочитать чертёж?
Да, но с оговорками. Модели, дообученные на чертежах, извлекают штамп, размеры, допуски, материалы и спецификацию с высокой точностью на исследовательских наборах данных. Универсальные мультимодальные модели без дообучения, по данным исследований, на сложных машиностроительных чертежах ошибаются заметно чаще. Результат всегда нужно проверять на ваших чертежах.
Чем распознавание чертежей отличается от обычного OCR?
OCR распознаёт текст, но на чертеже смысл зависит от расположения: к какому элементу относится размер, с какой базой связан допуск. Поэтому для чертежей используют модели, которые находят области элементов и возвращают структурированные поля, а не просто строки текста.
Можно ли извлечь спецификацию из чертежа и загрузить в 1С?
Да. Типовая схема: модель извлекает строки спецификации, правила проверяют формат и количество, инженер подтверждает спорные позиции, позиции сопоставляются с номенклатурой и передаются в 1С через API или RPA-интеграцию.
Нужно ли дообучать модель на своих чертежах?
Часто да. Исследования показывают, что модели, дообученные на чертежах, точнее универсальных моделей без дообучения. Сначала сравните подходы на выборке своих чертежей с ручной разметкой: если универсальная модель не даёт нужной точности по ключевым полям, дообучение оправдано.
Можно ли обойтись без проверки инженером?
Для производственных решений — нет. Даже лучшие результаты в исследованиях не достигают 100%, а ошибка в размере или допуске может привести к браку. Разумная схема — автоматическое извлечение плюс проверка спорных полей человеком.
С чего начать оцифровку архива чертежей?
С одного типа документов и набора полей, нужных для поиска: обозначение, наименование, материал, масса из штампа. Соберите выборку, разметьте её часть вручную, проверьте точность и только потом масштабируйте на весь архив.
Первоисточники и метод проверки
Проверено 2 октября 2026 года:
- arXiv:2411.03707 «Fine-Tuning Vision-Language Model for Automated Engineering Drawing Information Extraction», подано 6 ноября 2024 года — Florence-2, 400 чертежей, сравнение с GPT-4o и Claude 3.5 Sonnet, приросты метрик.
- arXiv:2505.01530 «Automated Parsing of Engineering Drawings for Structured Information Extraction Using a Fine-tuned Document Understanding Transformer», подано 2 мая 2025 года, редакция 3 сентября 2025 года — YOLOv11 и Donut, девять категорий, 94,77%, 97,3%, 5,23%, ограничения OCR.
- arXiv:2605.30794 «MechVQA», подано 29 мая 2026 года, редакция 7 июля 2026 года — хрупкость мультимодальных моделей на чертежах, 3,3 тыс. изображений, 21 тыс. пар, 7,57 п. п.
- NFP: вебинар «ИИ для распознавания инженерных чертежей», 15 апреля 2026 года — извлечение спецификаций, передача в 1С через RPA.
- Nord Clan: система для распознавания чертежей — заявление разработчика о скорости обработки в собственном проекте.
Результаты исследований приведены по аннотациям статей и относятся к их наборам данных. Таблицы извлекаемых данных, сценариев, плана и рисков — редакционный анализ AIrassvet.
Как AIrassvet помогает распознавать чертежи и спецификации
Если инженеры и снабженцы вручную переносят данные с чертежей в расчёты и учётную систему или архив чертежей невозможно найти, эту работу можно автоматизировать с проверкой человеком. На сайте AIrassvet, который также использует название «AI студия Владимира Ломтева», описаны направления, применимые к этой задаче:
- Решения компьютерного зрения для документов: извлечение штампа, размеров, требований и спецификаций с чертежей.
- Подготовка данных: выборка чертежей, ручная разметка эталона, сравнение результатов с эталоном по каждому полю.
- Агентная автоматизация передачи подтверждённых данных в 1С, ERP и другие системы.
- Развёртывание и дообучение моделей в собственном контуре для конфиденциальной конструкторской документации.
Первый шаг — выбрать один процесс, описать его текущие показатели, источники данных, ограничения и критерий, по которому вы признаете пилот успешным.
Итог: специализированная модель плюс проверка инженером
Распознавание чертежей — задача сложнее обычного OCR: смысл обозначений зависит от их расположения и стандартов оформления. Исследования 2024–2026 годов показывают, что модели, обученные на чертежах, заметно точнее универсальных мультимодальных моделей, но ошибки остаются у всех.
Рабочая схема — один поток документов, выборка с ручной разметкой, сравнение подходов на своих чертежах, проверка спорных полей инженером и передача в учётную систему только подтверждённых данных.
