GLM-OCR模型SolidWorks工程图智能信息提取方案你是不是也遇到过这样的场景设计部门辛辛苦苦画完一套复杂的SolidWorks工程图里面密密麻麻标注着零件号、技术要求、材料规格。接下来生产或采购的同事需要把这些信息一个个手动敲进物料清单BOM或者ERP系统里。这个过程不仅枯燥还特别容易出错一个数字看岔了后续的采购或加工就可能全乱套。传统的手工录入方式效率低、成本高已经成为制造业数字化转型路上一个不大不小的绊脚石。今天我想跟你分享一个我们团队在实际项目中验证过的方案利用GLM-OCR模型结合SolidWorks的图纸导出功能实现工程图信息的智能、自动提取。这个方案的核心思路就是把设计师图纸上的“死”数据变成系统里可流转、可分析的“活”信息。简单来说它能让机器“看懂”图纸自动把里面的文字信息抓取出来按照你设定的格式整理好直接对接下游系统。接下来我就带你看看这套方案具体是怎么落地又能解决哪些实际问题的。1. 为什么工程图信息提取是个“痛点”在深入技术方案之前我们得先搞清楚手动处理SolidWorks工程图信息到底麻烦在哪。首先信息量大且分散。一张稍微复杂点的装配图零件编号可能就有几十上百个它们散落在图纸的各个角落——主视图、剖视图、局部放大图还有独立的明细栏BOM表里。更别提那些技术要求、注释说明、公差标注了。人工查找和录入就像大海捞针眼睛看花了也难免遗漏。其次格式不统一。虽然SolidWorks有标准的标注样式但不同设计师、不同公司的绘图习惯总有差异。字体大小、文字方向、标注引线的样式都可能不一样。这种非结构化的数据让简单的文本识别工具很难稳定工作经常需要人工二次校对和修正本质上并没有减轻负担。最后流程割裂容易出错。设计、工艺、生产、采购每个环节可能都用不同的系统。信息从图纸到BOM再到生产订单每经过一次手工转录就多一次出错的风险。一个错误的零件号可能导致生产停工、物料浪费损失的可不只是时间。所以我们需要的不是一个简单的“图片转文字”工具而是一个能理解工程图语境、能适应一定格式变化、并且能无缝融入现有工作流的智能提取方案。这正是GLM-OCR模型可以发挥作用的地方。2. GLM-OCR模型能做什么你可能会问OCR技术很老了GLM-OCR有什么特别的传统的OCR可以理解为“识字”它把图片里的像素点识别成对应的文字字符。而GLM-OCR在此基础上增加了一层“理解”的能力。它基于大规模预训练模型不仅能识别字符还能在一定程度上理解这些字符在特定上下文比如工程图纸中的含义和关系。举个例子图纸上有个“Φ20”传统OCR可能准确地识别出“Φ”和“20”但GLM-OCR能更大概率地将其关联为一个整体理解它代表“直径20毫米”这个尺寸信息。对于SolidWorks工程图GLM-OCR模型特别擅长处理以下几类信息表格类信息提取比如明细栏BOM表。它能识别表格的边框将内容按行、列进行切分和归类准确提取出“序号”、“零件号”、“名称”、“数量”、“材料”等字段直接生成结构化的数据如CSV或JSON格式。散落文本的定位与识别图纸上分散的零件编号如“①”、“B2”、技术要求条文、注释说明等。GLM-OCR可以识别出这些文本块并记录下它们在图中的坐标位置这对于后续关联图形元素非常有用。特定格式文本的理解对于材料牌号如“Q235-A”、公差标注如“±0.05”、粗糙度符号旁的数值等具有工程语义的文本模型的识别准确率相对更高。当然它也不是万能的。对于极度潦草的手写体、严重污损的图纸、或者极其复杂的非标准表格效果会打折扣。但对于绝大多数由SolidWorks规范生成的2D工程图无论是PDF还是图片格式其表现已经足够支撑生产应用。3. 整体方案设计与工作流程说了这么多具体怎么把GLM-OCR和SolidWorks结合起来呢这里提供两种主流的思路你可以根据自身的技术条件和需求来选择。思路一基于图纸导出文件推荐给大多数团队这是最通用、侵入性最低的方式。流程很简单导出图纸从SolidWorks中将工程图另存为或打印为高分辨率的PNG、JPEG图片或者直接“另存为PDF”。PDF是更好的选择因为它本身包含图层和矢量信息转换后识别效果更佳。图像预处理用简单的脚本比如Python的OpenCV库对导出的图片进行预处理。这可能包括调整对比度、转换为灰度图、去除噪点等操作目的是让文字区域更清晰提升OCR识别率。调用GLM-OCR服务将预处理后的图像提交到部署好的GLM-OCR模型服务进行识别。模型会返回识别出的文本内容、以及每个文本块在图中的位置坐标边界框。后处理与结构化这是体现“智能”的关键一步。根据返回的文本和坐标信息编写规则或简单的算法表格重构根据文本块的Y坐标对齐情况判断哪些属于同一行根据X坐标判断哪些属于同一列从而将明细栏数据还原成表格。信息分类通过关键词如“技术要”、“材料”、“数量”或位置规律如图纸右下角的标题栏区域将识别出的文本自动分类到“零件信息”、“技术要求”、“注释”等不同类别。数据输出与集成将结构化的数据如JSON输出可以通过API调用、写入数据库、或生成Excel/CSV文件的方式导入到你的BOM系统、ERP或MES中。思路二基于SolidWorks API适合开发能力较强的团队这种方式更直接但需要熟悉SolidWorks的二次开发。基本原理是通过SolidWorks的API直接读取工程图文档中的注解Annotations和表格Tables对象。API交互编写插件或外部程序使用SolidWorks API遍历工程图获取所有标注文本和表格对象的属性包括文本内容和图纸坐标。结合OCR查漏补缺API能获取标准标注但对于一些以“草图文本”形式存在、或从其他CAD软件导入可能丢失属性的文字API可能无法直接读取。这时可以截取图纸特定区域的图像调用GLM-OCR进行补充识别。后续步骤与思路一的第4、5步相同进行数据的结构化和系统集成。对于大多数企业我建议从思路一开始。它不依赖复杂的SolidWorks二次开发利用现成的图纸导出功能和GLM-OCR服务就能快速搭建一个可用的原型验证效果。4. 关键步骤与代码示例让我们聚焦于最实用的“思路一”看看其中几个关键步骤如何用代码实现。假设我们使用Python作为开发语言。4.1 从SolidWorks导出图纸为图片这一步虽然可以在SolidWorks中手动操作但为了实现自动化我们可以用Python调用SolidWorks API需安装SolidWorks和pywin32库进行批量导出或者更简单地假设图纸已经批量导出为PDF或图片我们直接处理这些文件。# 示例使用Python遍历文件夹中的所有工程图PDF文件 import os def find_drawing_files(folder_path, extensions[.pdf, .png, .jpg]): 查找指定文件夹中的所有图纸文件。 drawing_files [] for root, dirs, files in os.walk(folder_path): for file in files: if any(file.lower().endswith(ext) for ext in extensions): drawing_files.append(os.path.join(root, file)) return drawing_files # 用法 drawing_folder rD:\项目图纸 all_drawings find_drawing_files(drawing_folder) print(f找到 {len(all_drawings)} 张图纸文件。)4.2 图像预处理对于导出的图片尤其是截图或扫描件预处理能显著提升OCR精度。import cv2 import numpy as np def preprocess_image_for_ocr(image_path): 对图像进行预处理增强文字区域。 # 读取图像 img cv2.imread(image_path) if img is None: raise ValueError(f无法读取图像: {image_path}) # 1. 转换为灰度图 gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 2. 二值化阈值处理使文字更突出 # 使用自适应阈值对光照不均的图片效果更好 binary cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2) # 3. 可选降噪中值滤波或形态学操作 # denoised cv2.medianBlur(binary, 3) # 4. 可选矫正倾斜如果需要可以使用霍夫变换检测直线 # ... 倾斜矫正代码 ... return binary # 用法 processed_image preprocess_image_for_ocr(drawing_export.png) # 可以将处理后的图像保存或直接送入OCR模型 cv2.imwrite(drawing_processed.png, processed_image)4.3 调用GLM-OCR模型并解析结果这里假设你已经通过某种方式如Hugging Face Transformers库、或部署为HTTP服务能够调用GLM-OCR模型。以下是一个模拟的调用流程。import requests import json def call_glm_ocr_service(image_path, service_urlhttp://localhost:8000/ocr): 调用部署好的GLM-OCR服务。 with open(image_path, rb) as img_file: files {image: img_file} response requests.post(service_url, filesfiles) if response.status_code 200: # 假设服务返回JSON格式{texts: [...], boxes: [...], scores: [...]} result response.json() return result else: print(fOCR请求失败: {response.status_code}) return None def parse_ocr_result_to_bom(ocr_result): 一个简单的示例将OCR结果假设已包含表格结构解析为BOM列表。 实际情况更复杂需要根据图纸布局设计算法。 bom_items [] # ocr_result[texts] 是识别出的文本列表 # ocr_result[boxes] 是对应的边界框坐标列表 [x1, y1, x2, y2] texts ocr_result.get(texts, []) boxes ocr_result.get(boxes, []) # 这是一个极度简化的示例假设我们通过某种算法如基于坐标的聚类 # 已经将文本分组成了表格行rows # simulated_rows 应该是列表的列表每个子列表代表一行中的单元格文本 simulated_rows [ [序号, 零件号, 名称, 数量, 材料], [1, GJ-001, 底座, 1, Q235], [2, GJ-002, 轴, 2, 45钢], # ... 更多行 ] # 跳过表头将数据行转换为字典列表 for row in simulated_rows[1:]: if len(row) 5: # 确保有足够列 item { 序号: row[0], 零件号: row[1], 名称: row[2], 数量: row[3], 材料: row[4] } bom_items.append(item) return bom_items # 用法示例 ocr_result call_glm_ocr_service(drawing_processed.png) if ocr_result: bom_list parse_ocr_result_to_bom(ocr_result) print(json.dumps(bom_list, indent2, ensure_asciiFalse))4.4 数据输出与集成最后将结构化的BOM数据输出为通用格式。import pandas as pd def save_bom_to_csv(bom_list, output_pathoutput_bom.csv): 将BOM列表保存为CSV文件。 df pd.DataFrame(bom_list) df.to_csv(output_path, indexFalse, encodingutf-8-sig) # utf-8-sig支持Excel中文 print(fBOM已保存至: {output_path}) def push_bom_to_api(bom_list, api_endpoint): 将BOM数据通过API推送至其他系统如ERP。 import requests headers {Content-Type: application/json} try: response requests.post(api_endpoint, jsonbom_list, headersheaders) response.raise_for_status() print(BOM数据推送成功) except requests.exceptions.RequestException as e: print(fAPI推送失败: {e}) # 用法 save_bom_to_csv(bom_list) # push_bom_to_api(bom_list, http://your-erp-system/api/bom/import)5. 实践中的经验与建议在实际部署这套方案时有几个点值得你特别注意关于模型选择与调优开箱即用的GLM-OCR模型对通用印刷体效果很好但工程图字体如仿宋、长仿宋和特殊符号如直径Φ、粗糙度√可能仍需优化。如果条件允许可以收集一批自家的工程图样本对模型进行少量数据的微调Fine-tuning这能大幅提升在特定场景下的识别准确率。关于后处理规则OCR模型返回的是原始文本和坐标如何把它们变成有意义的BOM表很大程度上依赖于你编写的后处理规则。这部分没有银弹需要你分析自家图纸的布局特点。比如明细栏通常在图框的右上角或下方同一行的文本Y坐标相近表头关键词相对固定。把这些规则代码化是项目成功的关键。关于集成路径自动化流程的终点不是生成一个CSV文件。你需要设计好这个CSV文件如何自动被下游系统“吃掉”。是定时扫描某个共享文件夹还是调用ERP系统提供的数据导入API又或者是通过RPA机器人模拟人工操作进行录入选择一条与现有IT架构冲突最小、最稳定的路径。从小处着手不必一开始就追求全自动、零错误。可以先针对某一类结构最规整、最重要的图纸比如标准产品的主装配图实施自动化验证流程跑通、价值显现后再逐步扩大范围处理更复杂的图纸。同时初期可以设计一个“人机校验”环节系统提取后由人工快速审核确认既能保证数据准确也能收集错误样本用于优化模型和规则。6. 总结回过头来看利用GLM-OCR实现SolidWorks工程图信息自动提取并不是一个颠覆性的黑科技而是一个务实的技术整合应用。它把相对成熟的OCR技术、强大的预训练语言模型理解能力与制造业最普遍的设计工具SolidWorks结合了起来瞄准的是信息流转中那个“手工录入”的低效痛点。这套方案的价值不在于替代设计师而在于解放后续环节的工程师、计划员和采购员。把他们的时间从繁琐的“打字员”工作中拯救出来去从事更有价值的工艺分析、生产调度或供应商管理工作。从我们实践的效果看对于规整的图纸信息提取准确率能达到95%以上处理速度是人工的数十倍而且7x24小时不知疲倦。技术实现上从导出图纸到调用OCR服务再到后处理集成的每一步现在都有比较成熟的开源工具和库可以支撑技术门槛在逐渐降低。真正的挑战和核心价值在于你对自身业务图纸的理解以及如何设计那条将数据“搬运”到业务系统的“最后一公里”流水线。如果你正在被工程图数据录入问题困扰不妨从这个思路入手先做一个小范围的原型试试水很可能会有意想不到的收获。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。