DOI: https://doi.org/10.1038/s40494-025-02151-6
تاريخ النشر: 2025-11-17
المؤلف: Yi Deng وآخرون
الموضوع الرئيسي: المسح ثلاثي الأبعاد والتراث الثقافي
نظرة عامة
تناقش هذه الفقرة التحديات التي تواجه نمذجة معلومات المباني التراثية (HBIM) في سياق التراث المعماري الخشبي التقليدي، بما في ذلك عدم الكفاءة، وعدم الدقة، والقيود في دمج الخبرة المعمارية. لمعالجة هذه القضايا، يقترح المؤلفون إطار عمل ذكي يجمع بين رؤية الآلة، وتحديداً خوارزمية YOLO، مع نموذج ميتا قائم على الخبرة. يحدد هذا النموذج البيانات الأساسية والخوارزميات التكيفية لأتمتة عمليات HBIM، بينما تسهل رؤية الآلة اكتشاف البيانات واكتسابها من صور السحب النقطية.
تم التحقق من فعالية هذا النهج المتكامل من خلال تطبيقه على برج الطبل دونغ، مما أسفر عن نتائج مثيرة للإعجاب: بالنسبة لعرض المخططات، حقق الاكتشاف درجة F1 تبلغ 0.928 ودقة 0.969؛ بالنسبة لعرض الأقسام، كانت درجة F1 0.873 مع دقة 0.897. أظهرت النماذج التي تم إنشاؤها تلقائيًا اكتمالًا ودقة تقريبية بنسبة 99%، بالإضافة إلى تحسين بنسبة 95% في الكفاءة. ينتقل هذا الأسلوب من القيود الهندسية الصارمة إلى منطق بناء قائم على الخبرة، مما يقدم حلاً جديدًا لنمذجة HBIM الذكية المدفوعة بالبيانات، والتي تناسب بشكل خاص الطبيعة المتنوعة والمعقدة للتراث المعماري الخشبي التقليدي.
الطرق
تؤكد المنهجية لبناء نموذج نمذجة معلومات المباني الهجينة (HBIM) للعمارة الخشبية التقليدية على أهمية الخبرة المعمارية في فهم منطق البناء المتأصل في هذه الهياكل. تبدأ العملية بتقنيات متقدمة لاكتساب البيانات، مثل المسح بالليزر ثلاثي الأبعاد والفوتوغرامتري، لالتقاط بيانات السحب النقطية. يقوم المعماريون بعد ذلك بتحليل هذه البيانات لتحديد وتصنيف المكونات الهيكلية الرئيسية، واستخراج المعلومات الهندسية والدلالية الأساسية. بعد ذلك، يقومون ببناء إطار عمل مكاني-طوبولوجي واختيار المكونات المناسبة من مكتبة HBIM، وتعديلها حسب الحاجة لإكمال النموذج. غالبًا ما تكون الطرق التقليدية لاستخدام السحب النقطية غير فعالة، حيث تعتمد على التتبع اليدوي، بينما تواجه أساليب التعلم الآلي تحديات بسبب التباين في أنواع المكونات وجودة السحب النقطية.
لتحسين كفاءة ودقة نمذجة HBIM، يقترح هذه الدراسة إطار عمل جديد يدمج تقنيات رؤية الآلة مع الخبرة المعمارية. من خلال صياغة المعرفة المعمارية في نموذج ميتا قائم على منطق البناء، توفر المنهجية نهجًا منظمًا لتوليد نماذج HBIM تلقائيًا. يتكون هذا النموذج الميتا من أربعة عناصر: الكائنات الميتا، والسمات الميتا، والعلاقات الميتا، والأساليب الميتا، والتي تحدد مجتمعة بيئة النمذجة للعمارة الخشبية التقليدية. لا يسهل الإطار المقترح فقط توليد نماذج معلومات المباني بسرعة، بل أيضًا يحسن تحديد البيانات الأساسية من خلال الجمع بين الرؤى المعمارية ورؤية الآلة، مما يعالج القيود التي تواجه أساليب النمذجة السابقة.
النتائج
تناقش فقرة النتائج الأهمية المعمارية ومنهجية البناء لبرج الطبل الخاص بعرق الدونغ، وهو هيكل فريد موجود في مجتمعات الدونغ عبر مقاطعات قوانغشي، وهونان، وقويتشو في الصين. يمثل هذا البرج مثالًا على منطق بناء معقد وغير معياري يختلف عن العمارة الرسمية التقليدية، مما يقدم تحديات للنمذجة المعلمية بسبب نقص العلاقات الرياضية الهندسية المتسقة. وبالتالي، فإنه يمثل دراسة حالة تمثيلية لاستكشاف العمارة الخشبية التقليدية.
مفهوم “البناء بالحجم الحقيقي” هو محور تصميم البرج وعملياته. تتضمن هذه المنهجية تبسيطًا منهجيًا من إطار ثلاثي الأبعاد إلى إطار ثلاثي الأبعاد، مما يؤدي في النهاية إلى نظام تعريف أحادي البعد خلال مرحلة التصميم. تعكس مرحلة البناء هذه العملية، بدءًا من التعريف الأحادي البعد لتصنيع المكونات الرأسية وتجميع المكونات الأفقية، مما يعيد بناء إطار التروس ثنائي الأبعاد قبل إكمال الهيكل ثلاثي الأبعاد. تشمل التقنيات الرئيسية في هذه العملية تحديد إطار التروس الأساسي واستخدام عمليات مثل النسخ، والدوران، والتشويه، والتي تعتبر ضرورية لبناء هذه العمارة الصينية التقليدية ذات العوارض المثقوبة.
المناقشة
في هذه الفقرة، تناقش الدراسة تطبيق تقنيات رؤية الآلة لتعزيز نمذجة التراث المعماري الخشبي التقليدي من خلال نهج نمذجة معلومات المباني الذكية (HBIM). تستخدم الدراسة خوارزمية YOLO (You Only Look Once) لاكتشاف الكائنات في صور السحب النقطية ثنائية الأبعاد، مما يمكّن من تحديد وتوضيح مكونات المباني بدلالات معمارية. تسهل هذه العملية استخراج البيانات الأساسية اللازمة لتوليد HBIM تلقائيًا. يحدد نموذج الاكتشاف المكونات الرئيسية، الممثلة كصناديق محيطة، التي تُستخرج منها الميزات الهندسية. تؤكد الدراسة على أهمية تحويل المقياس للحصول على قياسات دقيقة للعالم الحقيقي، باستخدام شريط مقياس في صور السحب النقطية لتأسيس علاقة تحويل بين أبعاد البكسل والأبعاد الفعلية.
يجمع الإطار المقترح بين رؤية الآلة ونموذج ميتا قائم على منطق البناء، مما يسمح بالاستخراج المنهجي لمنطق البناء من برج الطبل دونغ. تتضمن المنهجية عدة خطوات، بما في ذلك تصنيف النماذج الميتا، وإنشاء مكتبة لمكونات الخشب، وتطوير الأطر المكانية-الطوبولوجية. تشير نتائج التحقق إلى أن نهج النمذجة الذكية يحقق تقريبًا 99% من الاكتمال والدقة في توليد HBIM، مما يوضح فعاليته في إنتاج نماذج عالية الجودة تشبه بشكل وثيق بيانات السحب النقطية الأصلية. تسلط الدراسة الضوء على كفاءة الطريقة، حيث تحقق توفيرًا كبيرًا في الوقت مقارنة بالنمذجة اليدوية التقليدية، وتقترح أن دمج الخبرة المعمارية مع رؤية الآلة يمكن أن يتكيف مع أنواع التراث الخشبي المختلفة، مما يوفر حلاً قابلاً للتوسع للبحوث المستقبلية وجهود الحفظ.
DOI: https://doi.org/10.1038/s40494-025-02151-6
Publication Date: 2025-11-17
Author(s): Yi Deng et al.
Primary Topic: 3D Surveying and Cultural Heritage
Overview
The section discusses the challenges faced by Heritage Building Information Modeling (HBIM) in the context of traditional timber architectural heritage, including inefficiencies, inaccuracies, and limitations in the integration of architectural expertise. To address these issues, the authors propose an intelligent framework that combines machine vision, specifically the YOLO algorithm, with an expertise-based metamodel. This metamodel outlines essential data and adaptive algorithms for automating HBIM processes, while machine vision facilitates the detection and acquisition of data from point-cloud images.
The effectiveness of this integrated approach was validated through its application to the Dong Drum Tower, yielding impressive results: for plan views, the detection achieved an F1 Score of 0.928 and Precision of 0.969; for section views, the F1 Score was 0.873 with a Precision of 0.897. The automatically generated models demonstrated approximately 99% completeness and accuracy, alongside a 95% improvement in efficiency. This method shifts from rigid geometric constraints to an expertise-based construction logic, offering a novel solution for data-driven intelligent HBIM that is particularly suited to the diverse and complex nature of traditional timber architectural heritage.
Methods
The methodology for constructing a Hybrid Building Information Modeling (HBIM) model of traditional timber architecture emphasizes the importance of architectural expertise in understanding the construction logic inherent to these structures. The process begins with advanced data acquisition techniques, such as 3D laser scanning and photogrammetry, to capture point cloud data. Architects then analyze this data to identify and classify key structural components, extracting essential geometric and semantic information. Following this, they construct a spatial-topological framework and select appropriate components from an HBIM library, modifying them as necessary to complete the model. Traditional methods of utilizing point clouds are often inefficient, relying on manual tracing, while machine learning approaches face challenges due to variability in component types and point cloud quality.
To enhance the efficiency and accuracy of HBIM modeling, this study proposes a novel framework that integrates machine vision techniques with architectural expertise. By formalizing architectural knowledge into a construction-logic-based metamodel, the methodology provides a structured approach for automated HBIM model generation. This metamodel comprises four elements: meta-objects, meta-attributes, meta-relationships, and meta-methods, which collectively define the modeling environment for traditional timber architecture. The proposed framework not only facilitates the rapid generation of Building Information Models but also optimizes core data identification through a combination of architectural insights and machine vision, thereby addressing the limitations of previous modeling approaches.
Results
The results section discusses the architectural significance and construction methodology of the Dong nationality drum tower, a unique structure found in the Dong communities across Guangxi, Hunan, and Guizhou provinces in China. This drum tower exemplifies a complex and non-modular construction logic that diverges from conventional official-style architecture, presenting challenges for parametric modeling due to the lack of consistent mathematical-geometric relationships. As such, it serves as a representative case study for exploring traditional vernacular timber architecture.
The concept of “real-scale construction” is central to the drum tower’s design and assembly process. This methodology involves a systematic simplification from a three-dimensional framework to a two-dimensional truss framework, ultimately leading to a one-dimensional identification system during the design phase. The construction phase reverses this process, starting from the one-dimensional identification to fabricate vertical components and assemble horizontal components, thereby reconstructing the two-dimensional truss framework before completing the three-dimensional structure. Key techniques in this process include defining the primary truss framework and employing operations such as duplication, rotation, and deformation, which are essential for the construction of this traditional Chinese pierced-purlin architecture.
Discussion
In this section, the research discusses the application of machine vision techniques to enhance the modeling of traditional timber architectural heritage through an intelligent Building Information Modeling (HBIM) approach. The study employs the YOLO (You Only Look Once) algorithm for object detection in 2D point cloud images, enabling the identification and annotation of building components with architectural semantics. This process facilitates the extraction of core data necessary for automated HBIM generation. The detection model effectively identifies key components, represented as bounding boxes, from which geometric features are derived. The study emphasizes the importance of scale conversion for accurate real-world measurements, utilizing a scale bar in the point cloud images to establish a conversion relationship between pixel dimensions and actual dimensions.
The proposed framework integrates machine vision with a construction-logic-based metamodel, allowing for the systematic extraction of construction logic from the Dong drum tower. The methodology involves several steps, including the categorization of metamodels, the establishment of a timber component library, and the development of spatial-topological frameworks. The validation results indicate that the intelligent modeling approach achieves approximately 99% completeness and accuracy in HBIM generation, demonstrating its effectiveness in producing high-integrity models that closely resemble the original 3D point cloud data. The study highlights the method’s efficiency, achieving significant time savings compared to traditional manual modeling, and suggests that the integration of architectural expertise with machine vision can adapt to various timber heritage typologies, providing a scalable solution for future research and conservation efforts.