买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉清华大学申请的专利BIM模型的图结构表示及模型错误识别方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120976673B 。

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511078702.6，技术领域涉及：G06V10/774；该发明授权BIM模型的图结构表示及模型错误识别方法及装置是由林佳瑞;韩进;陆新征设计研发完成，并于2025-08-01向国家知识产权局提交的专利申请。

本BIM模型的图结构表示及模型错误识别方法及装置在说明书摘要公布了：本申请涉及BIM智能设计与深度学习技术领域，特别涉及一种BIM模型的图结构表示及模型错误识别方法及装置，其中，方法包括：根据BIM模型中不同类型构件的构件信息提取各类构件之间的语义特征、空间特征和拓扑特征；基于语义特征、空间特征和拓扑特征，生成对应的图结构表示，并利用图结构表示构建训练数据集；利用训练数据集训练预训练图神经网络模型，以得到训练后的训练模型，并利用训练后的训练模型进行迁移学习，以利用迁移学习模型识别BIM模型的错误识别目标。由此，解决了相关技术中，BIM模型特有的复杂语义、空间及拓扑特征带来难以忽视的挑战，无法完美适用于BIM模型特征的预训练与迁移学习模型等问题。

本发明授权BIM模型的图结构表示及模型错误识别方法及装置在权利要求书中公布了：1.一种BIM模型的图结构表示及模型错误识别方法，其特征在于，应用于模型训练阶段，其中，所述方法包括以下步骤： 根据建筑信息模型BIM模型中不同类型构件的构件信息提取各类构件之间的语义特征、空间特征和拓扑特征； 基于所述语义特征、空间特征和拓扑特征，生成所述BIM模型的图结构表示，并利用所述图结构表示构建适用于预训练图神经网络模型的训练数据集； 利用所述训练数据集训练所述预训练图神经网络模型，以得到训练后的训练模型，并利用所述训练后的训练模型进行迁移学习，以得到迁移学习模型，以利用所述迁移学习模型识别所述BIM模型的错误识别目标； 其中，所述基于所述语义特征、空间特征和拓扑特征，生成所述BIM模型的图结构表示，包括： 将所述不同类型构件对应转化为所述图结构表示中的图节点，并基于所述语义特征，得到所述图节点的节点属性； 基于所述空间特征或所述拓扑特征，得到所述图结构表示中的图边，并基于邻近构件间的局部空间关系，得到所述空间特征对应图边的空间边属性； 基于所述拓扑特征中的嵌套关系、连接关系和垂直关系，获取所述拓扑特征对应图边的拓扑边属性； 基于所述图节点、所述节点属性、所述图边、所述空间边属性和所述拓扑边属性中的至少一个，得到所述图结构表示； 所述利用所述训练数据集训练所述预训练图神经网络模型，以得到训练后的训练模型，包括： 利用所述训练数据集生成对应的遮蔽数据集； 将所述遮蔽数据集输入至所述预训练图神经网络模型的编码器中，以利用所述编码器生成所述遮蔽数据集中图节点的第一高维表征和或边属性的第二高维表征； 将所述第一高维表征和或所述第二高维表征输入至所述预训练图神经网络模型的解码器中，以利用所述解码器对所述遮蔽数据集中被遮蔽图节点和被遮蔽图边进行重构，以得到重构后的图节点和重构后的图边； 基于所述训练数据集、所述遮蔽数据集、所述重构后的图节点和所述重构后的图边，得到所述训练后的训练模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人清华大学，其通讯地址为：100084 北京市海淀区清华园1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。