Modello di Rete Neurale Automatizza il Rilevamento dell'Illuminazione in Piante 2D

Un team di ricerca ha sviluppato un modello basato su rete neurale per rilevare automaticamente i simboli di illuminazione, identificare i tipi di luce ed estrarre il testo associato da piante 2D. Il modello, basato su Mask RCNN, è stato addestrato su immagini annotate convertite in formato COCO. Ha raggiunto una precisione media media (bbox_mAP) di 0,7596 e una mAP di segmentazione (segm_mAP) di 0,7111, con punteggi più elevati a soglie IoU più rigorose (bbox_mAP 50: 0,9850, segm_mAP 75: 0,9219). Questo strumento mira a semplificare i flussi di lavoro architettonici e di costruzione riducendo i tempi di progettazione e consentendo una stima efficiente dei requisiti di potenza illuminotecnica per piano. La ricerca è dettagliata in un articolo disponibile su arXiv (ID: 2608.14317), annunciato come invio incrociato. Le prestazioni del modello suggeriscono un'applicabilità pratica per le industrie che si affidano all'analisi di piante.