Exploring the potential of AI utilization in the interpretation and digitization of legacy drawings

No Thumbnail Available

Files

URL

Journal Title

Journal ISSN

Volume Title

Insinööritieteiden korkeakoulu | Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2024-04-21

Department

Major/Subject

Kone- ja rakennustekniikka

Mcode

ENG3043

Degree programme

Insinööritieteiden kandidaattiohjelma

Language

en

Pages

33

Series

Abstract

The development of computer-aided design software has influenced the way mechanical design is carried out today. Before the commercialization of modern parametric design software, technical drawings were produced by hand. Utilizing these documents in the modern work-flow presents challenges. This work is based on drawings of old equipment from Metso, a company providing technology solutions to the mining industry. The drawings are only available as scanned two-dimensional documents. In order to optimize work efficiency, three-dimensional models should also be available to allow modern software to be used in future projects. This thesis is a literature review on the potential of AI in the digitization and interpretation of hand-drawn technical drawings. Until now, digitization has been done manually, which is a very laborious process. The aim of this thesis is to study what AI solutions have been developed for digitizing drawings and how they can address the challenges posed by hand-drawn documents. The literature review has been based on research reports from different periods in the field as well as on relevant literature. Artificial intelligence, especially computer vision, has progressed considerably in recent years, with particularly impressive results in image recognition. In the medical field, AI-based diagnostics have improved workflow and the assessment of the urgency of patient care. AI has also outperformed experts in areas such as detecting abnormalities in X-rays. Deep learning algorithms, such as convolutional neural networks, can be taught to efficiently identify desired objects. A variety of software has also been developed for interpreting and digitizing technical drawings, but no commercial product fully achieves the desired task. The complex structure of technical drawings, which requires engineering understanding, combined with the noise and degradation in old drawings, cause problems for many automated digitization programs. The results are potentially unreliable and therefore not directly usable. Many generative AI software tools are available for creating 3D models, generating models from images, text or code. By combining the software used to vectorize drawings with generative AI software, the desired object can be produced. However, it should be noted that an accurate result can only be achieved for simpler drawings. AI algorithms offer strong potential to address this problem, but they still need to be developed to ensure that the challenging characteristics of the drawings do not cause errors in the process.

Tietokoneavusteisten suunnitteluohjelmistojen kehitys on vaikuttanut siihen, miten mekaniikkasuunnittelu nykypäivänä toteutetaan. Ennen modernien parametristen suunnitteluohjelmien kaupallistumista tekniset piirrokset tuotettiin käsin. Näiden dokumenttien hyödyntäminen nykypäivänä tuo haasteita. Tämä työ pohjautuu kaivosteollisuudessa teknologiaratkaisuja tarjoavan yrityksen, Metson, vanhojen laitteiden piirroksiin, jotka ovat saatavilla ainoastaan skannattuina kaksiulotteisina dokumentteina. Työskentelyn tehokkuuden optimoimiseksi tulisi niistä olla saatavilla myös kolmiulotteiset mallit, jotta moderneja ohjelmistoja voitaisiin hyödyntää tulevissa projekteissa. Tämä kandidaatintyö on kirjallisuustutkimus, jossa käsitellään tekoälyn hyödyntämismahdollisuuksia käsin tuotettujen teknisten piirrosten digitoinnissa ja tulkinnassa. Digitointia on tähän mennessä toteutettu manuaalisesti, mikä on erittäin työläs prosessi. Työn tavoitteena on selvittää, millaisia tekoälyratkaisuja piirrosten digitointiin liittyen on kehitetty ja miten ne pystyvät vastaamaan käsinpiirrettyjen dokumenttien asettamiin haasteisiin. Kirjallisuustutkimuksessa on hyödynnetty aineistona alan tutkimusraportteja eri aikakausilta sekä aiheeseen kuuluvaa kirjallisuutta. Tekoäly, erityisesti konenäkö, on kehittynyt paljon viimeisten vuosien aikana, ja erityisesti kuvantunnistuksessa on saatu vakuuttavia tuloksia. Lääketieteen alalla on kehitetty diagnostiikkaa tekoälyä hyödyntäen, mikä on parantanut työnkulkua sekä tehostanut potilaiden hoidon kiireellisyyden arvioimista. Tekoäly on myös saavuttanut parempia tuloksia asiantuntijoihin verrattuna muun muassa poikkeavuuksien havaitsemisessa röntgenkuvissa. Syväoppimisalgortimeja, kuten konvoluutioneuroverkkoja, pystytään opettamaan tunnistamaan tehokkaasti haluttuja objekteja. Erilaisia ohjelmistoja on myös kehitetty teknisten piirrosten tulkitsemiseen ja digitointiin, mutta yksikään kaupallinen tuote ei suoriudu kokonaisuudessaan toivotusta tehtävästä. Teknisten piirrosten monimutkainen, insinöörin ajattelumallia ja ymmärryskykyä vaativa rakenne, yhdistettynä vanhojen piirrosten sisältämään kohinaan ja kulumaan, aiheuttaa monille automatisoiduille digitointiohjelmille hankaluuksia. Tulokset ovat mahdollisesti epäluotettavia eikä täten suoraan hyödynnettävissä. Kolmiulotteisten mallien luomiseen on saatavilla monia generatiivisia tekoälyohjelmistoja, jotka tuottavat malleja kuvien, tekstin tai koodin perusteella. Yhdistämällä piirrosten vektorisoinnissa käytettävä ohjelmisto ja generatiivinen tekoälyohjelma voidaan tuottaa haluttu osa tai kokoonpano. On kuitenkin huomioitava, että täsmälliseen lopputulokseen päästään vain yksinkertaisempien piirrosten tapauksessa. Tekoälyalgoritmit tarjoavat ongelmaan vahvasti potentiaalia, mutta ne vaativat vielä kehitystä, jotta piirrosten haasteelliset ominaisuudet eivät aiheuttaisi prosessissa virheitä.

Description

Supervisor

Viitala, Raine

Thesis advisor

Karhinen, Aku

Keywords

technical drawing, AI, neural networks, CNN, digitization

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202406184451

Collections

[kand] Insinööritieteiden korkeakoulu / ENG