汽车线束图纸挂板图生成
Wiring Harness Drawing & Board Generation
让 AI 看懂线束图 · 智能体探查预处理原型
汽车线束图纸承载了大量非标、跨平台、强连接的工程信息，从图纸到生产挂板图长期依赖人工读图、整理与绘制。我们已实现「智能体探查预处理」原型——直接读取原始原理图，自动识别时间候选、几何关系、标签包围盒与上下游连接，输出结构化 Excel 物料表。理解线束图，是工业图纸 AI 化的关键难点之一。
本项目与其他系统的关系
明确标注本项目在产品体系中的上下游位置，方便一眼看清每个系统如何互相支撑。
核心模块
原始原理图（输入）
智能体探查 UI（处理）
Excel 物料提取结果（输出）
行业现状与痛点
线束行业不缺 CAD 工具，缺的是能真正看懂图纸、提取 BOM、校验连接关系并生成挂板图的系统。
图纸非标
客户图纸、历史图纸、跨平台图纸表达不统一，难以直接自动处理。
BOM 依赖人工
物料信息分散在图形、标注、表格和注释中，仍需人工整理。
连通关系复杂
线号、孔位、端子、分支路径之间的关系不是简单 OCR 可以解决的。
挂板图人工出图
生产挂板图仍大量依赖设计人员手工理解、布局、绘制和修正。
如果 AI 能看懂线束图
这不是效率优化，而是工作方式改变。过去是工程师读图出图，未来将是 AI 理解图纸并自动生成生产结果。
为什么这件事极难
这不是识图问题，而是工程语义理解问题。线束图同时包含图形、文本、物料、连接关系、工艺规则和生产要求。
国内外目前进行到哪了
行业已经有很多工具，但缺少"非标图纸 → AI 理解 → 生产结果"的关键一层。
| 类型 | 当前能力 | 主要短板 | 状态 |
|---|---|---|---|
| 国际线束软件 | 设计、BOM、制造文档、装配资料 | 强在规范化设计流程，不擅长反向理解非标图纸 | 设计强 |
| 国内线束 CAD/CAPP | 绘图、工艺辅助、BOM 输出、工装板图 | 仍高度依赖工程师操作与判断 | 辅助强 |
| 工程图 AI | OCR、表格识别、尺寸提取、局部理解 | 不懂线束对象、连接关系与挂板图工艺 | 通用强 |
| 自动化设备厂商 | 裁线、压接、检测、装配 | 解决生产动作，不解决上游图纸理解 | 制造强 |
| 我们要做的 | 图纸理解、BOM、连通性校验、挂板图生成 | 补上图纸到生产之间缺失的 AI 理解层 | 空白层 |
核心能力
智能体探查预处理：把非标原理图自动转换为结构化 Excel 物料表——从数据准备到实体对比的 9 步自动探查。
原始图纸直接输入
接受客户非标原理图（CONTOUR/EXP/VT/RD/PD），无需先做规范化转换。
时间候选筛选
通过过滤器在 CONTOUR 信息中筛出 1s/3s/5s/10s 等时间候选点。
几何工具构建
compute_stats 计算 bbox medium-2/0/8/15/30 等多组几何参数，支撑后续关联。
上下游关联验证
upstream_validation + xlh_bbox 校验几何与目录结构是否一致。
多变体自适应
default / adaptive / adaptive_light / adaptive_loose 四种变体自动运行，适配不同图纸。
Excel 物料表输出
输出线号、规格、线种、颜色、左右功能件 / 端子 / 防水栓完整字段。
智能体探查：从原理图到结构化数据
智能体按"数据准备 → 前置 Refine → 时间候选 → 几何工具 → 关联验证 → 目录生成 → 多变体 → 算法选择 → 应用层 → 验证"逐步执行，把非标原理图转换为 Excel 物料表。
内容持续更新中
该产品的介绍内容已基于内部资料整理上线，以下为后续可继续深化的方向：
其他产品与方案
浏览贤码智能在其他领域的 AI 产品与解决方案