基于ComfyUI的工程图纸智能处理系统

【摘要】工程信息化加速，图纸智能处理需求增长；传统方法自动化低、流程复杂、门槛高。本文提出基于 ComfyUI 的工程图纸智能处理系统，采用三层架构：智能节点服务层、ComfyUI 服务层、工作流管理层。借助节点化工作流与多算法集成，实现对 CAD、PDF 等格式的自动识别、分析与处理。系统整合版面分析、OCR、图框拆解、LLM 语义理解，并提供可视化编排与模板，提升效率与智能化，降低门槛。实验结果显示，其在实际场景表现良好、具备推广前景，为图纸智能处理与 BIM 集成提供新路径。

【关键词】ComfyUI；工程图纸；智能处理；节点化工作流；算法服务

【中图分类号】TU17   【文献标识码】 A   【文章编号】1674-7461(2023)-0000-00

【DOI】10.16670/j.cnki.cn11-5823/tu.2023.00.00（具体编号编辑填）

引言

工程图纸是设计、施工与运维的法定依据，其数字化与语义化远非一键导出，而是由解析、矫正、分割、定位、识别、理解与校核等环节构成的复杂系统，近年来研究多聚焦单点突破：如为空间识别训练一个深度学习模型[1]，为“标签-构件”匹配[2]，为多张图纸的文本提取提出自动提取方法[3]，这些研究提示我们：若能打通环节，将分散算法像积木拼装为可复现、可迁移的端到端流程，便有望让图纸使数字化更稳健、可持续。

随着 AI 与节点化工作流成熟，算法可封装为复用节点、管线拖拽编排并可视迭代。ComfyUI 开源、低门槛、可扩展，本文将版面分析、OCR、图框拆解、LLM 语义统一为标准节点，构建面向工程图纸的端到端、可复现、可扩展的智能系统。

1 系统结构

1.1 系统总体架构

系统由智能节点、编排、管理三层构成，形成处理闭环（见图1）。数据层与应用层仅是外部输入与调用方，不属系统内部。系统只暴露节点或 API，不绑定业务逻辑，体现“可拔插、开放”。

图1 系统总体架构

1.2  系统功能架构

1.2.1 智能节点服务层

智能节点服务层是系统的核心计算引擎，将图纸处理算法微服务化，封装为独立 API。

1.2.2 工作流编排层（ComfyUI）

工作流编排层基于ComfyUI实现，是用户与系统交互的主要界面。将算法节点化，支持可视化组合、参数配置、实时预览与扩展。

1.2.3 工作流管理层

工作流管理层负责工作流的全生命周期管理，负责工作流导入、发布、调度与监控，向上提供标准化 API 接入。

1.3  系统数据流

从用户上传 PDF/DWG/DXF → 数据层解析与图像化 → 进入编排层，ComfyUI 按流程调用算法，节点输出实时呈现 → 调试完成后将工作流 JSON 交管理层，自动提取元数据、校验并生成 RESTful 路由发布 → 外部系统以标准 API 触发托管工作流，实现从图纸输入到结构化结果的自动化。

2 核心模块

2.1 算法服务

算法服务模块负责模块微服务化、容器独立部署与扩展。具体包括：

2.1.1 图纸版面分析

采用目标检测方法，将工程图纸自动划分为“会签栏、图签栏、说明、子图”4 个区域。

2.1.2 OCR 识别

基于PaddleOCR，支持文本检测、方向校正与字符级识别，输出文本内容、置信度、位置及可视化标注。

2.1.3 图纸方向检测

使用 PPLCNet 分类网络，对 0°/90°/180°/270° 方向进行自动识别与旋转校正。

2.1.4 LLM 语义理解

集成 DIFY+通义，经 API 做语义理解、参数抽取与结构化。

2.1.5 图框拆解

基于 DXF 空间与边界框，启发式/面积阈值定位拆分，批量生成子图。

2.1.6 子图版面分析

对子图区域再次进行目标检测，识别“子图名、构造做法、外部尺寸、引出标注”4 个类别区域。

2.2 工作流编排

工作流编排模块基于ComfyUI框架，提供了提供可视化节点系统，节点代表步骤，数据流连接。具体包括以下自定义节点：

2.2.1 PDF上传解析节点

上传指定页，转高分辨率图像。

2.2.2 DWG/DXF上传解析节点

加载DWG/DXF等CAD文件。DWG解析基于ODA技术，DXF解析使用ezdxf库。

2.2.3 3图纸区域过滤节点

按类别筛选与裁剪，输出裁剪图与结果。

2.2.4 图纸版面分析节点

调用上述图纸版面分析算法服务，版面结构检测，自动识别会签栏、图签栏、说明、子图等区域。

2.2.5 子图版面分析节点

调用上述子图版面分析算法服务，对子图区域进行结构化分区，自动检测子图名、构造做法、外部尺寸、引出标注等类别区域。

2.2.6 字符级OCR识别节点

输出文本、结构化与标注图。

2.2.7 图纸方向检测节点

调用上述图纸方向检测算法服务，识别与校正方向，附置信度。

2.2.8 LLM语义理解节点

调用上述LLM语义理解算法服务，对OCR识别结果或用户输入文本进行语义理解、参数抽取和结构化解析。

2.2.9 DXF图框拆解节点

调用上述图框拆解算法服务，自动识别拆分，批量输出子图。

2.3 工作流管理

工作流管理模块，统一 REST API、ComfyUI 通信、数据与配置：对外覆盖导入/查询/发布/执行；对内经 HTTP/WebSocket 提交、监控与结果回传；数据用 JSON 文件系统；配置支持环境变量与文件，保障多环境稳定与资源分配。

3 研究实例

为验证本文方法的可行性，以 “PDF 图纸关键信息提取”为实例，通过 ComfyUI 可视化工作流实现自动化处理。

图2 PDF 工程图纸图签栏关键信息工作流

3.1 PDF 工程图纸图签栏关键信息智能提取

验证对 PDF 图签栏结构化提取；流程含解析、区域识别、OCR、语义。

3.1.1 PDF 上传解析

输入路径/页码/分辨率，渲染指定页为高清图（支持灰度/RGB）。

3.1.2 图纸版面分析

通过 “图纸版面分析节点” 调用目标检测算法，检测会签栏、图签栏、说明、子图四区，定位图签栏范围。

3.1.3 图纸区域过滤

基于版面分析结果，通过 “区域过滤节点” 配置 “仅保留图签栏” 规则，仅保留图签栏，输出局部图与过滤数据，降低 OCR 干扰。

3.1.4 OCR 识别

“OCR 识别节点” 对图签栏图像进行文字识别，提取图纸编号、项目名称、设计单位、日期等文本信息；

3.1.5  LLM 语义理解

“LLM 语义理解节点”结合预设模板（如 “提取【图纸编号】：XXX”），将识别文本转换为结构化数据（如 JSON 格式：{"图纸编号":"GS-2023-001","项目名称":"XX 产业园","设计单位":"XX 设计院","日期":"2023-10-01"}）。

3.1.6 工作流配置与 API 发布

设输入/输出节点，导出工作流 JSON；管理系统导入并生成 API，外部可调用。

3.1.7 验证

如图2所示，ComfyUI完整跑通了一条从PDF输入到结构化输出的链路：上传后自动定位图签栏、裁剪、OCR识别并生成结构化结果，全过程在图中以绿色节点高亮，验证了流程的可行性。 

4  总结与展望

本文基于 ComfyUI 构建“算法服务—编排—管理”三层架构，以 PDF 图签提取与 DXF 图框拆分验证其高效可行，补齐工程图纸处理空白。系统创新性采用松耦合节点化设计，将版面分析、高精度 OCR 识别、智能图框拆解、LLM 语义理解等核心能力模块化封装，既打破传统图纸处理工具的功能割裂问题，又通过可视化流程编排统一操作标准，大幅降低非专业人员的使用门槛，同时提升批量图纸处理效率与结果一致性。依托跨平台适配特性，系统可灵活部署于本地服务器与云端环境，支持零代码快速发布标准化 API，满足不同场景下的集成需求。 该架构深度契合工程领域数字化转型需求，解决了传统图纸处理中人工依赖度高、数据结构化不足、跨系统复用难等痛点。后续将重点研发构件级图元语义识别与空间关系建模技术，扩充钢筋、管线、标注等专项处理节点库，进一步提升图纸数据解析的深度与精度。同时依托标准 RESTful 接口，向 BIM 建模、模型审查、工程量计算、施工进度模拟等下游应用输送结构化、可追溯、易复用的图纸数据，构建从原始图纸采集、智能解析到场景化应用的完整闭环，为工程建设全生命周期的数字化管理提供高效数据支撑。

参考文献

[1] 高铭, 张荷花, 张庭瑞, 张轩铭. 基于深度学习的公共建筑像素施工图空间识别[J]. 图学学报, 2022, 43(2): 189-196.

[2] 张荷花, 顾明, 孙家广. CAD图纸的标签与构件匹配方法和装置: 中国, CN201911345596.8[P]. 2023-06-20.

[3] 李锐, 李文强, 漆小华, 王萌, 宋悦刚, 刘漾. 面向多张CAD图纸的文本信息自动提取与实现[J]. 工程设计学报, 2021, 28(2): 148-154.

【作者简介】吴晓宇(1986–)，男，高级工程师，主要研究方向：人工智能与BIM智能化应用。

ComfyUI-Based Intelligent Engineering Drawing Processing System

Xiaoyu Wu1,2, Fan Yang1,2, Yao Liu1,2, Xingsen Yu1,2, Jiaming Li1,2

（1. PowerChina Huadong Engineering Co., Ltd., Hangzhou 311122, China;

2. Zhejiang Huadong Engineering Digital Technology Co., Ltd., Hangzhou 311122, China)

Abstract：As engineering digitalization accelerates, the demand for intelligent drawing processing is growing; traditional methods suffer from low automation, complex workflows, and high entry barriers. This paper proposes an intelligent engineering drawing processing system based on ComfyUI, adopting a three-layer architecture: an intelligent node service layer, a ComfyUI service layer, and a workflow management layer. By leveraging node-based workflows and integrating multiple algorithms, the system enables automatic recognition, analysis, and processing of formats such as CAD and PDF. It integrates layout analysis, OCR, frame decomposition, and LLM-based semantic understanding, and provides visual orchestration and templates to improve efficiency and intelligence while lowering barriers to use. Experimental results show strong performance in real-world scenarios and promising prospects for adoption, offering a new pathway for intelligent drawing processing and BIM integration.

Keywords： ComfyUI; engineering drawing; intelligent processing; node-based workflow; algorithm service