SmartArch AI systemflyt

1. Generell flyt

Dette systemet er en AI-drevet, ende-til-ende automatisert plattform som muliggjør digital analyse av arkitektoniske planer. Etter innlogging fullfører brukerne betalingstransaksjonen (POS), og laster deretter opp sine arkitektoniske planer (i PNG/JPG-format) for å igangsette analyseprosessen. Systemet analyserer de opplastede planene, identifiserer, klassifiserer og evaluerer de arkitektoniske og strukturelle elementene, og presenterer resultatene for brukeren som ulike utdata (DXF, PDF, PNG).

2. SYSTEMFLYT

2.1 Innlogging → POS

Systemet starter med en sikker brukerautentiseringsmekanisme. Bruker: • Logger seg inn i systemet • Blir omdirigert til betalingsskjermen (Virtuell POS) • Får tilgang til analyse etter betaling (f.eks. 3 prosjekter)

2.2 Elektronisk faktura → Post

Etter betaling utfører systemet automatisk følgende: • Oppretter en elektronisk faktura • Sender fakturaen til brukerens e-postadresse

2.3 PNG-opplasting (Planopplasting)

Bruker: • Laster opp arkitektoniske planer i PNG- eller JPG-format

3. UTVEKSLING AV ARKITEKTONISKE ELEMENTER FRA BILDER

Dette er kjernen i systemet. Oppdagede elementer: • Dør • Vindu • Vegg • Akse og aksepunkt • Trapper • Heissjakt Denne prosessen: • Starter med YOLO eller tilsvarende objektdeteksjonsmodell • Relasjoner etableres ved hjelp av en relasjonsmodell • Konfidenspoeng beregnes med en Ensemble- og Bayesiansk modell For hvert element: • Tildeles en ID • Plassering fastsettes • Konfidenspoeng (%) beregnes

4. KONKLUSJON

Systemet etter analyse: • Oppsummerer alle resultater • Presenterer et meningsfullt resultat til brukeren

5. ELEMENTER MED LAV KONFIDENSPOENG

En viktig komponent i diagrammet: «Individer under terskelen kan elimineres» Dette innebærer: • Elementer med lavt konfidenspoeng • Kan slettes automatisk eller manuelt av brukeren Denne funksjonaliteten: • Reduserer falske positiver • Forbedrer analysekvaliteten

6. REANALYSE

Bruker: • Fjerner feilaktige elementer • Initierer systemet på nytt Dette utgjør en svært viktig funksjon: • Skaper et hybridsystem mellom menneske og kunstig intelligens • Legger til rette for kontinuerlig forbedring

7. UTGANGER

Systemet leverer resultater i følgende formater:

8.1 DXF

• CAD-kompatibelt • Akser representeres som enkle linjer • Kolonne/vegg organiseres i separate lag

8.2 PDF

• Rapport • Visualisering

8.3 PNG

• Behandlet plan

8.4 HELE PAKKEN

• Alle resultater samlet i ZIP-format

Denne forklaringen vises automatisk i henhold til språket som ble valgt ved inngangen.

SmartArch AI interactive plan editing flow

1. FLYTSKEMA: PNG/JPG-PLANOPPLASTING OG SYSTEM FOR TILLEGG AV ARKITEKTURELEMENTER

SmartArch AI interactive architectural element editing flow

Dette diagrammet illustrerer flyten i et interaktivt system som ikke bare automatisk analyserer arkitektoniske planer, men også gir mulighet for direkte brukerredigering. I motsetning til tradisjonelle AI-baserte metoder for arkitektonisk analyse, fungerer systemet ikke kun etter prinsippet om å «oppdage og produsere resultater». Det gir i stedet brukeren aktiv innflytelse i planen ved å redigere eksisterende elementer og legge til nye arkitektoniske komponenter. Prosessen som fremkommer i diagrammet, består av tre hovedkomponenter: 1. PNG/JPG-planopplasting 2. Integrering av arkitektoniske elementer i bildet 3. Brukerassistert redigering og utvikling Gjennom denne tilnærmingen transformeres systemet fra et enkelt analyseverktøy til en interaktiv plattform for arkitektonisk design. Brukeren presenteres ikke bare for AI-genererte resultater basert på den opplastede planen, men har også mulighet til å kontrollere, endre, slette og legge til nye elementer i planen.

2. PLANOPPLASTING: PNG / JPG

Etter dette trinnet laster brukeren ikke bare opp en fil; de får tilgang til et arkitektonisk planområde i systemet hvor de kan arbeide videre. Planen omdannes til en levende og interaktiv overflate for brukeren.

3. AUTOMATISK + MANUELLT HYBRIDSYSTEM

Det mest sentrale ved dette systemet er kombinasjonen av kunstig intelligens og brukerintervensjon i én og samme arbeidsflyt. Systemet fungerer ikke som en lukket struktur som fatter helt automatiske beslutninger, men involverer brukeren aktivt i prosessen. Denne tilnærmingen fungerer slik: • Systemet analyserer automatisk den opplastede planen. • Det forsøker å identifisere arkitektoniske elementer som vegger, dører og vinduer. • De oppdagede elementene vises på planen. • Brukeren vurderer elementene. • Feil kan slettes. • Manglende elementer kan legges til manuelt. • Nye vegger, dører eller vinduer kan opprettes etter behov. Strukturen bygger på en logikk der AI og brukersamarbeid kombineres. Kunstig intelligens leverer rask og automatisk innledende analyse, mens brukeren forbedrer denne analysen med arkitektonisk kompetanse og visuell kontroll. På denne måten fungerer systemet både effektivt og med høy kontroll. Dette er essensielt fordi automatiske AI-resultater alene ofte ikke er tilstrekkelige. Enkelte linjer i arkitektoniske planer kan ligne hverandre; en vegglinje kan forveksles med en akselinje, døråpninger kan ha ulike uttrykk i forskjellige tegnestiler, og vindussymboler kan variere mellom prosjekter. Derfor øker brukerens inngrep påliteligheten av resultatene betydelig.

4. INTEGRASJON AV ARKITEKTURELEMENTER I BILDET

Begrepet «Legge til nye elementer i den arkitektoniske planen» som angis i midtseksjonen av diagrammet, representerer systemets kjernefunksjon. I denne fasen legges arkitektoniske elementer til, behandles eller redigeres på det opplastede PNG/JPG-planbildet. Prosessen kan utføres på to måter: 4.1 Automatisk integrasjon Den kunstige intelligensmodellen analyserer planen og identifiserer arkitektoniske elementer i bildet, for eksempel: • Gjenkjenner eksisterende vegger. • Oppdager døråpninger. • Oppdager vindustegninger. • Uttrekker grunnstrukturen til planen. Systemet behandler disse elementene som separate lag i bildet, hvilket gir brukeren en tydelig oversikt over plasseringen av hvert element på planen. 4.2 Manuell integrasjon Brukeren har mulighet til å legge til nye elementer i planen. Denne funksjonaliteten er en av systemets mest sentrale egenskaper. Brukeren er ikke begrenset til de elementene kunstig intelligens genererer, men kan selv videreutvikle planen etter egne behov. Følgende handlinger kan utføres av brukeren: • Legge til en ny vegg. • Opprette en åpning for dør i eksisterende vegg. • Legge til et vindu i eksisterende vegg. • Slette feilaktig tilførte elementer. • Redigere nylig tilførte elementer. • Teste og evaluere resultatet før beslutning tas. Denne funksjonaliteten gjør at systemet ikke bare egner seg til analyse, men også til design og korrigering.

5. PRØVING-OG-FEILING-MEKANISME

Dette systemet pålegger ikke brukeren å ta en endelig beslutning umiddelbart. Brukeren kan eksperimentere med planen, vurdere resultatet, slette det dersom det ikke er tilfredsstillende, og legge det til på nytt. Prøving-og-feiling-prosessen fungerer som følger: 1. Brukeren legger til et element. 2. Systemet viser elementet i planen. 3. Brukeren vurderer det visuelle resultatet. 4. Dersom elementet ikke passer, slettes det. 5. Elementet legges til igjen på et annet sted.

6. Prosessen gjentas inntil ønsket resultat oppnås.

Denne tilnærmingen er særdeles viktig for arkitektoniske planer, da det i enkelte tilfeller kan være utfordrende å fastslå korrekt plassering av dør eller vindu ved første forsøk. Gjennom å prøve ulike alternativer kan brukeren identifisere den mest hensiktsmessige layouten. Prøving-og-feiling-systemet tilbyr følgende fordeler: • Gir brukeren frihet. • Gjør feilaktige operasjoner ikke-permanente. • Legger til rette for designiterasjon. • Forenkler oppnåelse av et presist resultat. • Sikrer at brukeren kan arbeide trygt med planen. Takket være denne funksjonaliteten fremstår systemet som både fleksibelt og brukervennlig. 6. BRUKER + AI SAMARBEIDSPLAN Den endelige planen er ikke kun et automatisk generert resultat fra kunstig intelligens, men også et produkt forbedret gjennom brukerintervensjon. Planen kan bestå av tre grunnleggende lag: 1. Originalt planbilde 2. Arkitektoniske elementer identifisert av kunstig intelligens 3. Elementer lagt til eller redigert av brukeren Denne lagdelte strukturen gjør det mulig for systemet å administrere endringer på en mer systematisk måte. For eksempel kan en vegg lagt til av brukeren opprettholdes i et eget lag, mens dører identifisert av kunstig intelligens registreres som separate ressurser. Dermed kan man spore hvilke elementer som er generert av systemet, og hvilke som er lagt til av brukeren. Dette sporingssystemet er avgjørende for fremtidig rapportering, mulighet for angrehandlinger, reanalyse og generering av resultater.

7. KONKLUSJON

Systemet som illustreres i dette diagrammet er ikke bare et enkelt AI-verktøy for lesing og analyse av arkitektoniske planer. Det er en interaktiv plattform for arkitektonisk design som plasserer brukeren i sentrum av prosessen, tillater direkte inngripen i planen, og muliggjør optimalisering gjennom prøving og feiling. Systemet: • Utfører mer enn bare analyser. • Involverer brukeren aktivt i prosessen. • Legger til rette for å legge til nye vegger. • Muliggjør åpning av dører og vinduer i eksisterende vegger. • Gir mulighet for å slette og revidere handlinger. • Kombinerer kunstig intelligens med menneskelig kontroll. • Produserer en mer presis og optimalisert plan. Denne tilnærmingen er betydelig mer avansert enn tradisjonelle AI-systemer, ettersom brukeren ikke bare er en passiv mottaker av resultatet, men en aktiv aktør som utvikler, korrigerer og styrer planprosessen.

This explanation is displayed according to the selected site language for the second flow diagram.

SmartArch AI konklusjons-, filtrerings- og nedlastingsflyt

3. Flyt: konklusjon, filtrering og nedlasting

SmartArch conclusion filtering and download flow

Målet med denne delen er ikke å akseptere de første resultatene produsert av kunstig intelligens som endelige, men heller å gi brukeren mulighet til visuelt å undersøke disse resultatene, kontrollere dem mot en liste, eliminere kandidater med lav nøyaktighet, eventuelt analysere på nytt med gjenværende deteksjoner, og til slutt laste ned DXF/PDF/PNG-filer.

1. Hovedlogikk etter analyse

Etter å ha analysert en arkitektonisk plan genererer systemet en rekke kandidatdeteksjoner. Disse kandidatene kan omfatte dører, vinduer, vegger, aksepunkter, søyler, fasader, trapper, heissjakter eller andre arkitektoniske strukturelle elementer. Det er imidlertid viktig å merke seg at ikke alle deteksjoner i kunstig intelligens-modeller bør anses som definitivt korrekte. Derfor presenterer systemet en kontrollskjerm for brukeren etter analysen. Denne kontrollskjermen består av to hovedområder: • Visuell resultatliste: Visuelle resultater markert på planen. • Deteksjonsliste: En tabelloversikt over kandidatelementer identifisert av kunstig intelligens. Takket være denne strukturen får brukeren ikke bare et bilde, men også informasjon om ID, type, konfidenspoengsum, koordinat, størrelse og kilde for hver kandidat.

2. Område for visuelle resultater

Delen «Visuelle resultater» nederst til venstre i diagrammet viser den behandlede versjonen av den analyserte arkitekturplanen. Systemet gjengir her de oppdagede elementene direkte på planen. Hvert kandidatobjekt vises med fargede linjer, bokser, etiketter eller ID-numre. Hovedformålet med dette området er å gi brukeren mulighet til visuell inspeksjon av systemets resultater. Hvis for eksempel et vindu feilaktig er identifisert som en dør, kan dette tydelig observeres på planen. Tilsvarende vil en veggseksjon som feilaktig er markert som et aksepunkt, enkelt kunne oppdages i dette området.

3. Deteksjonsliste

Delen «Deteksjonsliste» ved siden av det visuelle resultatområdet viser alle kandidatelementer som kunstig intelligens har identifisert, presentert i tabellformat. Denne tabellen øker systemets transparens ved at brukeren ikke bare ser resultatet «systemet fant dette», men også hvor sikker systemet er på hver deteksjon. Listen er spesielt nyttig for manuell korrigering, hvor brukeren kan velge å slette kandidater med lav poengsum, fjerne feilklassifiserte elementer eller initiere en ny analyse basert på de gjenværende kandidatene.

4. Konfidenspoenglogikk

Et sentralt konsept i diagrammet er konfidenspoengsummen, som angir i prosent hvor sikker den kunstige intelligensen er på et funn. Eksempler inkluderer: • 96 % konfidenspoeng: Systemet er høyst sikkert på funnet. • 75 % konfidenspoeng: Sannsynligvis korrekt, men bør verifiseres. • 45 % konfidenspoeng: Kandidat med lav pålitelighet; bør vurderes for fjerning eller nærmere undersøkelse.

5. Fjerne kandidater under terskelen

Øverst til venstre i diagrammet finnes et område kalt «Fjern kandidater under poengsummen», som gir brukeren mulighet til automatisk å rydde i resultatlisten ved å angi en prosentterskel. Systemet fjerner deretter alle kandidater med poengsum under denne terskelen. Eksempelvis: • Ved terskel på 50 % fjernes kandidater under 50 %, mens kandidater på og over 50 % beholdes. • Ved terskel på 70 % fjernes flere kandidater under 70 %, noe som gir et renere, men mer selektivt resultat. Denne funksjonaliteten er særlig nyttig i analyser som genererer mange falske positiver, da brukeren slipper å slette kandidater manuelt én etter én og i stedet kan gjennomføre automatisk forhåndsrensing ved å sette en terskel.

6. Finne riktig resultat gjennom prøving og feiling

En viktig egenskap ved systemet er at brukeren ikke er bundet til ett enkelt analyseresultat. Brukeren kan justere terskelverdier, slette kandidater med lav poengsum, manuelt beholde enkelte kandidater, og deretter kjøre analysen på nytt med de gjenværende elementene. Et eksempel på en prøveprosess: 1. Systemet gjennomfører den første analysen. 2. Brukeren evaluerer resultatene. 3. Ved for mange falske deteksjoner settes terskelen til 60 %. 4. Systemet fjerner kandidater under 60 %. 5. Brukeren vurderer de visuelle resultatene på nytt. 6. Eventuelt slettes noen kandidater manuelt. 7. Analysen startes på nytt med «Kjør analyse med gjenværende elementer». 8. Et renere resultat oppnås. 9. Ferdige utdata genereres når resultatet er tilfredsstillende. Denne tilnærmingen omdanner systemet fra et rent automatisert verktøy til en kontrollert, interaktiv og menneskeassistert analyseplattform.

7. Brukerintervensjon og manuell rengjøring

Strukturen som illustreres i diagrammet viser at brukerintervensjon utgjør en integrert del av systemet. Brukeren er ikke forpliktet til å akseptere samtlige kandidater som genereres gjennom analysen. Brukeren skal ha mulighet til å: • Slette feilaktige deteksjoner. • Fjerne kandidater med lav poengsum i samlet form. • Velge fra en liste. • Velge objekter fra visuelle elementer. • Fjerne valgte kandidater fra planen. • Gjennomføre ny analyse med de gjenværende korrekte kandidatene. Denne funksjonaliteten er spesielt sentral i arbeidet med arkitektoniske planer, ettersom enkelte tegninger kan fremstå som svært like. For eksempel kan en tynn vegglinje ligne en akselinje, en dørkarm kan til tider forveksles med en møbellinje, og en vinduslinje kan i enkelte planer framstå som en veggseksjon. Det er derfor utfordrende å oppnå et fullt pålitelig resultat uten brukerkontroll.

8. Kjør analyse med gjenværende elementer

En av nøkkelfunksjonene i deteksjonslisteområdet er knappen «Kjør analyse med gjenværende deteksjoner». Denne funksjonen gir mulighet for å utføre en ny analyse basert på de kandidatene som gjenstår etter at brukeren har foretatt rengjøring. Denne prosessen er viktig fordi: • Feilaktige kandidater elimineres fra analysen. • Systemet organisk bearbeider dataene med større nøyaktighet. • Resultatmotoren anvender de rensede dataene. • Det endelige resultatet oppnår høyere pålitelighet. Dette tilsvarer en menneskelig tilnærming innenfor løkken i kunstige intelligenssystemer. Med andre ord er systemet ikke fullstendig avhengig av automatisert beslutningstaking, men forbedres ved menneskelig tilsyn.

9. Konklusjonsfase

I midten av diagrammet finnes «Konklusjon»-blokken, som bearbeider de rensede og verifiserte funnene for å produsere det endelige resultatet. I konklusjonsfasen kan systemet: • Evaluere de gjenværende kandidatene. • Tolke planens overordnede struktur. • Inndele de arkitektoniske elementene i logiske lag. • Forberede nødvendige data for resultatproduksjon. • Opprette den endelige filstrukturen for DXF-, PDF- og PNG-utdata. Det sentrale her er at resultatet ikke alene baserer seg på den innledende AI-analysen, men dannes i etterkant av rengjøring og korrigeringer utført av brukeren. Dermed inkluderer det endelige resultatet både AI-prediksjon og brukerkontroll.

10. DXF/PDF-NEDLASTING

Etter konklusjonsfasen kan brukeren laste ned profesjonelle resultater. Blokken «Last ned DXF/PDF» i diagrammet illustrerer denne prosessen. På dette stadiet genererer systemet følgende filer: • PDF: Rapport og visuelt resultat. • DXF: Teknisk tegningsutdata som kan åpnes i CAD-programvare. • PNG: Behandlet visuelt planutdata. DXF-utdata er særlig viktig for arkitekter og ingeniører, da disse filene kan åpnes i AutoCAD, DraftSight, LibreCAD eller lignende CAD-verktøy. Dermed kan planen, behandlet med kunstig intelligens, overføres til det tekniske tegnemiljøet.

11. Panel for genererte filer

Panelet «Genererte filer» til høyre viser samtlige filer som produseres av systemet. Dette panelet gir brukeren mulighet til å åpne eller laste ned hver enkelt resultatfil. Panelet kan inneholde følgende filtyper: • Kolonne- og skjærvegg-PNG • Kolonne-PNG • Skjærvegg-PNG • PDF • Kolonne- og skjærvegg-DXF • Kandidatkolonne-DXF • Kandidatskjærvegg-DXF Denne oversikten viser at systemet ikke bare leverer én enkelt utdata, men at hver utdata har et spesifikt formål. Kolonne- og skjærvegg-PNG utgjør en samlet visuell fremstilling av samtlige funn. Kolonne-PNG gjør det mulig å visuelt skille kolonnekandidater. Skjærvegg-PNG arkiverer den endelige visningen på brukerskjermen. PDF er egnet for rapportering og deling. Full Plan DXF representerer en omfattende planutdata som kan åpnes i et CAD-miljø. Kandidatkolonne-DXF er en spesialisert teknisk utdata som inneholder utelukkende kolonnekandidater. Kandidatskjærvegg-DXF er en teknisk utdata med skjærveggkandidater.

This explanation is displayed under the third flow diagram according to the selected site language.