Digitised Electrical Layout Plans (DELP)

DELP数据集由45个经过精心挑选的电气布局图组成，这些图包含了34种不同的服务键类别的2,450个实例。该数据集为建筑行业中的电气布局图自动检测服务键符号提供了一个可扩展的解决方案。数据集的创建是为了支持成本估算、基础设施维护和法规遵从等流程。DELP数据集的创建过程包括数据收集、标注、增强和模型训练。SkeySpot是一个轻量级、开源的工具包，用于实时检测、分类和量化电气符号。SkeySpot的目的是降低对专有CAD系统的依赖，减少手动标注工作量，使电气布局的数字化对建筑行业中的中小企业更加可行。

The DELP dataset comprises 45 carefully curated electrical layout drawings, which contain 2,450 instances spanning 34 distinct service key categories. This dataset offers a scalable solution for the automated detection of service key symbols in electrical layout drawings within the construction industry. It was developed to support core workflows including cost estimation, infrastructure maintenance, and regulatory compliance. The full development pipeline of the DELP dataset includes data collection, annotation, data augmentation, and model training. SkeySpot is a lightweight, open-source toolkit designed for real-time detection, classification, and quantification of electrical symbols. The core purpose of SkeySpot is to reduce reliance on proprietary CAD systems, cut down on manual annotation efforts, and make the digitization of electrical layouts more feasible for small and medium-sized enterprises (SMEs) operating in the construction sector.

原始信息汇总

SkeySpot数据集概述

数据集基本信息

• 数据集名称：SkeySpot
• 相关论文："SkeySpot: Automating Service Key Detection for Digital Electrical Layout Plans in the Construction Industry" (IEEE SMC 2025)
• 作者：Dhruv Dosi, Rohit Meena, Param Rajpura, Yogesh Kumar Meena

数据集用途

• 用于训练和评估基于YOLOv8的模型，实现建筑行业数字电气布局图中服务关键符号的实时检测。

数据集特点

• 数据类型：扫描的布局图（电气服务关键符号）
• 处理功能：
  • 支持单张和批量图像处理模式
  • 提供带边界框和类别计数的可视化结果
  • 支持下载标注输出
  • 可生成符号成本估算

获取方式

• 需向作者申请获取，仅限学术研究使用。

相关资源

• 应用地址：https://skeyspot.streamlit.app/

搜集汇总

数据集介绍

构建方式

DELP数据集构建过程严谨且系统化，其核心来源于英国中小型建筑企业提供的45份电气布局平面图扫描件。研究团队采用LabelImg工具对图纸中的34类服务关键符号进行精细化标注，共计完成2450个实例的标记工作。为提升数据多样性，运用albumentations库实施了垂直/水平翻转、旋转、随机裁剪和亮度调整等数据增强策略，有效解决了图纸扫描件常见的符号遮挡、文本干扰和类内差异等问题。在质量控制环节，剔除了样本量过少的4个类别以维持类别平衡，最终形成的标注数据采用PASCAL VOC格式存储，为后续模型训练奠定了可靠基础。

特点

DELP数据集在建筑电气图纸分析领域具有显著特色。其涵盖34类标准化电气符号，包括插座、开关、照明设备等典型元件，呈现高度的专业性和实用性。数据复杂性体现在符号的密集排布、类间相似性（如USB双插座与普通双插座）以及类内差异性（散热器的多种形态）等现实场景挑战。特别值得注意的是，该数据集保留了原始图纸中的文本标注、比例尺变化和扫描伪影等真实特征，与简化模拟数据形成鲜明对比。这种真实性使得DELP成为评估符号识别算法鲁棒性的理想基准，尤其适合研究高密度图纸环境下的目标检测任务。

使用方法

该数据集主要服务于计算机视觉与建筑信息模型的交叉研究。使用流程建议采用五折交叉验证方案，以80%-20%比例划分训练集与验证集。研究人员可基于YOLOv8或Faster R-CNN等预训练模型进行迁移学习，重点关注mAP@50和mAP@[50:95]等指标评估模型性能。配套开源的SkeySpot工具包支持端到端应用部署，用户可通过Streamlit交互界面实现图纸批量上传、符号实时检测及成本分析等功能。对于学术研究，建议结合数据集的类不平衡特点设计加权损失函数，并利用增强后的数据提升模型对低样本量类别的识别能力。

背景与挑战

背景概述

Digitised Electrical Layout Plans (DELP)数据集由印度理工学院甘地讷格尔分校的Human-AI Interaction (HAIx)实验室团队于2025年创建，旨在解决建筑行业电气图纸符号自动识别的关键问题。该数据集包含45份扫描电气布局图，标注了34类共2450个服务键符号实例，填补了该领域缺乏标准化标注数据的空白。作为首个专注于电气符号检测的公开数据集，DELP通过支持YOLOv8等模型实现82.5%的mAP精度，推动了施工图纸数字化分析的技术发展，为中小型企业提供了替代传统CAD系统的轻量化解决方案。

当前挑战

DELP数据集面临双重挑战：在技术层面，电气符号存在显著的类内差异（如不同形状的散热器）和类间相似性（如单插座与保险丝支路），加之图纸中的遮挡、文本干扰和低分辨率问题，导致传统规则方法识别准确率不足50%；在数据构建层面，需克服专业标注成本高、符号标准不统一（英国SME提供的图纸存在厂商特定变体）以及长尾分布（4个类别仅含单样本）等问题。这些挑战促使研究者采用数据增强和迁移学习策略，但跨公司符号标准化仍是阻碍行业推广的核心瓶颈。

常用场景

经典使用场景

在建筑行业的数字化转型浪潮中，Digitised Electrical Layout Plans (DELP)数据集为电气布局图纸的自动化符号识别提供了关键支持。该数据集包含45张标注精细的电气布局图纸，涵盖34类共2450个服务键符号实例，通过深度学习模型实现了对扫描图纸中电气符号的精准定位与分类。其典型应用场景包括建筑成本估算、设施维护规划以及合规性审查等工作流程，显著提升了传统人工解读图纸的效率与准确性。

衍生相关工作

DELP数据集的发布催生了多个重要研究方向：Rezvanifar等人将其扩展应用于管道仪表图识别；Bhanbhro团队基于该数据集开发了工程图纸多模态理解框架；Ziran则衍生出建筑平面图的语义分割新方法。这些工作共同推动了计算机视觉在AEC（建筑、工程、施工）领域的深度应用，形成从符号检测到智能审图的完整技术链条。

数据集最近研究

最新研究方向

随着建筑行业数字化转型的深入，Digitised Electrical Layout Plans (DELP)数据集为电气布局图纸的自动化解析提供了关键支持。该数据集聚焦于服务钥匙符号的检测与分类，通过深度学习模型如YOLOv8实现了82.5%的mAP精度，显著提升了建筑图纸的机器可读性。当前研究前沿集中于多模态数据融合与轻量化部署，结合BIM技术实现电气系统的智能运维与能耗分析。热点应用包括中小企业的合规性审查、HVAC系统优化等领域，其结构化输出为建筑信息模型的互操作性奠定了基础，推动了建筑业标准化与可持续发展。

相关研究论文

• SkeySpot: Automating Service Key Detection for Digital Electrical Layout Plans in the Construction Industry

  IIT Gandhinagar, India · 2025年