近日，我院建筑遗产数智化保护研究团队在 Nature 子刊 npj Heritage Science（《遗产科学》）发表题为 “Intelligent Hbim modeling of traditional timber architectural heritage, integrating machine vision and architectural expertise”（《机器视觉与专业知识相结合的传统木构建筑遗产HBIM智能建模研究》）的研究论文。论文以麻豆视频 为第一署名单位，第一作者和通讯作者为我院邓毅教授，第二作者为我院在读研究生李千驹。该研究构建了跨学科融合的智能建模框架，为传统木构建筑遗产的数字化保护提供了高效精准的技术方案，也为同类建筑文化遗产的HBIM构建提供了可复制的实践路径。

01 丨研究背景

传统木构建筑遗产是文化遗产的核心组成部分，承载着厚重的历史信息与鲜明的地域文化特征，其独特的建造工艺与结构体系，集中展现了古代建筑技术的卓越成就。历史建筑信息模型（HBIM）作为数字化保护的核心技术，既能精准保存建筑三维几何空间信息，又能整合多元价值数据，为遗产的保护修复、维护管理与活化利用提供强有力的技术支撑。

尽管三维激光扫描、摄影测量等技术已为 HBIM 建模提供了高精度点云数据，但传统木构建筑的HBIM构建仍面临诸多现实挑战：现有建模多依赖人工手动操作，不仅效率低下，还易受建模者主观经验影响；而纯数模关系的参数化方法，既无法适配大量非规范民间木构建筑，也难以记录传统营造逻辑与非物质性技艺；传统方法处理三维点云数据时，存在计算成本高、标注流程复杂等问题。因此，如何实现高效、精准、通用的传统木构建筑HBIM智能建模，成为文化遗产数字化保护领域亟待突破的关键课题。

02 丨研究内容

本研究创新性地提出跨学科融合思路，构建了机器视觉与专业知识深度结合的智能建模方法框架，核心贡献集中在以下三个方面：

（1）构建基于建构逻辑的元模型。将传统木构建筑建模的专业知识系统转化为元模型，通过提取建构逻辑、划分构件分类、定义元属性与元关系、转译算法逻辑等关键步骤，形成完整的元模型框架（图 1）。该元模型以建构逻辑替代传统精确数模关系，有效适配了民间木构建筑的多样性特征，为HBIM自动建构提供了适应性算法流程与核心数据标准。

图1.基于建构逻辑的传统木构建筑元模型

（2）拓展机器视觉目标检测与数据智能提取技术。针对三维点云数据处理的局限性，研究将三维点云切片为二维图像，使用平面图像与剖面图像的高质量数据集，基于YOLOv11m模型训练专属点云图像识别模型，实现对木构件的自动识别与语义标注（图 2）。研发核心数据智能提取与尺度换算体系，通过嵌套PaddleOCR模型精准提取比例尺信息，设计多维度数据计算函数和换算方法，自动获取构件尺寸、构件间距等核心数据，将图像数据转化为可直接驱动元模型的真实尺寸数据，为建模提供了精准高效的数据支撑。

图2.基于YOLO模型的木构件自动识别与标注

（3）构建“点云切片——智能识别——数据提取——元模型驱动——自动建模”的完整技术流程（图 3）。研究以传统鼓楼为典型案例开展验证，选取同榀基本型、两榀相似型、变化型三类代表性鼓楼，实现HBIM自动生成。实验结果显示，模型识别精度优异，建模完整性与准确性均达99%，效率较传统人工建模提升近95%，大幅突破了传统方法的瓶颈。

研究提出的智能建模方法，可有效解决传统木构建筑 HBIM 建模效率低、适配性差的行业痛点，并以建构逻辑为核心实现了非物质营造技艺的数字化传承，为数量众多、类型复杂的传统木构建筑遗产保护提供了全新技术路径，对推动文化遗产数字化、智能化发展具有重要实践意义。

03 丨研究相关

本研究是国家社会科学基金项目（24BMZ084）资助的阶段性重要成果。

npj Heritage Science 是 Nature 旗下文化遗产领域的顶级学术期刊，专注发表艺术与人文、交叉学科的高水平研究成果。该期刊同时被SCI和AHCI收录，在最新JCR报告中，其期刊引证指标（JCI）位列 “Humanities, Interdisciplinary”（人文及交叉学科领域）419本期刊的第2位，学术影响力显著。

供稿：邓毅；

初审：邓毅；

二审：钟浩瀚；

终审：夏大为。