[发明专利]基于互联网的工程清单复核及数据统计方法与系统

说明书

本发明公开了一种基于互联网的工程清单复核及数据统计方法与系统，其中方法包括以下步骤：S1.数据获取：获取需要进行复核和统计的工程清单数据，并对工程清单数据进行初步清洗和预处理；S2.数据识别：基于自然语言处理和/或图像识别对工程清单中的文本和图片进行自动识别和提取；S3.数据匹配：基于数据匹配算法来比对工程清单中的文本或图片是否与实际情况一致，若不一致，则自动标记错误；S4.数据统计：对数据匹配的结果进行统计，统计出符合要求的数据并生成报表或图表展示。本发明通过AI算法对工程清单进行自动识别，并将识别结果与实际情况进行比对，从而实现自动复核和统计，本发明可提高工程清单复核和统计的效率和准确性。

技术领域

本发明涉及建筑工程技术领域，尤其涉及一种基于互联网的工程清单复核及数据统计方法与系统。

背景技术

在建筑、机械制造、航空航天等行业中，工程清单复核及数据统计是一项重要的工作。然而，传统的人工复核和统计方式效率低下，容易出现错误。

发明内容

为了解决上述问题，本发明提出一种基于互联网的工程清单复核及数据统计方法与系统，通过AI算法对工程清单进行自动识别，并将识别结果与实际情况进行比对，从而实现自动复核和统计，本发明可提高工程清单复核和统计的效率和准确性。

本发明采用的技术方案如下：

一种基于互联网的工程清单复核及数据统计方法，包括以下步骤：

S1.数据获取：获取需要进行复核和统计的工程清单数据，并对工程清单数据进行初步清洗和预处理；

S2.数据识别：基于自然语言处理和/或图像识别对工程清单中的文本和图片进行自动识别和提取；

S3.数据匹配：基于数据匹配算法来比对工程清单中的文本或图片是否与实际情况一致，若不一致，则自动标记错误；

S4.数据统计：对数据匹配的结果进行统计，统计出符合要求的数据并生成报表或图表展示。

进一步地，基于自然语言处理对工程清单中的文本和图片进行自动识别和提取的方法包括以下步骤：

S201.数据准备：将工程清单数据转换成数字化数据，并存储在数据库中；

S202.特征提取：使用图像处理技术提取工程清单中的特征；

S203.模型训练：采用深度学习模型进行训练，识别工程清单中的不同特征，所述深度学习模型包括卷积神经网络、循环神经网络、长短期记忆网络和双向长短期记忆网络。

进一步地，所述特征提取所使用的模型包括词袋模型和TF-IDF模型。

进一步地，所述数据匹配包括：根据深度学习模型的预测结果，对工程清单进行复核和核对，自动识别出工程清单中的错误或缺失项。

进一步地，所述数据统计包括以下步骤：

S401.数据采集：收集工程清单中的数据，包括项目名称、工期、成本；

S402.数据预处理：对采集到的数据进行预处理，包括分词、词性标注、去除停用词；

S403.模型训练：使用深度学习模型进行训练实现自然语言处理和文本分类，所述深度学习模型包括卷积神经网络、循环神经网络、长短期记忆网络和双向长短期记忆网络；

S404.数据统计：根据深度学习模型的预测结果，对工程清数据进行统计和分析，生成统计报表和图表。

一种基于互联网的工程清单复核及数据统计系统，包括：

数据获取模块，被配置为获取需要进行复核和统计的工程清单数据，并对工程清单数据进行初步清洗和预处理；