本项目以核能行业数字化转型为背景，聚焦核电站图纸识别效率低、建模流程复杂等痛点，提出“基于人工智能方法的图纸识别建模及其在混合现实（MR）反应堆仿真中的应用”。项目由williamhill威廉希尔官网与上海氙钐科技有限公司合作开展，旨在通过深度学习技术（如YOLO算法）实现核电站图纸的自动化识别与建模，并结合MR技术构建虚实交互的仿真平台。具体内容包含两部分：一是开发图纸智能解析系统，自动提取管道布局、设备参数等关键信息并生成三维模型；二是基于HoloLens2设备实现多机协同、实时数据交互的MR仿真应用，支持核电站设计、检修等场景的虚拟操作。项目通过技术创新推动核能行业智能化升级，助力“双碳”目标实现，兼具工业应用价值和市场潜力。

项目的核心技术目标分为两部分。图纸识别建模方面：基于YOLO等深度学习算法，实现核电站图纸中文字、图线及逻辑关系的自动解析，目标识别准确率达90%以上，单次识别时间小于1秒；建立标准化数据接口，支持图纸信息与仿真模型的自动转换，降低人工建模错误率。MR仿真应用方面：开发HoloLens2与核电站仿真数据库的直接通信接口，消除数据传输中转环节，延迟低于0.5秒；实现多设备协同交互与手势控制功能，同步虚拟模型状态与现实设备操作；集成离线标识识别技术，通过摄像头扫描现实设备标签并实时调取数据，提升巡检效率。最终构建一套高效、安全的智能核电站运维辅助系统。

预期成果包括：1）高精度图纸识别系统，通过opencv进行图像预处理，提取主干道轮廓，通过聚类等集成算法精准获得弯管坐标，截取并筛选识别各管段区域，得到长度、坡度等关键信息，可批量解析核电站设计图纸，识别准确率达90%以上；2）MR虚实交互平台，支持多设备协同操作与实时数据双向交互，实现虚拟模型对真实设备的动态控制；3）技术验证案例，完成核电管道图纸识别、阀门模型导入及MR环境下的仿真测试，形成可复用的技术方案。成果将推动核电站设计、检修流程的智能化转型，提升运维安全性（如减少人员进入高危环境频次）与效率（如缩短模型更新周期）。