论文标题：Artificial intelligence for piping and instrumentation diagrams: a review and perspective

期刊：ENGINEERING Chemical Engineering

作者：Jifei Ma, Wenjie Peng, Yaoyu Pan, Xiaoshuai Yuan, Jibin Zhou, Tao Zhang,Mao Ye, Zhongmin Liu

发表时间：3 Jun 2026

DOI：10.1007/s11705-026-2685-z

微信链接：点击此处阅读微信文章

文章信息

文章题目

Artificial intelligence for piping and instrumentation diagrams: a review and perspective

文章来源

Jifei Ma, Wenjie Peng, Yaoyu Pan, Xiaoshuai Yuan, Jibin Zhou, Tao Zhang, Mao Ye, Zhongmin Liu. Artificial intelligence for piping and instrumentation diagrams: a review and perspective. ENG. Chem. Eng., 2026, 20 (9) : 70

DOI:10.1007/s11705-026-2685-z

文章导读

受流程工业生产效率提升、操作安全保障与产业智能化转型的迫切需求驱动，管道及仪表流程图（P&ID）正从静态设计图纸，逐步演变为承载海量知识的动态载体，但由于P&ID数据非结构化程度高、符号信息密集、绘图规范风格不统一，其智能化数字化落地面临系统性难题，阻碍了图纸信息自动提取，形成了碎片化数据生态。随着计算机视觉、图神经网络、知识图谱和多模态大模型的发展，AI正推动P&ID从“可看”走向“可计算”：从识别符号、文本和连接管线，到重建工艺拓扑与控制逻辑，再到支撑自动审图、智能问答、危险与可操作性分析（HAZOP）、P&ID生成、三维建模和数字孪生。中国科学院大连化学物理研究所周吉彬副研究员和叶茂研究员在ENG. Chem. Eng.上发表综述，沿“感知-认知-应用”全技术路线，系统地梳理了人工智能驱动P&ID智能解析的现有技术体系，剖析了当前技术瓶颈，并展望了未来发展方向。

文章亮点

从图纸元素到工程知识：P&ID智能解析全流程

文章第二部分聚焦 P&ID 图纸底层数字化技术，搭建了 “图像预处理-元素识别-语义关联-拓扑重建” 的完整技术链路。首先介绍了 P&ID 图纸分区、符号/ 管线/文字三大基础组成与标准化建模思路；接着梳理了二值化、形态学、分块等各类图像预处理手段，解决扫描图纸失真、杂乱问题；然后分三大模块对比图形、文字、管线的传统算法与深度学习识别方案，涵盖目标检测、图像分割、Transformer、OCR、图神经网络等主流模型，分析了各方案适配场景与优劣；最后阐述了图文匹配、全局工艺拓扑重建技术，打通离散识别元件到连通可计算工艺图的关键环节，为上层语义推理、工程应用提供标准化结构化数据基础。

从结构化图纸到工程任务：P&ID智能应用拓展

本部分围绕结构化 P&ID 数据展开各类工程落地应用研究。首先介绍了基于 P&ID 构建知识图谱，依托知识图谱实现图纸自然语言问答、跨维度工艺语义推理；其次阐述了图纸自动校验体系，分层完成图形识别纠错、工程逻辑自查、行业安全规范合规检测，同时梳理了 AI 辅助 HAZOP 风险分析的相关研究；接着介绍 P&ID生成技术，包括基于流程文本补全控制结构、从自然语言描述生成结构化P&ID，并总结 了“生成- 仿真-修正” 闭环的设计思路；最后说明 P&ID 作为数字孪生核心拓扑骨架，可支撑工厂仿真建模、故障智能处置、操作人员虚拟培训、能耗优化等运维场景，完整展示了结构化 P&ID 在化工设计、工程施工与生产运维全流程的实用价值。

从算法验证到工程可信：关键挑战与发展方向

当前 AI 赋能 P&ID 技术仍存在五大核心难题：一是工业图纸标注数据稀缺、符号长尾分布、跨图纸风格差异大，模型泛化能力不足；二是管线识别困难，局部图像信息难以推导完整物料流向和控制回路，视觉识别与化工工程逻辑存在断层；三是生成式模型输出仅为概率结果，无法天然满足物料衡算、安全联锁等硬性工程约束；四是现有模型多停留在图像表层匹配，缺少化工机理支撑的因果风险推理能力；五是企业数据孤岛且标准不统一、缺少人机协同闭环等产业集成壁垒。

针对前述各类瓶颈，作者提出了完整发展路径：感知层搭建多源工业数据集，采用自监督、少样本学习缓解数据短缺；认知层融合图神经网络与行业标准化本体，提升工艺拓扑重建可靠性；应用层构建 “生成 -仿真-人工校验” 闭环架构，结合知识图谱实现合规安全推理。作者指出， P&ID 智能化是融合算法、化工标准与工业数据的系统性工程，依靠多学科协同可逐步实现成熟工业级智能系统，助力流程工业全生命周期的数字化升级。

亮图展示

图1 人工智能驱动的管道及仪表流程图智能解析形成的一套体系化“感知-认知-应用”技术路线图。

图2 P&ID典型组成要素，直观展示工艺设备、仪表阀门、实线物料管、虚线信号管、文本标注等基础绘图单元，阐明了 P&ID 底层语义构成。

图13 自动布线系统中的管线拓扑集构建流程与最优管道路径设计算法。

作者简介

第一作者：马骥飞，中国科学院大连化学物理所博士研究生，主要从事流程工业P&ID的智能化方法与应用研究。

通讯作者1: 周吉彬，中国科学院大连化学物理研究所副研究员，硕士生导师，主要从事智能化工领域研究。目前担任中国分析测试协会化学计量学与人工智能专业委员会委员，Chinese Journal of Catalysis、《化工学报》、《化工进展》等期刊青年编委。先后承担中国科学院战略先导项目、国家自然科学基金青年科学基金项目（C类）、辽宁滨海实验室联合基金类项目、辽宁省人工智能领域科技创新项目（重点研发计划项目）等多项课题。发表学术论文30余篇，其中以第一/通讯作者在Nature Communications、Chemical Engineering Science等期刊发表论文16篇。

通讯作者2: 叶茂，中国科学院大连化学物理研究所低碳催化与工程研究部副部长、人工智能中心召集人。兼任中国颗粒学会常务理事、中国化工学会过程模拟与仿真专业委员会副主任委员、全国煤化工标准化委员会委员、石化化工行业数字化转型推进中心副主任兼大模型工作组组长、中国人工智能产业发展联盟石化化工组联席组长。主要围绕国家在石油化工和煤化工领域的重大需求开展催化新工艺开发及智能化研究。先后承担国家重点研发计划、国家自然科学基金重大研究计划、中国科学院战略先导专项等多项课题。主持开发了甲醇制烯烃(DMTO-II/III)、甲醇制丙烯(DMTP)、甲醇甲苯制对二甲苯等多项技术并实现工业化；主持开发了智能化工大模型，已迭代至3.0版。在Nature等期刊发表学术论文150余篇，申请专利280余件，授权240余件。曾获中国科学院杰出成就奖、英国皇家学会牛顿高级学者、中国科学院科技促进发展奖、中国石化联合会科技进步特等奖、中国化工学会侯德榜科技创新奖等。

免费全文