Бизнес-контекст
В строительных и проектных компаниях значительная часть важных данных хранится не в базах данных, а внутри PDF-чертежей: спецификации, ведомости материалов, объёмы, единицы измерения, позиции, таблицы и технические параметры.
До автоматизации такие данные приходилось доставать вручную. Сотрудник открывал проектную документацию, искал нужные листы, находил таблицы, переносил значения в Excel или внутреннюю систему, проверял единицы измерения и сопоставлял позиции с классификаторами.
На небольшом количестве документов это возможно делать руками. Но когда документов десятки тысяч, ручная обработка становится узким местом.
Типовые проблемы такого процесса:

• нужные спецификации находятся внутри PDF-чертежей, а не в структурированной базе;
• таблицы могут быть на разных листах и в разном оформлении;
• ГОСТ-рамки, технические шрифты и качество PDF усложняют распознавание;
• сотрудники тратят много времени на поиск нужных страниц;
• ручной перенос данных приводит к ошибкам;
• данные сложно быстро сопоставлять с классификаторами и внутренними справочниками;
• поток проектной документации невозможно масштабировать без роста ручного труда.

До автоматизации
Ручной процесс выглядел так:

• сотрудник открывал проектный PDF;
• просматривал листы и искал страницы со спецификациями;
• вручную находил таблицы;
• переносил наименования, единицы измерения и объёмы;
• проверял структуру таблицы;
• исправлял ошибки распознавания или копирования;
• сопоставлял позиции с классификаторами;
• загружал данные в Excel или внутреннюю систему.

Если нужно обработать не один проект, а большой архив документации, такой процесс становится слишком медленным. При десятках тысяч документов ручная обработка превращается в постоянную операционную нагрузку.

После автоматизации
Система автоматизирует извлечение данных из проектной документации.
На вход подаются:

• PDF-чертежи;
• проектная документация;
• листы со спецификациями;
• таблицы внутри технических документов;
• архивы строительных документов.

На выходе система формирует структурированные данные:

• наименования материалов;
• единицы измерения;
• объёмы;
• позиции спецификации;
• табличную структуру;
• данные, пригодные для загрузки во внутренние системы;
• основу для сопоставления с классификаторами и справочниками.

Вместо того чтобы вручную искать таблицы и переносить данные, сотрудник получает уже извлечённую и структурированную информацию.

Как работает ИИ
Решение состоит из нескольких этапов обработки документации.
Сначала система анализирует PDF и определяет, какие страницы содержат нужные спецификации. Это важно, потому что в проектной документации может быть много листов, и только часть из них содержит полезные для извлечения таблицы.
Затем выполняется обработка изображения страницы: удаляются лишние рамки, учитывается ГОСТ-оформление, выделяется область с таблицей. После этого система находит таблицу, сегментирует её на строки и столбцы и восстанавливает структуру.
Дальше включается OCR — оптическое распознавание текста. Отдельная сложность здесь в том, что строительные чертежи часто используют технические и ГОСТ-шрифты, которые хуже распознаются стандартными OCR-подходами. Поэтому пайплайн должен учитывать специфику проектной документации, а не просто “прочитать текст с картинки”.
На уровне ИИ и алгоритмов используются:

• классификация страниц;
• компьютерное зрение для поиска таблиц;
• обработка PDF как изображений;
• сегментация таблиц;
• восстановление структуры строк и столбцов;
• OCR для технических шрифтов;
• постобработка распознанных значений;
• сопоставление извлечённых данных с классификаторами.

Это не просто OCR. Это пайплайн, который превращает сложный технический PDF в данные, пригодные для дальнейшей автоматической обработки.

Бизнес-эффект
Главная ценность решения — сокращение ручной обработки проектной документации.
Заказчик получает:

• автоматическую обработку большого массива чертежей;
• снижение ручного переноса данных;
• меньше ошибок из-за человеческого фактора;
• ускорение работы с проектными спецификациями;
• возможность обрабатывать документацию в потоке;
• структурированные данные вместо PDF-таблиц;
• основу для дальнейшей аналитики, расчётов и сопоставления с внутренними справочниками.

В проекте была автоматизирована обработка более 40 000 документов. Система извлекала наименования, единицы измерения и объёмы материалов, снижая долю ручной работы с проектной документацией.

Где применимо ещё
Такой подход можно использовать во всех задачах, где важные данные находятся внутри технических PDF, сканов, таблиц или чертежей.
Примеры применимости:

• строительная проектная документация;
• спецификации материалов;
• ведомости объёмов работ;
• инженерные чертежи;
• исполнительная документация;
• сметы и технические приложения;
• обработка архивов PDF-документов;
• извлечение таблиц из сканов;
• сопоставление данных с классификаторами;
• автоматизация документооборота в девелопменте;
• подготовка данных для ERP, BIM или внутренних систем.

Результат
Результат — система, которая превращает строительные чертежи из неструктурированных PDF в пригодные для обработки данные.
Заказчик получает не просто распознанный текст, а извлечённые спецификации: позиции, материалы, единицы измерения, объёмы и структуру таблиц. Это позволяет быстрее работать с проектной документацией, уменьшить ручной труд и встроить обработку документов в более крупный цифровой процесс.
Такой кейс особенно ценен для компаний, у которых накоплены большие архивы проектной документации и где ручной перенос данных мешает масштабировать процессы.

Стек
Python, OpenCV, PyTorch, FastAPI, OCR, обработка PDF, компьютерное зрение, сегментация таблиц, восстановление структуры таблиц, распознавание ГОСТ-шрифтов.