为实现变电站工程建设中钢结构与电力设备的配套控制管理，需要从大量的钢结构图纸标题栏中识别相关信息，并与实物进行匹配。针对标题栏中字体模糊、表格形式多样、信息量混杂等问题，提出了基于深度学习CNN+RNN模型的文本检测和CRNN模型的文字识别方法。对现有钢结构变电站工程施工现场钢结构数据集的检测与识别显示，该方法的检测精确率达到80%以上，识别准确率达到90%以上，均优于其他文本检测与识别方法。工程应用结果表明，该方法有效解决了因文字的大小、字体、颜色与排列方式等差异引起的特征提取困难，提高了变电站钢结构图纸标题栏文字识别的准确率。

BIM模型的正确性与协调一致性是BIM技术应用的基础。本文介绍了关于模型检查工作的基本现状，简述了建筑、结构专业的模型检查的基本内容和方法。主要借助芬兰Solibri公司的模型检查软件Solibri Model Checker(SMC) v8.0对BIM模型质量的检查方法和流程进行了初步探究。

使用Revit软件绘制结构施工图，通过Revit软件的共享参数和注释族功能实现平面标注与结构模型的双向关联。针对Revit绘制结构施工图的难点，通过明细表表达柱配筋，通过注释族表达梁配筋，通过详图大样族表达楼板配筋，通过共享参数和注释族实现墙柱梁板截面的参数化表达，通过Revit软件的“高程点”命令实现构件标高的参数化标注，通过Revit软件的视图过滤器功能实现楼板的按条件自动填充。通过上述方法，充分发挥Revit的参数化功能进行结构施工图绘制，减少绘图量、对图量及图纸错漏。