Bài báo này đề xuất một khuôn khổ học sâu lai mới để trích xuất chính xác thông tin quan trọng từ các bản vẽ kỹ thuật 2D. Để giải quyết vấn đề các kỹ thuật OCR thông thường tạo ra đầu ra không có cấu trúc do bố cục phức tạp và các ký hiệu chồng chéo, chúng tôi sử dụng một phương pháp lai tích hợp mô hình phát hiện hộp giới hạn định hướng (OBB) và mô hình phân tích cú pháp tài liệu dựa trên bộ biến đổi (Donut). Sử dụng YOLOv11, chúng tôi phát hiện chín danh mục chính—GD&T, dung sai chung, kích thước, vật liệu, chú thích, bán kính, độ nhám bề mặt, luồng và khối tiêu đề—và tinh chỉnh Donut để tạo đầu ra JSON có cấu trúc. Chúng tôi so sánh hai chiến lược tinh chỉnh: một mô hình duy nhất cho tất cả các danh mục và một mô hình dành riêng cho danh mục. Chúng tôi thấy rằng mô hình duy nhất đạt được độ chính xác cao hơn (94,77% cho GD&T), khả năng thu hồi (100% cho hầu hết các danh mục), điểm F1 (97,3%) và giảm ảo giác (5,23%) trên tất cả các số liệu đánh giá. Khuôn khổ được đề xuất cải thiện độ chính xác, giảm công việc thủ công và hỗ trợ triển khai có thể mở rộng trong các ngành công nghiệp dựa trên độ chính xác.
