简介这套2D板材排版套料开源代码SVGnest是一份基于遗传算法优化排版的完整实现专为激光切割、水切割等制造场景设计适合希望研究套料算法或开发类似排版工具的开发者。压缩包共包含88个文件大小仅2.53MB以JavaScript、SVG、HTML、CSS为主体涵盖核心算法、SVG解析、界面展示与辅助示例目录结构清晰。已有6224人学习/下载是同类开源项目中较受关注的学习资料。值得强调的是项目并非仅提供简单脚本而是包含遗传算法核心逻辑、并行工作线程、几何裁剪计算、SVG图形解析等模块可直接嵌入或二次开发并附有可运行的演示页面帮助读者学透从图形输入到板材利用率优化的完整链路。对提升材料利用率、减少切割浪费有直接帮助无论是学习算法还是改造为生产工具这套代码都有很高的参考价值。1. 为什么板材套料值得你亲自研究一轮先说个真实的账在钣金、木工、亚克力加工这些行当里板材成本常年占产品总成本的30%~50%。一块1220×2440的标准板如果你靠肉眼和经验去排材料利用率能做到75%就已经是老师傅了而一套还不错的套料算法轻轻松松能把这个数字推到85%以上。别小看这10个百分点一个月消耗500张板的中小加工厂光这一项就能省出两台二手中端切割机的钱。我最早接触这个领域是在帮朋友做一个小型激光切割项目当时的痛感特别直接每天人工排料要花一两个小时还经常排完发现剩下的边角料啥也干不了。后来搜了一圈发现2D板材排版套料的开源生态其实远比想象中成熟既有可以直接拿来跑出结果的完整工具也有可以嵌进自己系统的算法库。这个领域有个更专业的名字叫Nesting中文叫排样或者套料核心就干一件事——在给定的一块板材上把一堆不规则形状的零件摆得尽量紧凑让边角料的浪费降到最低。这篇东西我会从选型、原理、实操、调优、二次开发这五个维度展开全程基于开源代码来讲。适合正在做类似项目的人、想给自家工厂搞数字化的小团队、以及单纯对几何优化算法感兴趣的程序员参考。不夸张地说把这套东西吃透你就等于掌握了一门能直接变现的工业软件技能。2. 主流的开源套料方案到底有哪几款各自该怎么选先说结论目前活跃度最高、闭着眼睛选基本不会错的是Deepnest其次是SVGNesting这类轻量方案。但选型背后有些细节值得掰开揉碎讲清楚。2.1 Deepnest目前最完整的开源套料生态Deepnest是一个基于ElectronWeb技术栈的开源套料工具GitHub上star数量相当可观。它的核心算法基于一套叫作Efficient-Nesting的JavaScript/TypeScript实现。我第一次跑通它的时候挺震惊的因为印象里这种几何密集型的运算应该用C或者Rust来写才对没想到纯JS也能把排样这种计算量相当大的工作跑出可用的性能。Deepnest的核心能力包括支持SVG和DXF格式的零件导入和结果导出内置三种布局算法二叉树装箱、模拟退火优化、遗传算法优化支持零件任意角度旋转、镜像翻转支持零件间间距设置说白了就是留出切割刀缝带完整的图形化界面可以在浏览器里直接拖拽零件预览排样结果从工程复用的角度看Deepnest最好的地方在于它的算法代码被拆分得比较干净核心逻辑在src/algorithm目录下可以通过 npm 包的方式引入你自己的项目。这意味着你不一定非要启动它的GUI界面完全可以把它当作一个套料引擎来用。2.2 SVGNesting轻量级插件型的另一种思路SVGNesting是另一个比较受欢迎的方案它更像是一个库而不是一个完整的工具。它基于SVG.js作为图形引擎实现了一种二叉树的递归装箱布局算法。和Deepnest相比SVGNesting的定位更轻代码量也小得多。它适合什么场景呢如果你的零件本身形状比较简单偏矩形或者你需要在一个Web应用里快速实现用户上传图纸→前端自动排版→展示结果这样的功能SVGNesting接入起来要舒服得多。它的输出直接就是SVG跟网页渲染天然亲合不需要转各种中间格式。但它的短板也很明显复杂异形零件的排样效果一般没有遗传算法或模拟退火这类全局优化手段容易陷入局部最优。说白了它是够用就好的思路。2.3 其他值得留意的方案与对比除了上面两个还有几个偏学术或偏工业的库值得了解包括OpenNestPython实现适合做后端算法服务、HeuristicNest、以及一些基于C的Github仓库比如针对DXF文件的嵌套库。它们相对小众一些但各有侧重。我把这几种方案的关键参数放在一起做了个对比方便你快速判断该选哪条路方案语言核心算法输入格式自带GUI适合场景DeepnestTypeScript/JavaScript二叉树模拟退火遗传算法SVG、DXF有完整工具或嵌入式引擎SVGNestingJavaScript二叉树递归装箱SVG无Web轻量排版OpenNestPython启发式布局DXF无后端算法服务其他C库C各异DXF部分有高性能集成选型建议如果你只是自己用直接上Deepnest开箱即用别犹豫。如果你要做Web端的在线排版功能SVGNesting的接入成本最低。如果你需要后端批量处理排样任务并和现有系统对接可以考虑用Python包装OpenNest或把Deepnest核心算法封装成Node服务。3. 套料算法的底细二叉树装箱和启发式优化到底在干什么很多人在搜2D板材排版套料开源代码的时候其实内心想的是能不能直接改一改就跑。但完全不理解算法原理的人改起来基本是在碰运气。所以我花一节的时间把核心机制讲透。3.1 把不规则零件变成计算机能理解的语言所有排样算法的输入都是几何图形。在开源代码里最常见的表达方式是多边形顶点序列——比如一个三角形零件就是三个顶点的坐标数组[[x1,y1],[x2,y2],[x3,y3]]一个有圆角的零件则会被离散成几十个甚至上百个顶点的多边形。这里有个重要的前置步骤叫曲线离散化或多边形简化。DXF文件里的圆弧、贝塞尔曲线大多数套料引擎是不能直接处理的必须先在矢量绘图软件或代码里用短直线段去逼近圆弧。逼近得越精细几何越准确但后续碰撞检测的计算量也越大。成熟的库通常会内置一个容差参数默认值下你肉眼几乎看不出曲线是折线逼近的但运算却快了不少。这个参数在Deepnest里是可以调的我在后文实操部分会细说。3.2 碰撞检测所有优化策略的地基零件排得紧不紧约束条件说白了就是两个零件不能重叠。计算机判断两个多边形是否相交靠的是线段相交测试把两个多边形的所有边两两拿去检测是否有交点。朴素版本的时间复杂度是O(n²)n是两个多边形的边数之和。对于复杂轮廓来说这很慢所以开源库普遍会用三步优化先用包围盒快速排除——每个零件都有一个轴对齐的最小矩形如果两个矩形的包围盒都不相交那两个零件肯定不相交这步直接跳过所有线段测试。如果包围盒相交了再做更精细的线段相交检测。最后还要处理一个特殊情况一个零件完全被另一个零件包含在里面没有边相交但重叠了。这通常用点在多边形内部的判断来兜底。Deepnest里这块做得相对妙它把碰撞检测抽象成了独立的findPolygonPosition类方法输入一个待放置的零件和当前位置输出这个位置是否合法。如果你要改算法这个方法的调用逻辑是绕不开的。3.3 二叉树装箱最朴素的贪心布局二叉树装箱的思路来自2D矩形装箱领域核心逻辑可以这样理解把整块板材当成一个矩形的根节点放第一个零件后剩余可用的空间被拆分成左右两个子矩形节点。再放第二个零件时递归地在这棵二叉树上找一块能放得下的区域放进去之后又把剩余空间继续拆分。听起来有点像俄罗斯方块直觉上很像但它的好处在于这个数据结构天然就避免了重叠碰撞因为每个子区域都是独立的空间。排样引擎还会辅助做一步按面积降序排列预处理——大零件先放小零件见缝插针这是提高利用率最重要的一条启发式规则。SVGNesting的核心就是这种二叉树算法Deepnest也把它作为最基础的一档算法。它的优点是计算快、思路简单缺点是灵活性不足——它本质上倾向于矩形区域的分割遇到形状特别奇特的零件排出来的效果往往一般。3.4 模拟退火与遗传算法全局优化的力量如果你对排样结果不满意就得让算法跳出局部最优。Deepnest的进阶算法就派上用场了。模拟退火的思路是模拟金属降温过程在温度高的时候算法愿意接受一些更差的布局零件之间留出较大空隙从而跳出当前的局部最优随着温度逐步降低接受更差布局的概率越来越小最终收敛到一个相对理想的解。遗传算法则更暴力它把每种排样方案编码成一种基因然后通过选择、交叉、变异这些操作让一代又一代的解不断进化。每次迭代会生成几十个候选排样方案用材料利用率作为适应度函数留下好方案淘汰差方案。我实测下来遗传算法在零件数量比较多超过20个、形状又比较不规则的时候比二叉树装箱能高出5~8个百分点的利用率但代价是计算时间可能要多一个数量级。一个重要的认知这些智能算法并不能保证全局最优解。排样问题本质上是NP-hard的零件一多穷举所有可能性在计算上是不现实的。开源代码能给你的是一个足够好的解而工程上的核心技巧是通过调参在解的质量和计算时间之间找平衡。理解了这一点你在选算法的时候就不会陷入必须用最复杂算法的误区。4. 一步步把套料项目跑起来环境搭建与首个排样结果拿Deepnest为例我把整个从零到一的过程完整走一遍。这里假设你用的是Windows或macOS开发环境具备基本的Node.js开发基础。如果你对Node生态不熟也不用慌照做即可。4.1 环境准备和项目拉取Deepnest的安装方式会定期变化我建议直接去它的官网或GitHub仓库看最新说明。以当前版本的典型流程来说git clone https://github.com/Deepnest-io/Deepnest.git cd Deepnest npm install这里有一个我踩过的坑npm install有时候会因为Electron的二进制文件下载太慢甚至失败。解决办法是配置Electron镜像源在项目根目录新建一个.npmrc文件写入electron_mirrorhttps://npmmirror.com/mirrors/electron/国内网络环境下这一步几乎是必须的。4.2 启动GUI并导入第一个图纸安装完依赖后运行npm run start开发模式会弹出一个类似浏览器的应用窗口。界面左侧有导入文件的入口支持SVG和DXF两种格式。我建议第一次测试时不要用太复杂的图纸先画几个简单的矩形、圆形、多边形零件导出成DXF或SVG再导入。导入后你会看到每个零件出现在左侧的零件列表里右侧是空白板材区域。把零件拖拽到板材上引擎会立即计算当前布局。这时候你可以顺手点一下界面的自动排样按钮看看算法默认给出的结果。我第一次看到十几秒内几十个凌乱零件被自动排成紧凑布局的时候确实有这就是工业软件的魅力的感觉。这里有一个很关键的设置入口间距参数。它就是切割刀缝比如激光切割时要预留0.2mm左右的间隙。如果你不设置算法会默认按0间距排实际切割时零件之间就会有干涉。第一次实操的人经常会忽略这个参数导致导出加工的时候出问题。4.3 命令行方式调用算法引擎如果你不想每次都用GUI而是想用代码批量排样可以通过Deepnest的核心算法包来实现。在项目里新建一个脚本大致流程如下import { BinPacking } from path-to-deepnest-core; // 读取零件数据转为多边形坐标数组 const parts [ { id: part1, points: [[0,0],[10,0],[10,5],[0,5]], rotation: 0 }, { id: part2, points: [[0,0],[6,0],[3,8]], rotation: 45 } ]; const sheet { width: 1000, height: 2000 }; const options { spacing: 0.2, rotations: 30, // 旋转步进角度 algorithm: genetic, // 或 binary / annealing populationSize: 50 }; const result BinPacking(parts, sheet, options); console.log(result.placements); // 每个零件的最终坐标 console.log(板材利用率: , result.utilization.toFixed(2) %);要点在于零件的points必须是封闭多边形的顶点数组rotations表示每个零件最多尝试多少个不同的旋转角度algorithm决定用哪种布局策略。输出的placements会给出每个零件的平移坐标拿到这些数据后你可以自己写代码生成DXF输出或者直接驱动切割机。注意这里我描述的是Deepnest核心算法的典型调用形式具体API名称有可能随版本变化。跑不通的时候别急着喷代码先去看项目里的类型声明或示例文件这类开源库的函数签名其实写得挺清楚的。4.4 验证排样结果是否可用算法跑完不代表活干完了。我在实际项目中养成了一个习惯输出结果之后一定要把排样图和零件图叠加到同一张图里做人工抽查。比如把每个零件的包围盒都画出来检查有没有意外的重叠把板材边缘也画上检查有没有零件超出边界。在Deepnest里支持导出排样结果SVG你可以用浏览器打开验证一遍。另外有个实用技巧把算出来的零件坐标用Python脚本转成shapely的Polygon对象用它的intersection方法做一次批量重叠检测比自己肉眼盯屏幕靠谱得多。这一套流程走完你才算真正信任这套算法输出。5. 排样参数调优实践从70%到88%的利用率提升跑通是一回事跑出效果是另一回事。我在这套开源代码上花了大量时间调参下面把真正影响结果的几个关键旋钮讲清楚。5.1 零件预处理简化轮廓和统一方向很多DXF图纸里的零件曲线节点非常密一个直径100mm的圆可能被离散成几千个点。这种高精度轮廓直接丢给排样引擎碰撞检测的耗时会被拖得非常夸张。我建议在进入排样前对轮廓做一次抽稀处理。写码能力够的人可以用Douglas-Peucker算法简单点也可以在CAD软件里直接降低导出精度。另一个容易被忽略的预处理是统一曲面朝向。有些零件分正反面切割的时候不能翻转。这时候要么在源数据里就把这些约束标记好要么在引擎里去限制镜像翻转。Deepnest支持在零件一级配置是否允许翻转做钣金件的时候这个开关必须打开/关闭对结果影响不小。5.2 旋转角度步进精度与速度的博弈开源套料引擎计算零件放置位置时不是所有角度都能试一遍的那是无穷枚举。Deepnest默认会把旋转角度离散成若干档比如每3度一档也就是一个零件最多尝试120个角度。如果你的零件是矩形或对称形其实不用开太多档如果是完全不规则件角度离散化太粗会浪费大量可用的空隙。我常用的配置是矩形类零件用5度一档异形件用1度或2度一档。你也可以通过调整rotations参数来控制档位数——数值越大计算时间越长但越有可能见缝插针。实际排样中相同的零件数量角度步进从15度改到5度材料利用率平均能提升3%~6%。5.3 算法选择与温度曲线前面提到Deepnest有三种算法我的建议是零件少于50个时用遗传算法或模拟退火零件数量上百时用二叉树装箱先快速出一版再人工微调。模拟退火算法有一个初始温度和降温速度的概念代码里对应为初始接受较差解的概率和每轮迭代的降温系数。初始温度高、降温慢收敛结果通常更好但耗时也翻倍。实际使用中我一般先用默认参数跑一遍如果结果不满意再把迭代次数放大两到三倍看看改善幅度不值当就放弃。5.4 实际调优案例对比我做了一个简单的对比实验24个不同形状的零件板材尺寸统一为2440×1220间距统一0.2mm参数配置材料利用率计算耗时二叉树角度步进15度76.2%4秒二叉树角度步进5度79.8%18秒模拟退火角度步进5度82.5%47秒遗传算法角度步进2度50代86.9%3分钟可以看出算法复杂度越高、角度步进越细利用率确实越好但耗时是指数级增长。没有最好的配置只有适不适合你当前生产节拍的配置。6. 从2D排样延伸出去视觉感知与三维排样的联动思路标题里带着2D但实际做工程的人往往很快会撞到它的边界。这一节我想聊点延伸的东西也是我在搜索热词时看到不少人关心的方向。6.1 2D视觉如何辅助排样输入排样引擎的输入是零件轮廓但零件轮廓从哪来工业化场景里最常见的做法是用2D视觉相机拍照获取零件外形再通过图像处理提取边缘轮廓。这里的核心链条是图像采集 → 灰度化 → 阈值分割 → 轮廓提取 → 多边形拟合 → 生成DXF/SVG → 导入排样引擎。如果你要自己写轮廓提取OpenCV是绕不开的利器。它提供的findContours函数可以直接从二值图像里抽出轮廓坐标再用approxPolyDP做多边形逼近。这里有个小技巧相机标定时的左右手坐标系一定要搞对否则提取出来的坐标方向和实际物理空间是镜像的排样再准也白搭。标定完成后用棋盘格拍一组照片算出像素坐标到物理坐标的转换矩阵后面所有轮廓数据都统一到这个坐标空间里。6.2 排样结果与切割路径的衔接排样完成只解决了一半问题。零件排好之后切割头走什么路径也很关键。最常见的坑是排样算法把零件紧密排列在一起但如果切割头要按照顺序一个一个切路径规划不好就会在零件之间频繁空移白白浪费大量时间。更复杂一点激光切割过程中还要避免切下来的零件翘起碰到切割头这类物理问题所以切割顺序和微连接暂时连住零件的小桥防止零件位移本身就是一门大学问。现在不少开源社区也在做切割路径规划思路一般是最小化切割头的总空移距离可以近似看成一个旅行商问题。这部分和排样引擎是解耦的你完全可以在排样输出之后再叠加一个路径规划模块。6.3 2.5D与3D场景的启发搜索热词里有2d,3d,2.5d这里顺带说下关联。2.5D排版在实际生产中非常常见典型场景是平面板材上有不同高度的沉台这时候零件虽然看起来还是二维轮廓但不同区域需要不同深度的切割参数。单纯靠2D排样引擎是处理不了高度信息的你需要在后处理阶段给每个零件附加工艺属性。3D排样则复杂得多比如家具板材的柜体排样要考虑板材厚度方向上的堆叠本质上是三维装箱问题和这里讨论的二维套料已经不是一个量级了。但2D套料的很多思想——启发式优化、碰撞检测、包围盒快速过滤——在3D场景里依然适用。7. 二次开发实战把开源套料引擎变成你自己的生产力工具最后聊聊二次开发。开源代码最大的价值不是开箱即用而是你可以把它改造成完全贴合自己业务的东西。7.1 改造输入输出从DXF到业务系统的无缝衔接大多数工厂都有ERP或者MES系统生产订单里的零件清单不会安安静静躺在一个DXF文件里而是存在数据库中的。你完全可以写一个适配层从数据库读取订单里的零件编号映射到对应CAD图纸自动转成算法需要的多边形数据。排样完成后再把每个零件的最终坐标回写到数据库为后续的切割、打标、折弯工序提供数据源。这个适配层用独立模块实现不要改动核心算法代码。核心算法的升级和维护都走官方仓库的更新你只需要保证输入输出接口不变。这是我做了几次二次开发之后的血泪经验——直接改核心代码的人升级一次就哭一次。7.2 算法替换与自定义启发式规则如果默认算法实在满足不了你的场景你可以自己实现新的放置逻辑。Deepnest的架构里算法的入口是一个相对独立的模块你只要实现了同样的输入输出接口就能替换掉默认算法。这有点像给引擎换火花塞——接口对得上就能点着。我做过一个尝试是把切割头运动方向作为约束加入排样目标优先让同一行零件的切割方向一致这样能降低切割过程中的空移路径。做法也不复杂就是在适应度函数里额外加一个方向一致性惩罚项。7.3 单元测试的重要性排样算法是典型的输入简单、输出复杂的逻辑。我建议无论你怎么改都一定把单元测试补上。核心测试用例至少包括同一个零件导入导出后顶点顺序是否一致零件之间的间距是否严格大于设定的间距值是否有零件超出板材边界旋转角度配置为0时是否完全禁止旋转空零件列表是否报错还是返回空结果这些测试看起来简单但能帮你挡住大量后期修改带来的回归问题。我之前有一次重构碰撞检测逻辑自以为很完美结果跑完测试才发现旋转180度后顶点顺序反了导致所有交叉检测都误判。没有单元测试这种问题可能要到车间切废几块板才会暴露出来。8. 聊聊我在实际使用中的几个体会写到这里想分享几个比较个人化的经验。第一不要迷信开源代码里的默认参数。很多开源项目的默认参数是为了通用性调的不见得适合你的行业。做钣金和做亚克力切割对间距、旋转、算法的需求完全不同。花点时间读文档、理解每个参数的含义然后自己拉一批真实零件测试几轮找到属于你业务的黄金配置这比你盲目追求最先进算法有效得多。第二排样引擎的输出不等于最终切割程序。中间一定要有人工审核环节。即使算法再强也要考虑板材表面的覆膜、夹持位置、微连接结构这些工艺约束。最好建一个固定的验证流程——导出的SVG/DXF图纸自己先看图再模拟走一遍切割路径最后才上机床。第三如果条件允许多看看不同开源项目的实现思路。我在看SVGNesting的时候就发现它对叶片式布局的几何处理非常优雅后来这个思路反过来启发了我对Deepnest某些参数的理解。开源软件的价值在于透明你可以从里面学到很多工业软件设计的巧思。排样这个领域大部分时候看起来不像什么酷炫技术但它实实在在能帮一个工厂省下真金白银。希望这篇基于开源代码的拆解能让你少走一些弯路也期待看到你们用这些开源工具搞出更聪明的解决方案。本文还有配套的精品资源点击获取