[发明专利]一种基于双层深度残差网络的三维CAD模型智能检索方法

说明书

本发明公开了一种基于双层深度残差网络的三维CAD模型智能检索方法，采用深度残差网络作为基本框架，构建了包括过滤网络和排序网络的双层深度残差网络。通过获取企业历史三维CAD模型实体视图/线框视图并进行数据预处理制作训练数据集1和训练数据集2，进一步将数据集1用于过滤网络的参数训练，将数据集2用于排序网络的参数训练，将训练好的网络保存为.h5文件。调用训练好的双层深度残差网络，用户可以通过三维CAD模型的实体视图、线框视图、工程图纸、工程草图等实现对相似三维CAD模型的精确检索。本发明提出的三维CAD模型智能检索方法具有检索输入灵活、检索时间短、检索精度高等特点，为企业海量三维CAD模型的智能检索与高效重用提供有效支撑。

技术领域

本发明属于先进制造技术智能化信息技术领域，具体涉及一种基于双层深度残差网络的三维CAD模型智能检索方法。

背景技术

据统计，在企业新产品研发过程中，约40％的零部件可以采用现成设计，约40％的零部件可以通过修改已有的设计完成，仅有约20％的零部件需要全新的设计。因此，在约80％的产品零部件研发过程中重用企业已有的、被工程实践证明了的成功案例可以极大地提高产品的质量和可靠性，并减少约60％的产品研发时间，从而大大降低企业新产品的研发成本，提高其市场竞争力。随着CAD技术的蓬勃发展和广泛应用，企业积累了海量的三维CAD模型，这些模型及其携带的知识为新产品的研发提供了丰富的案例资源。在新产品研发过程中重用企业已有的三维CAD模型及其内嵌的工艺文件、工装夹具以及产品作业计划等知识，不仅可以提高产品的质量及研发效率、缩短产品的研发周期，还能促进企业人员学习，启发其进行再创新，进而提升企业的创新能力和核心竞争力。然而，企业由于缺乏有效的三维CAD模型检索工具，导致大量三维CAD模型沉睡在企业数据库中，从而无法在新产品研发过程中发挥作用。

针对上述问题，学术界对三维CAD模型检索与重用展开了大量研究，并取得了一定有益效果。当前国内外有关三维CAD模型检索的研究主要聚焦在采用语义描述符、形状描述符、几何结构描述符等表征该模型；并进一步通过计算输入描述符与数据库中三维CAD模型所对应的描述符的相似性或差异性达到三维CAD模型检索的目的。上述方法虽然能得到比较精确的检索结果，但由于描述符的构建复杂，导致上述方法的实施难度大；其次，对于企业员工而言，描述符复杂且难以理解，实用性较差；最后，此类方法需要遍历计算数据库中所有描述符与输入描述符的相似度，导致检索时间较长，且检索时间会随着企业数据库中的三维CAD模型增多而增加。由此可见，企业仍需要一种输入灵活方便、实用性强、准确度高的三维CAD模型检索方法。

实质上，三维CAD模型视图(如实体视图、线框视图、工程图纸、工程草图等)作为企业员工表达及交流产品研发思路的重要媒介，是三维CAD模型检索输入的理想选择。同时，三维CAD模型视图包含了该模型丰富的几何结构及形状信息，可用来表征该模型并将其和其它三维CAD模型区分开来。另一方面，随着深度学习在图像识别领域(如人脸识别、手写字识别等)的广泛应用，尤其是深度残差网络在ImageNet图像分类、检测和定位等任务取得了比人工识别更高的准确率，标志着深度学习在图像识别领域取得了突破性进展。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于双层深度残差网络的三维CAD模型智能检索方法，为企业海量三维CAD模型的检索与重用提供支撑。

本发明采用以下技术方案：