船舶工业是我国制造强国和海洋强国战略布局的重要支撑,其产品长期处于深水环境,独立存在,对船舶结构设计要求高;且其产品个性化,定制化程度高,设计周期长。减少船舶三维建模工作量,促进船舶三维建模智能化进程,缩短船舶设计周期为船舶设计领域的研究热点。本文针对船舶零件复制约束适配展开研究:根据原零件与目标平面约束,生成自适应几何形状和大小的理想零件,在船舶三维建模过程中引入目标检测和筛选算法,实现了船舶零件创建过程的智能化。主要研究内容如下:分析了现有船舶零件复制约束适配方法与适用场景,明确基于目标检测和筛选的船舶零件智能复制约束适配方法的规则:以可形成封闭区域的约束组合为目标,对目标平面约束图片进行检测,输出多个目标结果;在这多个目标结果中筛选一个与原零件几何形状最相似、位置最相近的一个目标作为理想约束输出。基于图像处理的图像分割算法及基于深度学习的Faster R-CNN、YOLO V4、YOLO V4 TINY算法进行目标检测,比较分析各算法的检测结果,选择采用YOLO V4算法进行船舶零件智能复制约束适配过程的目标检测。引入基于深度学习的孪生神经网络计算几何形状相似度,使用目标与原零件几何中心距离描述位置关系,基于几何形状相似度与位置关系进行目标筛选。依据上述船舶零件智能复制约束适配方法,搭建船舶零件智能复制约束适配模块,并根据检测时间、结果准确率、内存占用三个参数评测该模块,实现船舶三维建模过程中约束的智能匹配。