摘要
工程图纸是产品研发过程中最重要的参考资料之一。随着计算机硬件和软件的快速发展，工程图纸的呈现方式已从传统的手绘演变为计算机辅助设计（CAD）。然而在目前实践中，将二维图纸转换为三维模型仍需在CAD软件中手动操作。这一过程既耗时又费力，而且如果工程师对图纸理解有误，还容易出错，从而导致模型存在缺陷。为解决这一问题，本研究利用Darknet SDK（软件开发工具包），以二维工程图纸作为训练数据来训练YOLO（一次即可检测）模型。通过對图纸特征进行图像分割与分类，共训练出了七种针对不同特征的YOLO模型，可用于检测：正投影图（100%）、几何特征（100%）、凸/凹特征（99.9%）、尺寸组（99.8%）、尺寸线（99.1%）、理论尺寸（98.6%）以及文字字符（93.6%）。这些预训练模型随后被用来从二维图纸中提取尺寸与几何信息。相应的尺寸值会与图像中被识别物体的相对大小及边缘长度相对应，并存储在关系数据库中。之后，通过整合西门子NX CAD软件及其NX Open二次开发模块，可将识别出的二维图纸特征转换为三维模型。这种方法能够减少二维转三维模型过程中的尺寸误差，确保特征识别的准确性，同时提升模型生成的效率。
