近年来,随着“智能制造”这一概念在全球的兴起,各行各业都掀起一股进行生产技术智能化升级的热潮。而智能化生产的前提就是让计算机能够获得认知与分类的能力,进而实现产品生产、检测等一系列后续功能。船舶制造业是关乎国家国防与航运的重要行业,对船舶企业进行智能化生产升级是大势所趋。在船舶的生产制造过程中,需要使用大量例如钢板、孔盖这样的平面构件。船舶企业对于这些平面构件的尺寸测量大多仍使用卷尺等传统的测量工具。如果能将深度学习智能算法用于船体平面构件的识别和定位,将计算机视觉技术用于船体平面构件的测量,就可以极大提高实际生产中的构件分拣与检测效率,降低企业员工的劳动强度。因此本文从船体平面构件的识别与测量出发,使用深度学习智能算法完成对于船体构件的识别与定位,并提出一种基于二维图像的船体平面构件测量方法。本文的重点在于使用智能算法完成对于船体平面构件的识别,并通过二维图像实现对于船体平面构件的测量,其主要内容如下:首先,深度学习算法需要图像数据集的训练才能完成对于船体构件的识别,针对训练深度学习模型所需要的船体构件的图像数据集缺失问题,本文使用爬虫爬取以及现场采集的方式完成了对于船体构件图像数据的收集,并制作了包含型材、孔洞、板材、人孔盖以及管材这五种图像数据的船体构件图像数据集SCTD,同时使用了翻转、镜像、平移等方式完成了对于图像数据集数量的扩充与增强。接着,论文详细阐述了图像识别与目标检测技术的原理,并完成了对于船体构件数据集中的图像数据进行了标定。针对图像识别技术无法对于同一图像中的多个构件进行具体识别的这一劣势,本文训练出一种基于深度学习的目标检测智能算法,用于完成对于复杂图像数据中的构件识别任务,通过后续的测试表明此模型能够对于船体构件进行识别及定位。最后,文章阐述了一种使用二维图像对船体平面构件进行测量的方法,此方法操作便捷,使用手机拍摄的图像就能完成测量工作。第一步先使用了图像灰度化等一些列的图像处理方法降低了图像中的噪声,并提高了图像中船体构件轮廓的可提取性;然后通过视角变换的技术降低了图像透视畸变对于测量精度的影响;同时文中还设计出一款适用船体平面构件的正方形测量标靶用以辅助测量,通过测量标靶所提供的像素比例尺完成了对于船体平面构件的测量,验证了此方法的可行性。