制造业企业在研发阶段积累了大量的零部件三维模型,为高效地重用现有的模型资源,需要研究准确快速的模型检索方法。基于图像的三维模型检索方法根据输入图像在三维模型库中检索与图像相关的三维模型,是高效重用模型资源的重要途径。当前主流的研究以多视图的形式表示三维模型,通过神经网络提取三维模型和图像的特征以度量两者的相似度,但这些研究中获取的三维模型多视图往往不全面或冗余度较高,很少关注图像中背景对特征提取的干扰,检索算法的准确率和效率有待提高。为此,本文开展以下几个方面的研究工作:（1）研究基于图像检索三维模型的基本流程,分析流程中各个环节的关键技术,提出基于图像检索三维模型的技术方案,设计基于图像的三维模型检索总体框架。（2）研究三维模型多视图获取与视图聚类方法,以正二十面体细分生成的球面三角网格顶点为视点,渲染模型的视图,提取视图的几何不变矩,基于k-means++对视图进行聚类。该方法有利于降低模型多视图表示的冗余性,提高模型多视图表示的完整性。（3）研究提取掩膜的轻量级图像分割网络,利用轻量级卷积神经网络对金字塔场景解析网络进行轻量化,实现对掩膜准确快速地提取。在提取图像的特征前将图像与掩膜拼接,有利于减小背景对特征提取的干扰,提取出更准确的特征。（4）研究基于联合嵌入的三维模型检索算法,通过深度度量学习为多视图形式的三维模型构建特征空间,基于轻量级卷积神经网络将图像嵌入到特征空间中,在特征空间下计算三维模型与图像的相似度。该算法充分学习三维模型和图像的特征,实现对三维模型准确快速地检索。（5）开发基于图像的三维模型检索原型系统。基于上述算法对原型系统进行设计与实现,利用自定义的机械零部件数据集对原型系统进行测试,验证本文算法的有效性。