人工智能在工程设计上的一个热门应用领域就是对工程设计图纸的分析与处理,这涉及到了许多专业技术例如:图像处理、机器视觉、OCR光学字符识别和神经网络。本文归纳总结了人工智能技术尤其是目标检测的国内外研究进展、基本研究框架与最新成果,并设计基于卷积神经网络和目标检测技术的CAD设计图纸识别与分析系统。本文工作的目的是研究如何设计并构建出一个自动化、智能化的热力管道工程图纸审核与分析系统,该系统应在深度网络和目标检测技术的基础下,识别出图纸中的元件位置及种类,并从中提取相应信息。本文完成的主要工作如下:目标检测算法设计及模型训练阶段。本文利用基于Inception ResNetV2和Faster-RCNN算法的深度学习网络,对经过预处理的热力管道工程设计图进行特征提取、目标定位和目标分类,得到一个基于工程图纸元件数据集的目标检测模型,之后利用OCR光学识别技术对目标检测模型识别出的图纸区域进行数据提取。目标检测算法优化阶段。针对原始算法在热力管道图纸上存在的目标检测问题,对Inception ResNetV2网络以及RPN网络进行网络结构调整和参数优化,包括增加Inception ResNet模块的卷积分支、对Inception ResNet输出特征进行特征融合以及修改RPN锚点参数,进而提高模型对图纸目标的特征提取和小目标识别能力。热力管道工程图纸审核与分析系统构建阶段。设计并构建出了一个基于上述目标检测算法的工程图纸设计审核与分析系统,实现对输入图纸图像进行目标检测和数据分析与提取的功能。详细地阐述了系统设计、系统工作流程和系统功能模块,并对系统的实际工作效果进行了展示。论文重点研究了基于卷积神经网络的目标检测技术、OCR光学字符识别技术的理论,针对课题需求和实际环境分析了原始的目标检测算法的不足,并在此基础上对算法进行优化和改进,最后实现了一个基于深度学习和目标检测算法的工程图纸识别与分析系统。