增强现实系统关键技术包括虚拟现实融合、三维配准、实时交互,其中核心在于目标对象的检测定位,即三维配准。随着大数据、硬件技术的不断发展,大量的实验证明,相比以人为设计并提取特征点的传统机器学习方法,以卷积神经网络为核心的深度学习技术大大提高了图像检测的效率和精度,广泛应用于各行各业。针对增强现实系统中关键技术的精度效率要求以及交互方式要求,本文在以下方面进行了研究与实现:(1)为了实现数据的普遍性,从背景、照明,对象大小、拍摄角度等多方面考虑,针对常见的实验室设备,自制数据集并标定,同时利用翻转、缩放、裁剪等数据增强方法来扩充数据集以获取更好的训练拟合,利用自身训练的网络模型,与Faster R-CNN网络进行比对,依据实验结果选出更优的目标检测网络。(2)在目标检测模型返回的边界框的基础上,设计出一种结合射线碰撞、计算边框的方法,对检测目标进行物理空间定位,为叠加模型提供空间坐标,并从主观和客观角度最终评价检测模型。(3)对前期制作的3D设备模型进行不同方法的贴图渲染,设计烘焙移植方法来选出最好结果以适应增强现实设备的计算力。(4)综合以上三点,利用Voice、Gesture、Gaze等交互方法,对叠加模型设计出不同的交互方式。(5)利用增强现实设备HoloLens,设计并开发出一款基于HoloLens的增强现实设备检测与定位交互系统。该系统可以检测定位实验室设备并依据空间位置叠加模型,还可以对模型实时进行多种交互,如分解、移动、旋转等。以上实验结果表明使用本文提出的方法可以较精确检测定位实验室设备,并能简单、流畅、舒适的体验与叠加模型的交互功能,给使用者在设备检测组装、拆解学习上提供一种全新的可视化交互感受。