《中国制造2025》中强调加快新一代信息技术与制造业深度融合,加快船舶、机械等行业的生产设备智能化改造。生产制造的智能化依赖于新兴的深度学习技术,深度学习是学习样本数据的内在规律和特征,然后由学习到的内在规律特征等进行相关任务的判断。为了适应现代化的造船模式,船舶的生产、管理模式必然要走向现代化、高效化。面向船舶智能制造,要打通船舶设计和作业现场的数据流,需要先智能识别出加工对象(板、梁、分段等)才能调用其模型进行展示,调用加工信息指导生产,在船舶制造中,船体零构件、分段等都有特定的编码并绘制在其上,船体零件的编码应用数字、字母的相互组合能够完整、准确地表达船体零件、组件所在的位置、类型、序号、加工方式等信息。因此,本文主要研究了船体零构件、分段等上面绘制编码的智能识别方法,就船舶生产过程中船体零件编码的智能识别问题进行了探索。本文结合图像处理算法采用卷积神经网络对自然场景下的船体构件编码进行识别,首先对自然场景下带有船体构建编码的图片进行预处理,主要包括降噪处理和边缘增强,然后运用文字检测算法进行编码定位,同时对比了各种检测算法的优缺点,对定位后的编码进行倾斜校正然后采用投影法进行单个字符分割,制作了用于训练的单个字符的数据集,最后使用数据集对卷积神经网络进行监督训练。神经网络模型参考LeNet-5卷积神经网络结构,同时为了避免数据量太少带来的学习不足问题,采用迁移性学习的办法事先用EMNIST数据集对卷积神经网络进行了预训练,实验结果表明本文方法能够实现船体构件编码的精准识别,识别准确率达到88.57%。识别后的编码将后续用于从数据库中调取船体分段、构件的模型,结合AR技术实现模型展示、工艺信息显示等功能。本文实现了将深度学习技术应用于船体零件编码的识别,是船舶生产建造过程智能化的一项探索,打通了船舶设计和船舶建造作业现场的数据流,有利于船舶生产过程的现代化、高效化,将进一步提高船舶生产建造过程的智能化水平。