突破传统设计瓶颈！众数信科&厦门理工团队船舶概念创新设计方法在行业顶刊发表

近日，众数信科&厦门理工联合团队在海洋工程领域国际权威期刊《Ocean Engineering》发表最新研究成果，为这一难题提供了创新解决方案——基于小样本学习的船舶概念创新设计方法，通过结合AIGC技术，将船舶概念创新设计时间从数小时缩短至数秒。

《Ocean Engineering》期刊截图

研究团队提出的船舶概念创新智能设计框架包含三大核心模块：

┃CAD预处理模块

智能筛选船舶CAD设计图线条，将线条分为主结构线、次结构线和辅助标注线，在保留安全关键特征的同时有效减少视觉噪声。

┃领域自适应模块

创新性地采用LoRA低秩自适应技术，仅需75张专家标注样本即可完成模型的微调，训练参数减少99%。实验表明，rank=64、α=32的配置在结构保真度与视觉质量间达到最佳平衡。

┃多模态控制生成模块

集成了Canny、MLSD和BAE三种预处理器的协同控制机制，结合IPAdapter实现风格控制，确保生成图像既符合CAD几何约束，又具备艺术表现力。

在拖船设计任务中，该方法取得了显著成果：

与传统软件相比，该方法将船舶概念创新设计时间从数小时缩短至数十秒，实现400倍以上的加速，同时训练成本降低95%。

┃多预处理器协同策略

针对船舶几何特点，采用Canny算子约束船体光顺性，MLSD算法保持上层建筑线性特征，BAE-Net提供伪3D空间感知，形成全方位结构约束。

┃SD模型首次应用

SD模型首次应用于船舶概念创新设计领域，构建完整的从CAD线稿到专业图像渲染的自动化流程。

┃少样本学习能力

通过LoRA技术实现小数据下的高效领域适应，解决了船舶设计数据稀缺的难题，为行业应用奠定基础。

该方法在集装箱船、散货船、客船等多种船型上均表现出良好的泛化能力，验证了其在全谱系设计任务中的实用价值。