针对工程图纸识别分类准确度不高的问题,采用了卷积神经网络对电气类图纸、机械类工程图纸和文字类3种图像进行高精度的分类。在小规模数据集和有限计算能力应用场景下,首先采用数据增强技术通过旋转变换、随机裁剪、增加噪声来扩大图像的数据集, 然后搭建反向神经网络与卷积神经网络分别进行训练,最后根据两种分类器预测图像标签进行识别分类. 对比实验结果表明, 反向神经网络模型迭代训练后准确度达到75%,卷积神经网络模型迭代训练后准确率达到98%,模型交叉熵损失量分布在0.001,深度卷积神经网络比浅层反向神经网络具有良好的分类准确性。