本发明公开了一种基于深度学习的二维轮廓排样定序方法，具体包括：获取排样历史大数据并预处理，对历史数据中所有已排样的零件进行标定得到排样顺序矩阵Y；提取每个已排样零件的几何特征，得到几何特征矩阵X；整理得到排样定序数据集PRD‑T；建立深度学习模型Packing‑Sort‑Model；输入PRD‑T数据集，训练得到能够输出待排样零件排样顺序的模型Packing‑Sort‑Model；提取待排样零件几何特征，得到待排样零件的几何特征矩阵A；将待排样零件的几何特征矩阵输入到已训练完成的深度学习模型中；计算得待排样零件的排样顺序矩阵B；按照排样顺序对待排样零件进行逐一靠接排样，完成排样。本发明能实现排样过程中待排零件的定序，排样效果好、效率高。
