针对传统焊接接头类型与漏焊检测方法在三维结构感知能力与特征识别精度方面的不足，提出了一种结合几何结构建模与注意力机制的三维点云检测网络CA-PnPNet。首先，该方法基于PointNet++架构，在多层特征提取阶段嵌入三维点邻域几何建模模块（point neighborhood processing in 3d, PnP3D），以增强网络对局部空间几何关系的表达能力。其次，引入通道注意力模块（channel attention module, CAM），通过建模通道间语义依赖自适应强化关键特征。最终，两类模块在不同特征层的协同作用，使点云局部结构刻画与语义特征增强得以统一，实现更加充分的三维结构表征。为验证方法有效性，进行了多组模型对比实验。结果表明，CA-PnPNet在焊接点云分类任务中准确率达97.7%，较基线模型提升1.9%，推理速度（frames per second, FPS）由33.3提升至36.1，表现出优异的精度与实时性。该方法为复杂焊接结构的智能检测与工业质量监测提供了有效的技术参考。