一种基于CNN深度学习的焊接机器人视觉模型

• 作者: 方灶军 李鹤喜 韩新乐
• 来源期刊: 焊接学报
• 学科: 工学
• 关键词: 深度学习 卷积神经网 焊接机器人 视觉模型 焊缝目标
• 年，卷（期）: 2019,（2）
• 页码范围: 154-160
• 页数: 7页
• 分类号: TG409|TP242
• 字数: 4562字
• 语种: 中文
• DOI: 10.12073/j.hjxb.2019400060

摘要

为了准确地识别复杂环境下的焊缝目标,建立了一种基于深度学习的焊接机器人视觉模型,该模型采用局部联接和全联接相结合的CNN卷积神经网络结构,局部联接由3个卷积层和子采样层交替组成,用于焊接目标的特征提取,全连接层由输入层、隐层和输出层组成,作为分类器用于焊缝目标识别.采样了一千多幅焊接目标图像样本用于CNN的网络训练,分析了不同CNN网络结构参数对模型的影响.结果表明,该视觉模型对焊接目标的平移、旋转和比例缩放表现出良好的鲁棒性,可以应用到焊接机器人的视觉导航.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李鹤喜	五邑大学智能制造学部	14	35	4.0	5.0
2	方灶军	中国科学院自动化研究所	6	41	4.0	6.0
3	韩新乐	五邑大学智能制造学部	3	7	2.0	2.0