基于深度学习的焊缝图像识别研究

• 作者: 陈凯 王海
• 来源期刊: 安徽工程大学学报
• 学科: 工学
• 关键词: 深度学习 焊缝识别 神经网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 机械与车辆工程
• 页码范围: 24-31
• 页数: 8页
• 分类号: TP18|TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.2095-0977.2022.01.004

摘要

为了提高焊接机器人的自动化作业水平,对于焊缝的识别至关重要.针对图像中焊缝类型以及焊缝位置的确定,本文提出一种基于深度学习的方法对目标焊缝进行识别定位.通过先分类再分割的思想来实现对研究使用的3种焊缝类型进行准确分割.该方法首先使用了一种含有特别的Bneck结构的轻量级网络M o-bileNetV3对3种图像进行分类,运用SeGAN神经网络对焊缝图像进行分割得到结果.研究先以少量的样本图片进行训练,然后通过扩充样本达到较高准确度.实验结果表明,分类结果准确度达到99.39％,相对于VGG识别精度提高了3.74％,定位结果准确度能达到95％,证明了该方法的有效性,在工业自动化焊接中有重要意义.