基于多任务学习的焊缝图像激光条纹分割与特征点定位方法研究
焊缝信息的快速准确获取是实现自动化焊接的首要问题.然而,在实际焊接过程中,电弧、飞溅、强反射光等噪声会严重污染采集的图像,导致焊缝定位偏移,最终导致跟踪失败.为了提高跟踪过程中的焊缝定位精度与图像处理速度,本文提出了一种将激光条纹分割与焊缝特征点定位相结合的轻量级多任务深度学习模型.该模型由编码器和解码器组成,激光条纹分割子任务与焊缝特征点定位子任务共用编码器主干网络,解码器包含激光条纹分割分支和基于可微空间到数值转换(DSNT)的焊缝特征点定位分支,整个模型遵从轻量化设计思想,同时利用多个子任务之间的相关信息,进一步提升各子任务的性能.实验结果表明,所提模型能够有效克服各类焊接噪声,完成焊缝特征的提取,单幅图像的处理时间约为11.45 ms,特征点定位精度可达0.1872 pixel,在自动化焊接方面具有广阔的应用前景.
激光技术、焊缝跟踪、轻量级、多任务、激光条纹分割、特征点定位
50
O436(光学)
国家自然科学基金;中国科学院战略性先导科技专项;安徽省重点研究与开发计划项目;安徽省科技重大专项;中国科学院合肥物质科学研究院院长基金青年项目
2023-10-13（万方平台首次上网日期，不代表论文的发表时间）
共11页
71-81
