激光与红外

作者：李旸

单位：1.郑州工业应用技术学院 信息工程学院,河南 郑州 451150；2.河南师范大学 计算机与信息学院,河南 新乡 453000；3.河南科技大学 应用工程学院,河南 三门峡 472000；

关键词：Unet神经网络;焊缝缺陷;红外图像;实时跟踪

基金：河南省科技厅科技攻关支持项目(No.242102210101)；河南省高等教育教学改革研究与实践支持项目(No.2024SJGLX0584)；河南省高等学校重点科研计划项目(No.24B120007)；河南省大中专院校就业创业课题项目(No.JYB2023094)资助。

在实际焊接作业中,由于强烈的光学噪声、火花飞溅及烟雾等复杂环境因素的干扰,传统依赖于单一跟踪器的焊缝检测方法常难以维持对焊缝的精确追踪,从而导致跟踪性能显著下降乃至失效。为此,提出一种基于U net神经网络的焊缝表面缺陷红外图像实时跟踪检测方法。该方法在焊接初始阶段,通过准确识别焊缝表面红外图像中的焊缝特征,并对特征点进行精确定位。为了应对焊接过程中的强干扰环境,设计了两个并行的核相关滤波器来追踪焊缝特征点,并通过卡尔曼滤波器融合这两个跟踪器的输出结果,确保在复杂环境中也能实现焊缝的实时、稳定且鲁棒的跟踪。将实时跟踪获取的焊缝特征点信息作为关键输入送入U net神经网络中。在U net的架构中,引入一个分支网络,以优化特征提取过程并提升分割图的质量,增强对焊缝表面缺陷的细节捕捉能力。利用边界框机制分析U net输出的分割图,实现对缺陷区域位置和大小的自动判定,完成焊缝表面缺陷的红外图像检测。实验结果表明,该方法在焊缝跟踪和焊缝表面缺陷红外图像检测方面均表现出色,评价函数Q值低至2136,具有较高的检测精度。

来源：2025年第7期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第7期