激光与红外

作者：熊艳飞

单位：江西应用科技学院 智能制造工程学院,江西 南昌 330100；

关键词：改进YOLOv5s;激光切割机器人;视觉图像;目标标注;目标定位

基金：2022年江西省科技厅科技课题项目(No.GJJ2203317)资助。

在激光切割的工业环境下会存在大量干扰元素,例如电磁干扰、振动、烟尘和颗粒物、外部环境以及光源等,当前的结合类别学习方法,对目标抽象图形中凸显区域缺少单独目标对齐过程,导致目标特征关联性不强,标注结果不准。提出基于改进YOLOv5s的激光切割机器人视觉图像目标标注方法。利用输入端、池化层、共享全连接层等搭建改进YOLOv5s模型,该网络使用最大池化与平均池化生成两幅激光切割机器人视觉图像,根据通道维度连接图像特征实现激光视觉图像目标粗定位,结合调制因子和目标检测损失实现目标特征对齐。在目标特征对齐后确定激光切割机器人视觉图像关键凸显区域帧,通过对激光切割机器人历史标注图像实施半监督训练,确定图像空间区域关联,根据区域关联进行激光视觉图像目标标注。实验结果表明:所提方法的激光切割机器人视觉图像目标标注的交并比与准确率高、速度快,拥有极强的鲁棒性。

来源：2024年第12期

《激光与红外》期刊编辑部

查看激光与红外杂志2024年第12期