激光与红外

作者：夏攀

单位：1.湖北文理学院机械工程学院,湖北 襄阳 441053；2.湖北文理学院汽车与交通工程学院,湖北 襄阳 441053；3.智能制造与机器视觉襄阳市重点实验室,湖北 襄阳 441053；

关键词：自动焊接;图像分割 ;UNet;焊缝特征提取

基金：襄阳市重点科技计划项目(No.襄计科［2020］4号)资助。

针对基于激光视觉自动焊接过程中,出现焊缝特征占比失衡,焊接偏移的问题,提出一种改进U Net模型,在U Net网络模型的基础上融合可学习的调整器模块,在编码块中接入特征增强模块,减少了弧光干扰,提升了焊缝特征提取的精度。以管道自动焊接机器人作为图像采集平台,设计了网络训练模型,同时辅以数据增强防止网络过拟合,实验结果表明,改进型U Net算法的像素分割准确率(acc)、平均交并比(mIou)、平均像素精确度(mpa)分别为9934%、8936%、9562%,与传统阈值分割算法、FCN算法、U Net算法、PSPNet算法相比,本文的精度指标最优,在强弧光干扰环境下能准确提取出焊缝特征,具有抗噪能力强,识别准确率高的优点。

来源：2022年第8期

《激光与红外》期刊编辑部

查看激光与红外杂志2022年第8期