基于全卷积神经网络的焊缝特征提取的研究 | 网络首发 -- 中国光学期刊网

网络首发

中国激光

ESCI,EI,SCOPUS,CJCR,CSCD,北图

2019年第46卷第03期2页

基于全卷积神经网络的焊缝特征提取的研究

张永帅 ¹杨国威 ²王琦琦 ¹马雷 ³王以忠 ¹

录用时间：2018-07-29

网络首发时间：2018-11-30

论文栏目

激光制造

作者单位

¹ 天津科技大学

² 天津科技大学电子信息与自动化学院

³ 天津职业技术师范大学

论文摘要

针对焊缝跟踪系统在复杂焊接环境中容易受噪声干扰，产生定位不准确、焊接出现偏移等问题，利用深层卷积神经网络的特征学习能力，提出了一种基于全卷积神经网络的焊缝激光特征线提取方法。该方法利用全卷积神经网络对采集的焊缝区域图像进行训练，将包含激光线特征信息的像素预测出来，通过反卷积策略恢复输出图像大小。通过融合低层与高层特征信息，补充边缘特征信息，提高焊缝提取精度。实验结果表明，本方法能够在强烈弧光和烟尘干扰下，能够准确的提取焊缝位置，具有抗干扰能力强，识别准确的优点，从而提高焊接质量。

卷积神经网络焊缝跟踪自动焊接系统图像处理深度学习

引用本文

张永帅, 杨国威, 王琦琦, 马雷, 王以忠. 基于全卷积神经网络的焊缝特征提取的研究[J]. 中国激光, 2019, 46(03): 2.

DOI：10.3788/cjl201946.03激光制造02

PDF 全文：点击此处查看

网络首发

关于本站 Cookie 的使用提示

全站搜索

网络首发

浏览排行

下载排行

关于本站 Cookie 的使用提示

全站搜索