原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第
45
卷
第
1
期焊
接
学
报Vol.45(1):88−93
2024
年
1
月TRANSACTIONSOFTHECHINAWELDINGINSTITUTIONJanuary2024
基于关键点检测方法的焊缝识别
郭忠峰，
刘俊池，
杨钧麟
(沈阳工业大学,
沈阳,
110870)
摘要：
为保证自动焊接的质量，提高焊缝识别的准确性和适应性，提出一种焊缝特征提取的关键点检测方法.基于
卷积神经网络设计了焊缝特征提取网络，该网络通过卷积、池化操作提取焊缝特征.将来自深层的特征图进行上采
样，最后将深层特征图和浅层特征图相融合，提高焊缝特征提取精度.输出焊缝图像的热力图来预测焊缝特征点位
置，实现多种坡口焊缝的识别定位，且不需要非极大值抑制算法，提升了特征提取速度.采集不同的焊缝特征图像，
进行网络模型训练.结果表明，焊缝特征点定位均方根误差为0.187mm，网络模型在焊缝特征点识别任务中检测
精度较高，而且适应性和泛化性较强，满足自动焊接的要求.
创新点：
(1)焊缝特征提取网络，深层焊缝特征图进行上采样，与浅层焊缝特征图相融合，提高特征提取精度.
(2)输出焊缝图像的热力图来预测焊缝特征点位置，不需要非极大值抑制，提升了特征提取速度.
关键词：
图像处理；深度学习；焊缝识别；特征融合
中图分类号：TG
409
文献标识码：A
doi：10.12073/j.hjxb.20230204001
要求.传统的图像识别方法需要各种特征提取算法
0
序言进行焊缝识别，其适应性和抗干扰能力较差，近年
来，深度学习方法已在焊接领域得到了广泛应
[8][9]
焊接生产智能化与自动化是焊接制造领域的用，陈凯等人基于深度学习的方法对焊缝识别
技术发展趋势，实现自动焊接的前提是焊缝的自动定位，先对焊缝类型进行分类，再对焊缝图像进行
识别.激光视觉传感技术是将激光投射在焊缝表面分割以得到焊缝位置信息，该算法轻量高效并具有
[10]
形成包含焊缝轮廓信息的焊缝条纹图像，然后进行较高定位精度；杨国威等人引入先验框定位焊缝
特征提取，因其具有非接触、高精度等技术优势在特征点区域，并将焊缝的位置与置信度相结合，提
[1]取焊缝特征点，抑制了噪声干扰，保证了焊接精度，
焊缝识别领域得到了广泛应用.在自动焊接过程
[11]
中，对焊缝坡口关键位置信息进行准确提取，可明具有一定的适应性；唐溪等人基于改进的
[2-3][4]CenterNet网络对焊缝进行定位，加入特征融合和
显提升焊接质量.余佳杰等人利用质心法提取
焊缝中心线，通过最小二乘法和k均值聚类提取焊注意力机制，提升了检测精度.深度学习方法不同
缝特征点，提高了焊缝识别的准确度；Li等人[5]于传统图像识别，省去了繁琐的特征提取，有效提
构造焊缝轨迹特征三角形来提取形状特征，并
文档评论（0）