基于深度学习的薄板TIG焊焊缝成形视觉检测.pdfVIP

《热加工工艺》2022年2月第51卷第3期

參銲接技术鲁

基于深度学习的薄板TIG焊焊缝成形视觉检测

汲生鹏，闫志鸿，刘嘉，宫兆辉

(北京工业大学机电学院汽车结构部件先进制造技术教育部工程研究中心，北京100124)

摘要：焊接区的视觉图像含有丰富的熔池成形和焊缝成形信息，然而，由于焊接区的状态复杂、干扰因素众多，图

像处理算法设计非常困难，很难实现工程化应用。利用深度学习技术中的卷积神经网络(VGG网络）实现了薄板TIG焊

的熔透状态的检测。首先采用VGG网络构建了从熔池反面视觉图像判断熔透状态的模型，实现了未熔透、熔透和烧穿

的可靠识别，准确率可达97.2%;在此基础上，又采用SSD网络构建了熔透状态下熔宽的检测模型，实现了反面熔宽的

准确测量。此外，采用数据增强的方法模拟了不同的检测条件，使模型的适应性达到了工程化水平。同时构建了从正面

熔池预测反面熔透的网络模型，解决无法直接从反面判断的情况，模型的预测准确率为96.7%，最后分析了误差出现的

原因和提髙准确率的方法。

关键词：熔池检测；卷积神经网络；SSD网络；数据增强

DOI:10.14158/j.cnki.1001-3814.

中图分类号：TG441.8;TG409文献标识码：A文章编号：1001-3814(2022)03-0115-07

VisualDetectionofTIGWeldFormingofThinSheetBasedonDeepLearning

JIShengpeng,YANZhihong,LIUJi,GONGZhaohui

(EngineeringResearchCenterforAdvancedManufacturingTechnologyofAutomotiveStructuralComponents,Electricaland

MechanicalCollege,BeijingUniversityofTechnology,Beijing100124,China)

AbstractThevisualimageofweldingpoolcontainsrichinformationoftheformationofweldingpoolandweldseam.：

However,duetothecomplexstateofweldingpoolandnumerousinterferencefactors,itisverydifficulttodesigntheimage

processingalgorithmandrealizetheengineeringapplication.Theconvolutionalneural(VGG)networkofthedeeplearning

technologywasusedtorealizethepenetrationstatedetectionofthinplateTIGwelding.TheVGGnetworkwasfirstlyusedto

buildamodeltojudgethepenetrationstatefromthevisualimageofthereversesideofthemoltenpool,whichrealizesthe

reliableidentificationofnon-penet