基于改进U-Net模型的焊缝特征提取

摘要：

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99.34％、89.36％、95.62％,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.

关键词：自动焊接、图像分割、U-Net、焊缝特征提取

所属期刊栏目：52

分类号：TP391(计算技术、计算机技术)

资助基金：襄阳市重点科技计划项目

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1259-1264