科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对视觉焊缝跟踪中焊缝图像滤波处理的实际需求，提出基于深度卷积神经网络的焊缝图像滤波(WIF-CNN)模型，实现了对焊缝图像中不同类型噪声的有效滤除。所提出的WIF-CNN网络基于VGG网络实现，通过去除VGG网络中的全连接层和池化层，实现了图像端到端的训练；通过引入残差网络结构和BN层，使WIF-CNN网络在保持较高层数的同时，具有较高的准确率和较快的收敛性；按照随机洗牌策略生成训练数据集，提高了WIF-CNN网络的鲁棒性。结果表明：当分别过滤含有高斯、泊松和椒盐噪声的焊缝图像时，与均值、高斯、中值、NLM和BM3D等滤波算法相比，所提出WIF-CNN网络的滤波效果最好，经过WIF-CNN网络滤波处理后的焊缝图像噪声强度大幅降低，且失真度较小；所构建的WIF-CNN网络可以满足焊缝视觉跟踪中图像滤波处理的要求，有利于后续焊缝图像处理的进行。
- 单位
