基于改进U-Net模型的焊缝特征提取

作者：夏攀; 马飞; 王中任^*

来源：激光与红外, 2022, 52(08): 1259-1264.

• 自动焊接
• 图像分割
• U-Net
• 焊缝特征提取

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。

• 单位
  湖北文理学院