基于深度学习的焊缝图像识别研究

作者：陈凯; 王海^*

来源：安徽工程大学学报, 2022, 37(01): 24-31.

• 深度学习
• 焊缝识别
• 神经网络

为了提高焊接机器人的自动化作业水平，对于焊缝的识别至关重要。针对图像中焊缝类型以及焊缝位置的确定，本文提出一种基于深度学习的方法对目标焊缝进行识别定位。通过先分类再分割的思想来实现对研究使用的3种焊缝类型进行准确分割。该方法首先使用了一种含有特别的Bneck结构的轻量级网络MobileNetV3对3种图像进行分类，运用SeGAN神经网络对焊缝图像进行分割得到结果。研究先以少量的样本图片进行训练，然后通过扩充样本达到较高准确度。实验结果表明，分类结果准确度达到99.39%,相对于VGG识别精度提高了3.74%,定位结果准确度能达到95%,证明了该方法的有效性，在工业自动化焊接中有重要意义。

• 单位
  安徽工程大学