科研之友
微信
新浪微博
Facebook
分享链接
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高准确率的方法。
- 单位
