基于改进的Faster-RCNN的焊缝特征提取

作者：曹晋晋

来源：科技与创新, 2023, (18): 63-67.

DOI：10.15913/j.cnki.kjycx.2023.18.019

• 焊缝特征
• 深度学习
• 残差网络
• 特征提取网络

焊缝特征的识别提取是智能焊接过程中至关重要的一个环节，为了能够更加高效、准确地提取出焊缝，提出了一种基于改进的Faster-RCNN焊缝特征提取模型。用ResNet网络代替VGG网络，优化了网络参数和结构，克服了传统模型检测精度低、时间复杂度高、易受环境影响的问题，同时降低了在深度神经网络中增加深度带来的梯度消失问题。采用FPN算法研究首先选取少量的样本进行训练，然后通过扩充样本达到较高准确度。实验结果表明，大部分检测结果的置信度都在98%以上，精确率达到99.6%。

• 单位
  自动化学院; 天津理工大学