基于U-Net卷积神经网络的焊缝激光条纹提取

doi:10.13764/j.cnki.ncdg.2024.02.004

南昌大学学报（工科版） ›› 2024, Vol. 46 ›› Issue (02) : 247-254. DOI: 10.13764/j.cnki.ncdg.2024.02.004

干王杰, 翟翊君, 詹礼新, 赵迎泽, 李渭, 潘平吉

作者信息 +

History +

摘要

针对钢件焊缝激光条纹图像中存在强眩光、强弧光和飞溅遮盖等干扰问题，提出了一种基于U-Net卷积神经网络的焊缝激光条纹特征提取方法。该方法融合底层卷积的细节特征与高层卷积的抽象特征信息，生成紧凑的焊缝激光条纹图像特征。在采集到的数据上测试，检测准确率达到99.80%,平均交并比达到82.67%。该网络构建的参数少(大小为22.58 MB),且在与传统方法的对比中获得了更好的效果。因此，构建的网络模型检测准确率高，抗干扰能力强，能够满足自动化电弧焊接中检测焊缝激光条纹的要求。