基于深度残差网络的多层多道焊缝识别

何俊杰, 王传睿, 王天琪

PDF(1393 KB)
PDF(1393 KB)
天津工业大学学报 ›› 2025, Vol. 44 ›› Issue (01) : 91-96.

基于深度残差网络的多层多道焊缝识别

  • 何俊杰, 王传睿, 王天琪
作者信息 +
History +

摘要

为保证焊缝跟踪的精度并将激光条纹从强弧光、飞溅中分离出来,提出了一种基于深度残差(SRNU)网络的激光条纹分割算法。该算法是将带有弧光的图像送入SRNU模型,对内嵌于Resunet网络的编码层部分进行改进,添加SE模块和分组残差模块,对多层级特征信息进行提取和解析。结果表明:所提算法与Resunet算法相比,平均交并比、精确率、召回率与F1分数分别提升了0.79%、1.38%、0.50%和0.91%,说明该方法有较好的鲁棒性且具有较强的抗干扰能力,在复杂工况下也能将激光条纹从强弧光、飞溅中分离出来。

关键词

结构光视觉传感器 / 深度学习 / 多层多道焊缝 / 焊缝识别 / 深度残差 / 激光条纹分割算法

中图分类号

TP18 / TP391.41 / TG441.7

引用本文

导出引用
何俊杰, 王传睿, 王天琪. 基于深度残差网络的多层多道焊缝识别. 天津工业大学学报. 2025, 44(01): 91-96

基金

国家自然科学基金项目(51975410); 天津市教委科研计划项目(2019KJ011)

评论

PDF(1393 KB)

Accesses

Citation

Detail

段落导航
相关文章

/