基于U-Net卷积神经网络的焊缝激光条纹提取

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。

关键词

焊缝检测 / 深度学习 / 卷积神经网络 / 图像处理 / 语义分割