基于深度残差网络的多层多道焊缝识别

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

基金资助

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