基于改进U-Net的白车身焊点定位研究

摘要

针对汽车白车身生产车间环境恶劣，光污染严重，视觉系统与其他装备相结合检测白车身焊点质量时难以准确定位、效率低下的问题，提出了一种改进U-Net的焊点分割算法。通过改进卷积结构更好地融合特征层语义信息，减轻网络结构；然后改进损失函数，融入注意力机制，在正负样本不均匀的情况下更好地挖掘前景，以获取不同尺度的空间特征并建立长期的通道关系。与原始的U-Net网络相比，所提RPSA-U-Net网络的Dice系数提高了8.76%，达到0.983 6,MIOU提高了11.5%，达到0.967 8，网络参数量减少7%。再结合图像处理方法找到焊点中心位置，效率和精度更高，具有应用价值。

关键词

语义分割 / 焊点定位 / 深度学习 / 注意力机制

基金资助

国家重点研发计划资助项目（2020YFA0710904-03）; 国家自然基金联合基金资助项目（U20A20285）; 湖南省创新型省份建设专项资助项目（2019XK2104）; 湖南省高新技术产业科技创新引领计划资助项目（2020GK410）