基于卷积神经网络的焊接装配特征识别研究

发布时间：2021-09-15 13:30

　　为实现高铁白车身焊接拼装技术的智能化与自动化,解决焊接过程中特征区域小、背景干扰多等问题,提出了基于迁移学习和卷积神经网络的焊接装配特征快速识别算法。首先采用二值化等传统图像处理算法确定待提取特征的粗略位置,在此基础上再使用sobel、腐蚀、霍夫线段检测确定特征区域的精确位置。其次,考虑到不同环境下,精确定位后特征区域表现不同,故采用基于卷积神经网络的分类模型以增强预测模型的鲁棒性和准确性。最后,选择基于迁移学习的的视觉几何群网络（VGG16）来解决样本量不足以训练整个模型参数的问题。实验结果表明,本文所提的识别算法能够准确识别型材的状态,且在识别检测速度上优于YOLOV3,在准确率上劣于YOLOV3,算法满足使用场景下的实时性要求。 

【文章来源】：计算机科学. 2020,47(S2)北大核心CSCD

【文章页数】：5 页

【部分图文】：

智能化高铁白车身装配质量检测装置

3类待检测的型材拼接状态

基于传统图像处理和深度学习技术的焊接装配特征快速识别方法流程图

【参考文献】：
期刊论文
[1]基于Sobel算子的图像边缘检测研究[J]. 袁春兰,熊宗龙,周雪花,彭小辉.  激光与红外. 2009(01)



本文编号：3396169