基于深度迁移学习的焊接质量在线监测方法研究

发布时间：2020-04-19 09:53

【摘要】：随着焊接工业的不断发展,焊接过程中实现自动化、柔性化、智能化已成为工业发展必然趋势。研究焊缝质量在线检测,对提高焊接工艺质量和相关焊接工件质量具有重要意义。本文研究基于深度迁移学习的焊接质量在线监测方法,针对目前焊接过程中产生的焊缝表面缺陷难以检测与识别的问题,通过研究焊接缺陷数据增强、焊接缺陷图像分类、焊接缺陷目标检测方法,实现高效精准的焊接质量在线监测。主要研究结果如下:(1)基于生成对抗网络实现了焊接缺陷学习样本的数据增强,通过引入条件变量、高斯混合模型、自注意力机制优化生成对抗网络损失函数,并提出基于深度卷积神经和自注意力机制的生成器和判别器模型;研究生成样本分布与真实样本分布的差异性评判方法。实验表明,利用所提出的数据增强算法能为深度学习算法在小规模焊接缺陷样本的训练提供一个有效途径;(2)引入DropBlock卷积核优化和全局平均池化,结合轻量卷积神经网络模型MobileNet,提出基于优化轻量卷积神经网络的焊接缺陷分类算法,并利用Fashion-MNIST中小规模图像公开数据集及焊接X射线内部缺陷增强数据集对算法进行测试,实验结果表明,相对于目前常用的卷积神经网络分类算法,所提出的焊接缺陷分类算法兼顾识别准确率和训练效率,具有计算复杂度低和部署易用性良好的优点,为嵌入式平台实现焊接缺陷目标识别提供实现手段;(3)研究焊接缺陷内外部特征映射关系和深度迁移学习策略,利用基于网络的深度迁移学习策略实现焊接缺陷内外部特征模型的权重迁移,提高焊接外部特征缺陷分类模型的收敛速度和泛化能力,能有效利用有限焊接外部特征数据集进行训练;研究目标检测算法,结合基于深度迁移学习的焊接外部特征缺陷分类模型和One-Stage目标检测算法,提出基于深度迁移学习的焊接缺陷目标检测算法,部署到嵌入式AI平台,对焊接表面图像进行实时检测,实现焊接质量的实时在线监测;
【图文】：

未娜透

夹渣通常在焊缝中为宽度和黑度不均匀的点或线条状，主要产生的原因为焊接过程逡逑中产生的熔渣或由于焊缝中存在不干净的杂质。夹渣被射线照相机照出来极其容易，属逡逑于体积性缺陷，很容易产生应力集中因为焊缝受力载面积在焊接过程中会减少，造成交逡逑变载荷的产生根源。在焊接速度太快、电流太小的情况下极易形成夹杂，合理控制焊接逡逑速度、角度、电流，防止焊接夹渣的产生。根据其形态的不同，可以将夹渣分为条状夹逡逑渣、点状夹渣、块状夹渣。逡逑灥■■■逡逑图２－５气孔逡逑Ｆｉｇ．邋２－５邋ｐｏｒｏｓｉｔｙ逡逑
【学位授予单位】：广西大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TG441.7;TP391.41;TP18

【参考文献】

相关期刊论文 前8条

1 洪宇翔;都东;潘际銮;李湘文;;基于轨迹动态规划的移动机器人焊道自动跟踪[J];焊接学报;2015年10期

2 迟大钊;刚铁;赵立彬;;线聚焦超声波法焊接缺陷识别[J];焊接学报;2015年05期

3 毛志伟;周少玲;赵滨;石志新;姜银松;潘际銮;;双线激光传感焊枪定位与焊缝走向识别[J];焊接学报;2015年02期

4 胡文刚;刚铁;;基于超声信号和图像融合的焊缝缺陷识别[J];焊接学报;2013年04期

5 王鹏;杜卫东;汪立新;张峰;韩伟;徐莹;;射线检测中胶片焊缝缺陷定位与识别[J];西安工业大学学报;2012年04期

6 罗爱民;沈才洪;易彬;李坤;;基于改进二叉树多分类SVM的焊缝缺陷分类方法[J];焊接学报;2010年07期

7 孙林;杨世元;吴德会;;X射线底片焊缝缺陷的支持向量机识别方法[J];应用科学学报;2008年04期

8 任大海,尤政,孙长库,叶声华;焊接缺陷实时成像自动检测技术的研究[J];清华大学学报(自然科学版);2001年02期

相关博士学位论文 前1条

1 王春明;基于多传感器的激光焊接质量实时诊断及其理论基础[D];华中科技大学;2005年

相关硕士学位论文 前1条

1 肖辉;焊接缺陷射线DR图像自动检测与识别系统研究[D];南昌航空大学;2017年

，

本文编号：2633220