基于深度学习的小尺度圆管焊接缺陷检测分割方法
摘要:为了提高圆管焊接质量,提出了一种基于激光视觉系统和卷积神经网络的高精度焊后焊缝检测和分割方法,可对5 种高度或宽度小于1 mm 的小尺度焊接缺陷进行检测、分割.方法主体由一个多任务卷积神经网络组成,接收激光条纹点云信息,可同时对焊缝区域进行检测、分类和分割,与现有基于单任务卷积神经网络的方法相比,提出的方法可以获取更全面的焊接缺陷信息.通过构建的激光视觉系统生成焊缝区域激光条纹点云数据集,在此数据集上对所提出的网络进行了训练和评估.结果表明,在焊接缺陷检测任务上,该方法的平均准确率为99.58%,平均精确率为99.43%,平均召回率为97.05%.此外,该方法在焊接缺陷分割任务中的平均交并比(mean intersection over union,IoUm)准确率为92.58%,通过在实际工件上的测试结果表明,分割的平均误差低于0.1 mm,所提出的方法在焊缝缺陷检测和分割任务中都表现出较高的准确性.创新点: (1) 建立基于激光点云的圆管高度或宽度小于1 mm 的小尺度焊接缺陷焊后检测系统.(2) 提出基于深度学习的小尺度圆管焊接缺陷检测分割方法,实现对5 种焊缝缺陷的检测和分割.
