基于全卷积神经网络的焊缝特征提取

论文摘要

基于深层卷积神经网络的特征学习能力,提出了一种基于全卷积神经网络的焊缝特征提取方法。该方法利用全卷积神经网络将包含焊缝特征信息的像素预测出来,通过融合低层与高层特征信息来补充焊缝边缘的特征信息。研究结果表明:所提方法能在强烈弧光和烟尘干扰下准确地提取出焊缝位置,具有抗干扰能力强、识别准确的优点。

论文目录

• 1 引 言
• 2 全卷积神经网络
• 3 基于全卷积神经网络的焊缝提取
•   3.1 数据集准备
•   3.2 全卷积神经网络模型参数
•   3.3 全卷积神经网络模型的训练
• 4 实验与分析
• 5 结 论

文章来源

类型: 期刊论文

作者: 张永帅,杨国威,王琦琦,马雷,王以忠

关键词: 图像处理,卷积神经网络,焊缝跟踪,自动焊接系统,深度学习

来源: 中国激光 2019年03期

年度: 2019

分类: 基础科学,工程科技Ⅰ辑,信息科技

专业: 金属学及金属工艺,计算机软件及计算机应用,自动化技术

单位: 天津科技大学电子信息与自动化学院

基金: 国家自然科学基金青年科学基金项目(51805370),天津科技大学青年教师创新基金(2017LG08)

分类号: TP391.41;TP183;TG40

页码: 36-43

总页数: 8

文件大小: 1647K

下载量: 629