基于轻量化卷积神经网络的 MAG 焊熔池分割方法研究

https://elibrary.ru/HYHWHT

Аннотация

焊接过程中通过观察熔池形态, 可以监测焊接质量, 但存在的弧光, 飞溅等干扰会影响熔池形态的提取. 本文提出了一种基于轻量化卷积网络的熔池分割方法, 首先, 搭建了熔池图像标注平台, 标注了 292 张图像, 其次, 构建了轻量化全卷积神经网络 (FCN) 和深度特征聚合神经网络 (DFANet); 分别测试这两种网络对熔池图像的分割性能; 实验结果表明, FCN 模型中 FCN-8 分割性能最好, 使用深度特征聚合神经网络后, 其分割性能进一步提升, 该网络的准确率为 99.88%, 熔池类别准确率为 92.17%, 熔池交并比为 85.89%, 平均交并比为 92.89%; 较 FCN-8 在平均交并比指标上提升了 3.37%, 故使用 DFANet 进行熔池形态提取, 有实用推广价值.