[發明專利]基于圖像處理的焊接焊縫定位用卷積神經網絡的構建方法

在審

• 申請號: 201911332505.7
• 申請日: 2019-12-22
• 公開（公告）號: CN113012217A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 李新春
• 主分類號: G06T7/73
• 分類號: G06T7/73;G06T1/00;G06K9/62
• 代理公司: 西安啟誠專利知識產權代理事務所(普通合伙) 61240
• 代理人: 馮亮

本發明公開了一種基于圖像處理的焊接焊縫定位用卷積神經網絡的構建方法，包括以下步驟：步驟一、基于圖像處理的焊接焊縫定位用卷積神經網絡訓練樣本獲取；步驟二、建立包括輸入層、卷積層C1、池化層S2、卷積層C3、池化層S4、卷積層C5、池化層S6、全連接層F7、全連接層F8和輸出層的基于圖像處理的焊接焊縫定位用卷積神經網絡；步驟三、基于圖像處理的焊接焊縫定位用卷積神經網絡訓練。本發明方法步驟簡單，實現方便，構建了基于圖像處理的焊接焊縫定位用卷積神經網絡，能夠實現焊縫和非焊縫的快速檢測，能夠實現焊縫的自動檢測和定位，實用性強，便于推廣使用。

技術領域

本發明屬于自動焊接技術領域，具體涉及一種基于圖像處理的焊接焊縫定位用卷積神經網絡的構建方法。

背景技術

在焊接的生產流程中，焊縫定位的準確一直制約自動化焊接的發展，目前，利用視覺方法自動識別定位焊縫在國內外都有廣泛的研究：其中一類是依據X射線攝影獲取的焊縫圖像，并利用支持向量機、模糊神經網絡對焊縫缺陷識別；還有一類是依據高速攝影機CCD獲取焊縫圖像，并利用單條紋激光、圖像匹配技術、結構光視覺三點、結構光與均勻光多特征技術來定位焊縫；再者也有利用超聲傳感技術進行三維定位。在基于圖像處理進行焊接焊縫定位時，人們想到采用卷積神經網絡來進行焊縫和非焊縫的二分類，但是，現有技術中，還缺乏實用的基于圖像處理的焊接焊縫定位用卷積神經網絡模型。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種基于圖像處理的焊接焊縫定位用卷積神經網絡的構建方法，其方法步驟簡單，實現方便，構建了基于圖像處理的焊接焊縫定位用卷積神經網絡，能夠實現焊縫和非焊縫的快速檢測，能夠實現焊縫的自動檢測和定位，實用性強，便于推廣使用。

為解決上述技術問題，本發明采用的技術方案是：一種基于圖像處理的焊接焊縫定位用卷積神經網絡的構建方法，其特征在于，該方法包括以下步驟：

步驟一、基于圖像處理的焊接焊縫定位用卷積神經網絡訓練樣本獲取，具體過程為：

步驟101、采用攝像機周期性拍攝待定位焊縫圖像且將拍攝到的待定位焊縫圖像傳輸給圖像處理器；

步驟102、圖像處理器對待定位焊縫圖像進行分塊處理；

步驟103、圖像處理器對經過步驟102處理的待定位焊縫圖像進行降維處理，得到多幅降維處理后的待定位焊縫圖像；

步驟104、將多幅降維處理后的待定位焊縫圖像作為訓練樣本；

步驟二、建立包括輸入層、卷積層C1、池化層S2、卷積層C3、池化層S4、卷積層C5、池化層S6、全連接層F7、全連接層F8和輸出層的基于圖像處理的焊接焊縫定位用卷積神經網絡；

輸入層:將輸入的彩色圖像數據的大小統一為224*224*3；

卷積層C1：對輸入的彩色圖像數據卷積，進行特征提取，卷積核取11*11，步長取4，特征映射圖譜數量取12，得到55*55*12的特征圖；

池化層S2：對卷積層C1卷積后的特征圖進行降維處理，采用自適應的池化方法進行特征提取，矩形區域取3*3，步長取2，得到27*27*12的特征圖；

卷積層C3：對池化層S2降維后的特征圖數據卷積，進行特征提取，卷積核取5*5，步長取2，特征映射圖譜數量取48，得到27*27*48的特征圖；

池化層S4：對卷積層C3卷積后的特征圖進行降維處理，采用自適應的池化方法進行特征提取，矩形區域取3*3，步長取2，得到13*13*48的特征圖；

卷積層C5：對池化層S4降維后的特征圖數據卷積，進行特征提取，卷積核取3*3，步長取1，特征映射圖譜數量取96，得到13*13*96的特征圖；