[發(fā)明專利]一種基于實例分割的熔覆池形貌識別及閉環(huán)控制方法在審
| 申請?zhí)枺?/td> | 202011131085.9 | 申請日: | 2020-10-21 |
| 公開(公告)號: | CN112233130A | 公開(公告)日: | 2021-01-15 |
| 發(fā)明(設(shè)計)人: | 謝非;朱騰飛;劉宗熙;楊繼全;劉益劍;李宗安;章悅;汪璠;陸飛 | 申請(專利權(quán))人: | 南京師范大學(xué) |
| 主分類號: | G06T7/11 | 分類號: | G06T7/11;G06T7/13;G06K9/62;G06N3/04;B23K9/32 |
| 代理公司: | 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204 | 代理人: | 向文 |
| 地址: | 210024 江*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 實例 分割 熔覆池 形貌 識別 閉環(huán)控制 方法 | ||
1.一種基于實例分割的熔覆池形貌識別及閉環(huán)控制方法,其特征在于:包括如下步驟:
S1:初始化弧焊增材制造輸出功率及輸出功率變化量;
S2:采集弧焊增材制造熔覆池彩色圖像;
S3:更新弧焊增材制造輸出功率;
S4:分割出熔覆池彩色圖像中的熔覆池,同時生成熔覆池的實例掩碼和候選框的像素坐標(biāo),完成熔覆池的實例分割;
S5:用候選框的像素坐標(biāo)表示長軸和熔寬像素數(shù)大小,計算熔寬像素數(shù)變化量,并將生成的輸出功率變化量反饋至步驟S3;
S6:判斷當(dāng)前熔覆池彩色圖像是否為最后一幀,如果是,則結(jié)束打印,如果不是,則回到步驟S2。
2.根據(jù)權(quán)利要求1所述的一種基于實例分割的熔覆池形貌識別及閉環(huán)控制方法,其特征在于:所述步驟S2中弧焊增材制造熔覆池彩色圖像的采集方法為:搭建熔覆池圖像采集系統(tǒng),利用高清攝像機和濾光片,采集彩色的弧焊增材制造過程中熔覆池圖像。
3.根據(jù)權(quán)利要求1所述的一種基于實例分割的熔覆池形貌識別及閉環(huán)控制方法,其特征在于:所述步驟S3中弧焊增材制造輸出功率的更新方法為:根據(jù)步驟S5得到的輸出功率變化量ΔP,更新弧焊增材制造輸出功率P,進行更新的公式為P=P+ΔP。
4.根據(jù)權(quán)利要求1所述的一種基于實例分割的熔覆池形貌識別及閉環(huán)控制方法,其特征在于:所述步驟S4的具體過程為:
S4.1:將步驟S2獲取的熔覆池彩色圖像輸入到主干神經(jīng)網(wǎng)絡(luò)中進行特征提取并生成不同大小的特征圖,對特征圖進行自上而下的融合進而生成特征金字塔網(wǎng)絡(luò);
S4.2:將步驟S4.1得到的特征金字塔網(wǎng)絡(luò)輸入到區(qū)域建議網(wǎng)絡(luò)中,采用滑動窗口的方式,對特征圖里的所有像素點進行遍歷,對存在熔覆池的區(qū)域生成候選框;
S4.3:將步驟S4.2得到的候選框通過R0IAlign層對特征圖的大小進行統(tǒng)一;
S4.4:將步驟S4.3每個候選框進行全連接操作,對候選框的位置進行回歸、判別候選框內(nèi)物體是否為熔覆池,得到候選框的像素坐標(biāo);
S4.5:將步驟S4.2得到的候選框通過一個輕量級的預(yù)測頭為每個候選框生成粗預(yù)測掩碼;
S4.6:從步驟S4.1得到的特征金字塔網(wǎng)絡(luò)中選擇一部分點進行獨立預(yù)測并和步驟S4.5生成的粗預(yù)測掩碼一起輸入到多層感知機中,對熔覆池生成邊緣更加精細(xì)平滑的掩碼,完成熔覆池圖像的實例分割。
5.根據(jù)權(quán)利要求4所述的一種基于實例分割的熔覆池形貌識別及閉環(huán)控制方法,其特征在于:所述步驟S4.1中主干神經(jīng)網(wǎng)絡(luò)包括殘差網(wǎng)絡(luò)ResNet50和特征金字塔網(wǎng)絡(luò);
殘差網(wǎng)絡(luò)ResNet50有16個殘差塊,每個殘差單元有三層,將整個殘差網(wǎng)絡(luò)ResNet50分為5個階段,其中不改變特征圖大小的層為一個階段,每次抽取的特征是各個階段最后一層的輸出,每個殘差單元可表示為:yi=f(h(yi-1)+F(yi-1));
其中,yi是第i個殘差單元的輸出,yi-1是第i-1個殘差單元的輸出,f()是激活函數(shù)ReLU,h(yi-1)是第i-1個殘差單元的恒等映射,F(xiàn)(yi-1)是yi-1的殘差映射;
特征金字塔網(wǎng)絡(luò)是將整個殘差網(wǎng)絡(luò)ResNet50輸出的5個階段的特征圖進行自上而下的融合,殘差網(wǎng)絡(luò)ResNet50輸出的每個階段的特征圖分別經(jīng)過卷積和上采樣操作,進而與其他階段的特征圖進行融合。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于南京師范大學(xué),未經(jīng)南京師范大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011131085.9/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





