[發明專利]基于特征分割的焊縫跟蹤方法

有效

• 申請號: 202110277763.0
• 申請日: 2021-03-15
• 公開（公告）號: CN113034512B
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 柏連發;王業宇;趙壯;韓靜;張毅;羅雋;郭卓然;楊傲東;王興國
• 申請（專利權）人: 南京理工大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06V10/44;G06V10/26;G06V10/25;G06N3/04;G06N3/08
• 代理公司: 南京蘇創專利代理事務所(普通合伙) 32273
• 代理人: 張艷

本發明涉及一種基于特征分割的焊縫跟蹤方法，步驟為：1.采集熔池圖像，對熔池圖像進行ROI選擇。2.采用ERFNet的Encoder?Decoder分割網絡結構進行熔池圖像分割，使用語義分割常用的交叉熵損失函數，融合全局特征信息，并在主干網絡中加入金字塔池化模塊。本發明對現有的ERFNet的網絡結構和損失函數進行了改進，網絡結構上參考UNet對高層特征和底層特征進行多尺度特征融合，損失函數上用Focal Loss代替交叉熵損失函數。避免激光條紋中心線出現斷線、焊接特征點偏差過大等問題。有效提升特征提取算法的性能，準確提取各層各道焊縫的激光條紋中心線和焊縫特征點，不損失算法的效率，保證焊縫跟蹤對實時性的要求。

技術領域

本發明涉及一種基于特征分割的焊縫跟蹤方法，屬于焊接自動化技術領域。

背景技術

增材焊接不僅應用在坡口填充的任務中，還能更廣泛地應用在通過逐層堆積的焊接方法快速成型實體零件，利用其加工周期短、成型速率快和材料利用率高的優點，實現具有復雜幾何形狀和結構的零件的快速制造。隨著增材制造技術在航空航天、國防軍工、汽車制造、電子產品以及生物醫療等重要領域的應用越來越廣泛，金屬零部件快速成型的需求也越來越大，所以將焊縫跟蹤技術應用于金屬零部件快速成型任務中具有重要的戰略意義。

從大坡口增材焊縫跟蹤實驗中可以得知，通過焊縫跟蹤系統采集到的激光條紋圖像中只有激光條紋輪廓線是有效信息，因此在ERFNet訓練過程中會出現正負樣本不均衡的問題，同時由于在平板增材焊接中焊接層數與焊接道數都遠大于大坡口填充實驗，所以高層焊縫的激光條紋特征會更加不明顯，因此直接將ERFNet應用在平板增材焊縫特征提取實驗中會導致激光條紋中心線出現斷線、焊接特征點偏差過大等問題。需要對ERFNet的網絡結構和損失函數進行改進，在網絡結構上參考UNet對高層特征和底層特征進行多尺度特征融合，在損失函數上用Focal Loss代替交叉熵損失函數，則可以避免這些問題。

在深度卷積神經網絡中，根據感受野的理論，低層特征圖分辨率更高，包含更多的位置、細節信息，但是由于經過的卷積運算更少，所以語義信息更低，噪聲更多，而高層特征圖具有更強的語義信息，但是由于經過更多的卷積運算，所以分辨率很低，對圖像細節的感知能力較差。根據特征圖的這種特性，可以采用多尺度特征融合的方式提升網絡獲取圖像中特征信息的能力。

多尺度特征融合是將具有豐富空間特征的低層特征圖與具有豐富語義信息的高層特征圖進行融合得到新的特征圖，使得新的特征圖同時具有高分辨率和高語義信息的特點，這一方法在目標檢測和語義分割領域中被廣泛的應用。

本發明在ERFNet的網絡結構上便參考UNet網絡進行了改進，采用多尺度特征融合的方式提升網絡提取激光條紋中心線和焊接特征點的效果。UNet的網絡結構與ERFNet相同，也是一種基于Encoder-Decoder結構的算法，但是在UNet中利用Concat操作將編碼器和解碼器中尺寸相同的特征圖進行拼接，使得網絡在上采樣的過程中能夠獲取到更多的空間信息與語義信息，從而提升分割的精度。

本發明直接將對應的特征圖相加實現多尺度特征融合，原因在于使用Concat操作進行特征疊加會增加特征通道數，導致計算量增大，減慢算法提取激光中心線和焊接特征點的速度，因此為了保證本方法算法的實時性與可靠性，采用對應特征圖直接相加的方式實現多尺度特征融合。

發明內容

為了解決上述技術問題，本發明提供一種基于特征分割的焊縫跟蹤方法，其具體技術方案如下：

一種基于特征分割的焊縫跟蹤方法，其特征在于：包括如下步驟：

步驟S1：采集熔池圖像，對熔池圖像進行ROI選擇；