基于线阵图像深度学习的电池组焊缝瑕疵检测

来源 :激光与光电子学进展 | 被引量 : 1次 | 上传用户:rhux1069
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为实现对激光焊缝质量的高效检测,引入了线阵图像传感解决在线检测问题,提出了一种基于深度学习的焊缝瑕疵快速检测方法。首先,针对激光焊缝瑕疵,优化了基于YOLO(You only look once)的深度学习网络。其次,在实验数据集中加入了合适的锚框,以提高检测框定位信息的准确度,并通过多尺度特征融合技术提高了瑕疵的识别准确度。最后,制作数据集并提出了一种数据集预处理方法训练网络,提升了瑕疵的识别效果。实验结果表明,本方法对焊缝单孔、穿孔、凹槽瑕疵的总识别率大于94%,对尺寸为4096pixel×40
其他文献
为实现复杂水下环境中裂缝尺寸的准确测量,提出了一种基于线结构光的核燃料棒表面裂缝尺寸测量方法。首先,对获取的图像进行灰度二维搜索,框选出待处理区域,再对该区域进行水平投影和一阶微分,进一步确定裂缝区域;然后,对裂缝区域进行阈值分割以缩小该区域范围,再利用种子点判断法确定出裂缝的上下边界;最后,使用最小二乘法拟合结构光中心线,用中心线方程与裂缝边界点集求交点来确定裂缝的具体位置,再将裂缝边界点转化为