期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于激光视觉的管道焊缝特征提取方法研究
1
作者 贾玉麟 罗雨 +3 位作者 祁琪 谢希翔 李博迪 杨然 《仪表技术与传感器》 北大核心 2025年第8期96-101,117,共7页
为实现管道自动焊接的焊缝信息提取功能,设计了一套基于激光视觉的管道全位置焊接机器人焊缝特征提取设备与方法。系统使用工业相机、激光器、滤光片等装置,完成主动视觉传感系统的研制。提出了以滤波处理、阈值分割、Canny边缘检测、F... 为实现管道自动焊接的焊缝信息提取功能,设计了一套基于激光视觉的管道全位置焊接机器人焊缝特征提取设备与方法。系统使用工业相机、激光器、滤光片等装置,完成主动视觉传感系统的研制。提出了以滤波处理、阈值分割、Canny边缘检测、Fast角点检测、边界线拟合、焊缝中心线提取为主要流程的焊缝特征点提取算法。搭建了激光视觉传感的焊缝特征提取试验平台,对V型坡口进行焊缝特征提取试验,试验结果为特征点提取平均误差在0.8像素之内。研究表明:系统能够准确提取出焊缝特征点,具有较高的准确性和鲁棒性。 展开更多
关键词 激光视觉 焊缝特征提取 角点检测 管道全位置焊接
在线阅读 下载PDF
基于改进U-Net模型的焊缝特征提取 被引量:7
2
作者 夏攀 马飞 王中任 《激光与红外》 CAS CSCD 北大核心 2022年第8期1259-1264,共6页
针对基于激光视觉自动焊接过程中,出现焊缝特征占比失衡,焊接偏移的问题,提出一种改进U-Net模型,在U-Net网络模型的基础上融合可学习的调整器模块,在编码块中接入特征增强模块,减少了弧光干扰,提升了焊缝特征提取的精度。以管道自动焊... 针对基于激光视觉自动焊接过程中,出现焊缝特征占比失衡,焊接偏移的问题,提出一种改进U-Net模型,在U-Net网络模型的基础上融合可学习的调整器模块,在编码块中接入特征增强模块,减少了弧光干扰,提升了焊缝特征提取的精度。以管道自动焊接机器人作为图像采集平台,设计了网络训练模型,同时辅以数据增强防止网络过拟合,实验结果表明,改进型U-Net算法的像素分割准确率(acc)、平均交并比(mIou)、平均像素精确度(mpa)分别为99.34%、89.36%、95.62%,与传统阈值分割算法、FCN算法、U-Net算法、PSPNet算法相比,本文的精度指标最优,在强弧光干扰环境下能准确提取出焊缝特征,具有抗噪能力强,识别准确率高的优点。 展开更多
关键词 自动焊接 图像分割 U-Net 焊缝特征提取
在线阅读 下载PDF
基于面结构光的焊缝坡口特征提取 被引量:4
3
作者 余明岭 龚烨飞 +3 位作者 刘霞 刘继承 谷心浩 谢雨欣 《组合机床与自动化加工技术》 北大核心 2023年第12期17-20,共4页
针对机器人视觉导引定位焊缝坡口特征应用需求,提出了一种基于面结构光视觉传感器扫描与点云切片投影的坡口特征提取方法。首先,使用面结构光视觉传感器对焊接工件进行扫描,以获得焊缝坡口点云数据;其次,通过点云数据的最小有向包围盒... 针对机器人视觉导引定位焊缝坡口特征应用需求,提出了一种基于面结构光视觉传感器扫描与点云切片投影的坡口特征提取方法。首先,使用面结构光视觉传感器对焊接工件进行扫描,以获得焊缝坡口点云数据;其次,通过点云数据的最小有向包围盒得到等间距排列的切平面,将平面内数据点由三维空间投影至二维图像;最后,通过最大距离法粗提取与拟合直线相交法精提取相结合方法获得焊缝坡口特征点。实验结果表明,该方法能够准确地提取出焊缝坡口特征,识别误差小于1.0 mm,且在成像效果不佳的工况下具有较好的鲁棒性。 展开更多
关键词 面结构光 焊缝特征提取 点云切片 图像处理
在线阅读 下载PDF
基于改进YOLOX-S算法的焊缝特征点提取方法研究 被引量:1
4
作者 王嘉盛 张斌 +1 位作者 湛敏 林子祥 《现代电子技术》 2023年第17期95-101,共7页
在使用机器人进行焊接的过程中,常常会出现一些问题,例如面对加工误差、热变形等引起的复杂环境状况,必须采用焊缝跟踪技术来辅助机器人进行焊接工作。传统的数字图像处理技术目前广泛应用于焊缝跟踪,不过在工业领域中,常常出现的特征... 在使用机器人进行焊接的过程中,常常会出现一些问题,例如面对加工误差、热变形等引起的复杂环境状况,必须采用焊缝跟踪技术来辅助机器人进行焊接工作。传统的数字图像处理技术目前广泛应用于焊缝跟踪,不过在工业领域中,常常出现的特征变化和电弧噪声等问题对焊缝特征提取算法提出了更高的要求。为了解决焊缝特征提取的抗干扰和自适应性问题,文中将基于深度学习的目标提取方法应用于焊缝检测,提出了一种基于改进YOLOX-S的焊缝特征点提取方法。在YOLOX-S算法的特征金字塔中每个上采样和下采样之后使用注意力机制,使模型更多关注焊缝特征点特征信息,从而减少检测误差。该方法能克服强弧光的干扰,满足复杂焊接过程对精度和实时性的要求。将YOLOX-S算法中卷积层之后的批标准化改为群组归一化,可以解决批量较小引起的误差增加的问题。实验结果表明了该算法的可行性。 展开更多
关键词 自动焊接 特征提取 深度学习 YOLOX-S 焊缝特征提取 注意力机制
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部