发明名称 |
基于卷积神经网络的焊接视觉检测方法及装置 |
摘要 |
一种基于卷积神经网络的焊接视觉检测方法,包括如下步骤:第一步,训练阶段,将训练样本输入卷积神经网络,获得卷积神经网络的连接权值和偏置值;第二步,测试阶段,读入焊接图像,对焊接图像采用数字图像处理技术进行预处理,提取出感兴趣区域,然后将感兴趣区域图像尺寸进行归一化处理后作为卷积神经网络的输入。以及提供一种基于卷积神经网络的焊接视觉检测装置,包括爬行机构、动力传动机构、视觉检测设备和焊缝缺陷检测分析系统。本发明提供一种提升自动化和智能化水平、有效提高检测的精度和速度的基于卷积神经网络的焊接视觉检测方法及装置。 |
申请公布号 |
CN105891215A |
申请公布日期 |
2016.08.24 |
申请号 |
CN201610202750.6 |
申请日期 |
2016.03.31 |
申请人 |
浙江工业大学 |
发明人 |
胡克钢;汤一平;吴挺;鲁少辉;韩国栋;陈麒;袁公萍 |
分类号 |
G01N21/88(2006.01)I |
主分类号 |
G01N21/88(2006.01)I |
代理机构 |
杭州斯可睿专利事务所有限公司 33241 |
代理人 |
王利强 |
主权项 |
一种基于卷积神经网络的焊接视觉检测方法,其特征在于:所述方法包括如下步骤:第一步,训练阶段,将训练样本输入卷积神经网络,获得卷积神经网络的连接权值和偏置值;第二步,测试阶段,读入焊接图像,对焊接图像采用数字图像处理技术进行预处理,提取出感兴趣区域,然后将感兴趣区域图像尺寸进行归一化处理后作为卷积神经网络的输入;所述卷积神经网络的结构为6层,包括依次连接的输入层,C1层、S2层、C3层、S4层和输出层,C1层、C3层为卷积层,S2层、S4层为下采样层,输入层为大小为28*28像素的图像,C1层由6个大小为24*24像素的特征map构成,S2层由6个大小为12*12像素的特征map构成,C3层由12个大小为8*8像素的特征map构成,S4层由12个大小为4*4像素的特征map构成,输出层包括6个一维向量,分别表示6类焊缝缺陷:(1)裂纹;(2)未焊透;(3)未熔合;(4)条状夹渣;(5)球状夹渣;(6)气孔。 |
地址 |
310014 浙江省杭州市下城区朝晖六区潮王路18号 |