[发明专利]基于图像处理的焊接焊缝定位用卷积神经网络的构建方法在审

专利信息
申请号: 201911332505.7 申请日: 2019-12-22
公开(公告)号: CN113012217A 公开(公告)日: 2021-06-22
发明(设计)人: 不公告发明人 申请(专利权)人: 李新春
主分类号: G06T7/73 分类号: G06T7/73;G06T1/00;G06K9/62
代理公司: 西安启诚专利知识产权代理事务所(普通合伙) 61240 代理人: 冯亮
地址: 710065 陕西省*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 图像 处理 焊接 焊缝 定位 卷积 神经网络 构建 方法
【说明书】:

发明公开了一种基于图像处理的焊接焊缝定位用卷积神经网络的构建方法,包括以下步骤:步骤一、基于图像处理的焊接焊缝定位用卷积神经网络训练样本获取;步骤二、建立包括输入层、卷积层C1、池化层S2、卷积层C3、池化层S4、卷积层C5、池化层S6、全连接层F7、全连接层F8和输出层的基于图像处理的焊接焊缝定位用卷积神经网络;步骤三、基于图像处理的焊接焊缝定位用卷积神经网络训练。本发明方法步骤简单,实现方便,构建了基于图像处理的焊接焊缝定位用卷积神经网络,能够实现焊缝和非焊缝的快速检测,能够实现焊缝的自动检测和定位,实用性强,便于推广使用。

技术领域

本发明属于自动焊接技术领域,具体涉及一种基于图像处理的焊接焊缝定位用卷积神经网络的构建方法。

背景技术

在焊接的生产流程中,焊缝定位的准确一直制约自动化焊接的发展,目前,利用视觉方法自动识别定位焊缝在国内外都有广泛的研究:其中一类是依据X射线摄影获取的焊缝图像,并利用支持向量机、模糊神经网络对焊缝缺陷识别;还有一类是依据高速摄影机CCD获取焊缝图像,并利用单条纹激光、图像匹配技术、结构光视觉三点、结构光与均匀光多特征技术来定位焊缝;再者也有利用超声传感技术进行三维定位。在基于图像处理进行焊接焊缝定位时,人们想到采用卷积神经网络来进行焊缝和非焊缝的二分类,但是,现有技术中,还缺乏实用的基于图像处理的焊接焊缝定位用卷积神经网络模型。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于图像处理的焊接焊缝定位用卷积神经网络的构建方法,其方法步骤简单,实现方便,构建了基于图像处理的焊接焊缝定位用卷积神经网络,能够实现焊缝和非焊缝的快速检测,能够实现焊缝的自动检测和定位,实用性强,便于推广使用。

为解决上述技术问题,本发明采用的技术方案是:一种基于图像处理的焊接焊缝定位用卷积神经网络的构建方法,其特征在于,该方法包括以下步骤:

步骤一、基于图像处理的焊接焊缝定位用卷积神经网络训练样本获取,具体过程为:

步骤101、采用摄像机周期性拍摄待定位焊缝图像且将拍摄到的待定位焊缝图像传输给图像处理器;

步骤102、图像处理器对待定位焊缝图像进行分块处理;

步骤103、图像处理器对经过步骤102处理的待定位焊缝图像进行降维处理,得到多幅降维处理后的待定位焊缝图像;

步骤104、将多幅降维处理后的待定位焊缝图像作为训练样本;

步骤二、建立包括输入层、卷积层C1、池化层S2、卷积层C3、池化层S4、卷积层C5、池化层S6、全连接层F7、全连接层F8和输出层的基于图像处理的焊接焊缝定位用卷积神经网络;

输入层:将输入的彩色图像数据的大小统一为224*224*3;

卷积层C1:对输入的彩色图像数据卷积,进行特征提取,卷积核取11*11,步长取4,特征映射图谱数量取12,得到55*55*12的特征图;

池化层S2:对卷积层C1卷积后的特征图进行降维处理,采用自适应的池化方法进行特征提取,矩形区域取3*3,步长取2,得到27*27*12的特征图;

卷积层C3:对池化层S2降维后的特征图数据卷积,进行特征提取,卷积核取5*5,步长取2,特征映射图谱数量取48,得到27*27*48的特征图;

池化层S4:对卷积层C3卷积后的特征图进行降维处理,采用自适应的池化方法进行特征提取,矩形区域取3*3,步长取2,得到13*13*48的特征图;

卷积层C5:对池化层S4降维后的特征图数据卷积,进行特征提取,卷积核取3*3,步长取1,特征映射图谱数量取96,得到13*13*96的特征图;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于李新春,未经李新春许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911332505.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top