[发明专利]一种基于Y-net多层卷积神经网络的焊缝特征点提取方法在审
| 申请号： | 201910601319.2 | 申请日： | 2019-07-05 |
| 公开（公告）号： | CN110321903A | 公开（公告）日： | 2019-10-11 |
| 发明（设计）人： | 杨国威;张永帅;王以忠;王琦琦;郭肖勇 | 申请（专利权）人： | 天津科技大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06N3/04;G06N3/08;G06T7/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300222 天津市河西区大沽南*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于Y‑net多层卷积神经网络的焊缝特征点提取方法，属于工业自动化焊接技术领域，本方法包括设计用于焊缝特征点提取的多层卷积神经网络Y‑net，该网络经过多层卷积进行特征提取后，形成Y型分支，一端输出具有抗弧光干扰特性和多种坡口类型适应特性的类别预测，另一端输出具有高精度的位置预测；采集多种坡口类型及多种弧光干扰的焊缝图像并进行数据增广；对数据集进行类别和位置信息标注，输入Y‑net网络进行训练；用训练好的模型进行测试，得到测试结果。本发明与现有技术相比，在具有弧光干扰的实际焊接现场，具有良好的抗干扰能力和预测能力，针对多种类型坡口具有良好的适应性。此外，网络模型较小，具有较高的处理速度。 | ||
| 搜索关键词： | 多层 弧光 卷积神经网络 焊缝特征 坡口 焊接技术领域 工业自动化 抗干扰能力 干扰特性 焊缝图像 特征提取 网络模型 位置预测 预测能力 输出 数据集 卷积 焊接 标注 网络 采集 测试 预测 | ||
【主权项】：
1.一种基于Y‑net多层卷积神经网络的焊缝特征点提取方法，步骤如下：(1)设计用于焊缝特征点提取的多层卷积神经网络Y‑net；(2)采集多种坡口类型及多种弧光干扰的焊缝图像并进行数据增广；(3)对数据集进行类别和位置信息标注，输入Y‑net网络进行训练；(4)用训练好的模型进行检测，得到检测结果。
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天津科技大学，未经天津科技大学许可，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/patent/201910601319.2/，转载请声明来源钻瓜专利网。
