[发明专利]一种焊缝目标实时检测方法

权利要求书

1.一种焊缝目标实时检测方法，其特征在于，包括以下步骤：

建立训练样本集，被构造为使用线激光传感器采集L型焊缝、V型焊缝、I型焊缝和Open型焊缝的焊缝图像作为源样本；对源样本进行包括水平翻转、平移变换、旋转变换、亮度变换、对比度变换和加入高斯白噪声和归一化处理的预处理获得分布均衡、焊缝位置、角度多变的预处理后的焊缝样本；对预处理后的4种不同类型的焊缝样本，以数量最小的为基准，将其它3种焊缝样本下采样到数量与基准相同，得到训练样本；

离线训练检测器，被构造为利用所述训练样本在不同的初始条件下对神经网络进行训练，将多次训练得到的最优神经网络模型作为焊缝检测器；

所述焊缝检测器的共享特征层的网络结构采用InceptionV2的网络，在一层卷积里用不同尺寸的卷积核来进行运算，以获得不同尺寸的特征，不同尺寸的特征在输入下层网络前被组合，然后一起输入到下层网络；

所述焊缝检测器的损失函数定义为：

其中：i代表在一个小批量样本中候选区域的序号，P_i代表对候选区域i的预测结果；如果候选区域i得分被标注为正样本，则等于1，否则等于0；t_i＝{t_x，t_y，t_w，t_h}是一个向量，代表预测的候选区域中心点位置坐标和宽高；代表真实目标区域的中心点位置坐标和宽高；分类损失函数L_cls是二分类的交叉熵函数，回归损失函数则采用稳定的Smooth L1损失函数；λ默认取值为10，使得分类损失函数与回归损失函数的权重大致相当；N_cls代表小批量样本中的样本类别的总数，N_reg代表小批量样本中的目标区域的坐标总数；

在线检测，被构造为获取检测图像，利用所述焊缝检测器进行焊缝检测并输出焊缝类型及焊缝位置，完成焊接开始前的焊缝起始点的定位。

2.根据权利要求1所述的方法，其特征在于，离线训练检测器包括以下步骤：

采用Faster-RCNN算法训练焊缝检测器，被构造为首先利用共享特征层提取输入图像的特征，然后利用区域候选网络输出候选区域，最后用Fast-RCNN作为分类器输出候选区域的分类结果，采用非极大值抑制算法，只保留得分最高的候选区域；

在不同的初始化条件下初始RPN网络和Fast-RCNN分类器的参数，当达到预设的最大迭代次数或者在验证集上错误率不再下降时终于训练，多次训练得到最优模型作为焊缝检测器。

3.根据权利要求2所述的方法，其特征在于，采用Faster-RCNN算法训练焊缝检测器包括以下步骤：

利用ImageNet数据集预训练卷积神经网络共享特征层的参数；

调整区域候选网络的参数；

定义损失函数，被构造为分类误差与候选区域的位置偏差之和；

利用BP算法计算梯度并进行反向传播，采取近似联合训练的方式更新共享特征层的参数。

4.根据权利要求3所述的方法，其特征在于，损失函数中分类误差与位置偏差的比例系数之比为1:1.5。

5.根据权利要求3所述的方法，其特征在于，利用BP算法计算梯度并进行反向传播，采取近似联合训练的方式更新共享特征层的参数，包括以下步骤：

在BP算法计算梯度时，把提取的ROI区域当做固定值，使用最小批量的方式计算网络误差；

同时更新RPN网络，Fast-RCNN分类器的参数；

将来自RPN网络的梯度与Fast-RCNN分类器的梯度合并输入共享特征层进行参数更新。