[发明专利]一种基于深度学习的焊接机器人的焊缝识别方法

权利要求书

1.一种基于深度学习的焊接机器人的焊缝识别方法，其特征在于，包括：

获取焊缝的样本图像集；

建立卷积-反卷积神经网络的模型；所述模型包括卷积神经网络和反卷积神经网络，通过所述卷积神经网络提取待识别焊缝的图像特征，通过所述反卷积神经网络获取待识别焊缝的语义表达式；所述卷积神经网络包括具有卷积核的卷积层，所述卷积核的采样点位置均设置偏移变量，以实现所述卷积核采样点根据待识别焊缝的特征自适应变化；

利用所述样本图像集训练所述模型，得到所述卷积-反卷积神经网络；

将获取的待识别焊缝的图像输入所述卷积-反卷积神经网络，得到待识别焊缝的分割图片和所述分割图片所对应的焊缝类型。

2.根据权利要求1所述的焊缝识别方法，其特征在于，全部所述偏移变量形成偏移层，所述卷积神经网络还包括激活层和池化层，所述反卷积神经网络包括所述偏移层、所述激活层和所述卷积层。

3.根据权利要求2所述的焊缝识别方法，其特征在于，所述通过反卷积神经网络获取待识别焊缝的语义表达式，包括：

利用所述反卷积神经网络的四组上采样层进行信息还原，将由所述池化层所池化的信息按照索引记录进行位置回归，并将索引之外的参数设置为0。

4.根据权利要求3所述的焊缝识别方法，其特征在于，所述通过反卷积神经网络获取待识别焊缝的语义表达式，还包括：

利用四个所述池化层产生的四个不同特征图，通过权重进行融合，得到四个所述分割图片。

5.根据权利要求1-4任意一项所述的焊缝识别方法，其特征在于，

所述利用样本图像集训练所述模型，得到所述卷积-反卷积神经网络，包括：

将所述样本图像集的图片像素进行标注，焊缝像素点记为1，焊缝背景像素点记为0；

所述将获取的待识别焊缝的图像输入所述卷积-反卷积神经网络，得到待识别焊缝的分割图片和所述分割图片所对应的焊缝类型，包括：

在所述待识别焊缝的图像上的焊缝感兴趣区域利用矩形框进行标注，且所述矩形框内包含焊缝特征信息。

6.根据权利要求5所述的焊缝识别方法，其特征在于，还包括：

利用公式M＝M_c+M_f+M_s对所述卷积-反卷积神经网络进行误差分析，其中，M_c为焊缝分类误差，M_f为焊缝感兴趣区域误差，M_s为焊缝和背景像素点的分类误差。

7.根据权利要求6所述的焊缝识别方法，其特征在于，所述反卷积神经网络还包括用以对待识别焊缝进行类型分类的softmax回归层。