[发明专利]用于爬壁机器人导航的焊缝识别与路径提取的方法

说明书

本发明公开了用于爬壁机器人导航的焊缝识别与路径提取的方法，方法为：一、通过爬壁机器人采集金属壁面焊缝，并对图像中焊缝对象进行标注，建立数据集。二、识别主机进行网络参数初始化设定后，把焊缝缺陷数据集送入Mask‑RCNN深度学习网络训练并生成权重文件。三、爬壁机器人运行在金属壁面上，工业相机获取当前位置的焊缝图像并发送给识别主机。四、识别主机接受图像进行识别测试，设置深度学习网络参数，载入训练获得的权重，送入Mask‑RCNN网络进行焊缝分类、回归和像素掩码生成。五、Mask‑RCNN识别结果进行图像处理;得到焊缝路径图像，并进行焊缝路径提取。六、识别主机发送焊缝路径信息爬壁机器人控制端，控制端调整机器人位置和速度，实现焊缝的跟踪运行。

技术领域

本发明属探伤机器人领域，具体来说，涉及用于爬壁机器人导航的焊缝识别与路径提取的方法。

背景技术

近年来，随着工业发展，特种设备使用数量急剧增长。为保证特种设备的使用安全，必须严格控制材料和结构的质量。在设备的整个结构中，焊缝结构是最薄弱的，极易出现缺陷从而带来极大的安全隐患，在焊接部件和结构中，裂缝会导致使用寿命和性能的损失，在进行检测为了确保使用的安全性，需要定期检查焊缝。随着科学技术的发展，使用爬壁机器人技术代替人工进行检测成为了检测行业的发展趋势。目前机器人自动化探伤设备在管道的检测中发展迅速，但在锅炉、球罐等特种设备的检测应用中相对应用较少。在焊缝检测过程中，焊缝的定位成为了一个难题，爬壁机器人需要实现对焊缝的识别和跟踪才可以实现更智能的焊缝探伤检测。

发明内容

为解决上述问题，本发明公开了用于爬壁机器人导航的焊缝识别与路径提取的方法，解决爬壁机器人在工作过程中焊缝难以准确识别和跟踪的问题，通过深度学习实现更智能的焊缝检测和识别。

为解决上述技术问题，本发明采用如下的技术方案：

用于爬壁机器人导航的焊缝识别与路径提取的方法，该方法通过以下装置实现，装置包括工业相机、识别主机、爬壁机器人，识别相机安装与爬壁机器人底盘中心位置，工业相机通过USB连接识别主机，识别主机通过串口与机器人控制端连接，该方法主要基于深度学习网络实现对焊缝的识别，并通过路径拟合算法实现焊缝的路径的偏角和偏距提取，具体流程包括：

步骤(1)：通过爬壁机器人采集金属壁面焊缝，并对图像中焊缝对象进行标注，建立数据集。

步骤(2)：识别主机进行网络参数初始化设定后，把焊缝缺陷数据集送入Mask-RCNN深度学习网络训练并生成权重文件，训练阶段迭代步数不小于10k，且损失函数值小于0.2。

步骤(3)：爬壁机器人运行在金属壁面上，启动循迹模式，工业相机获取当前位置的焊缝图像并发送给识别主机。

步骤(4)：识别主机接受图像进行识别测试，设置深度学习网络参数，载入步骤(2)训练获得的权重，送入Mask-RCNN网络进行焊缝分类、回归和像素掩码生成。

步骤(5)：对Mask-RCNN识别结果进行图像处理，去除背景，二值化处理，得到焊缝路径图像，并进行焊缝路径提取。

步骤(6)：识别主机发送焊缝路径信息(偏角和偏距)给爬壁机器人控制端，控制端调整机器人位置和速度，实现焊缝的跟踪运行。返回步骤(3)进行焊缝的连续循迹跟踪。

进一步，该焊缝识别与路径提取的方法中步骤(1)的数据集中的图片包含水平焊缝、垂直焊缝、倾斜焊缝、十字交叉焊缝、丁字形焊缝类型；焊缝数据集包括不少于2000张焊缝图像，并按5:1分为训练集和测试集；数据集格式为COCO格式或VOC格式，标注分类数为2(包括焊缝对象和背景)。

进一步，该焊缝识别与路径提取的方法中步骤(1)的数据集中的焊缝图片标注，交叉焊缝或丁字形焊缝标注为多条焊缝而不是单一焊缝，具体为：交叉焊缝标注为3条焊缝、丁字形焊缝标注为2条焊缝。