[发明专利]一种基于改进VGG16深度神经网络的穿孔等离子弧焊接穿孔及熔透状态识别方法

权利要求书

1.一种基于改进VGG16深度神经网络的穿孔等离子弧焊接穿孔及熔透状态识别方法，其特征在于，包括步骤如下：

步骤S1：搭建等离子弧焊接实验平台；实验平台包括焊接系统和视觉检测系统，其中焊接系统包括等离子弧焊接电源、焊枪、保护气瓶、离子气瓶、焊件；视觉检测系统包括CCD相机和PC端，CCD相机用于采集焊件上的熔池图像并反馈至PC端；

步骤S2：进行多组不同参数的焊接实验，获取不同焊接参数下的熔池图像数据；

步骤S3：添加图像标签、将数据按标签分类，建立正面熔池图像数据库；

步骤S4：根据步骤S3中的数据库，选择并改进VGG16模型框架进行训练，建立熔池识别分类模型，测试后得到图像对应的标签和准确率。

2.根据权利要求1所述的基于改进VGG16深度神经网络的穿孔等离子弧焊接穿孔及熔透状态识别方法，其特征在于，步骤S1中，CCD相机的数量为2个，焊件正面和背面分别设置一个CCD相机，其中焊件正面的相机用于获取含有完整熔池形态的图像，焊件背面的相机用于采集穿孔状态信息，二者通过同步触发装置实现两相机的同步采集工作。

3.根据权利要求2所述的基于改进VGG16深度神经网络的穿孔等离子弧焊接穿孔及熔透状态识别方法，其特征在于，步骤S1中，正面相机位于焊缝一侧，水平方向与焊接方向垂直，使镜头正对熔池，相机光轴与水平方向夹角为15°；背面相机位于熔池前方。

4.根据权利要求1所述的基于改进VGG16深度神经网络的穿孔等离子弧焊接穿孔及熔透状态识别方法，其特征在于，所述步骤S3中，利用背面CCD相机获取的穿孔状态信息进行图像的标签化，将图像以穿孔/盲孔两类以文件夹形式进行汇总，作为熔池图像数据库。

5.根据权利要求1所述的基于改进VGG16深度神经网络的穿孔等离子弧焊接穿孔及熔透状态识别方法，其特征在于，所述步骤S4具体包括以下步骤：

步骤S41：定义改进后的VGG16模型框架；

步骤S42：定义数据路径、模型文件保存路径、模型训练日志保存路径；

步骤S43：将数据库中的数据分为训练数据集、验证数据集、测试数据集；

步骤S44：定义VGG16所采用的优化器Adam和损失函数categorical_crossentropy；

步骤S45：定义VGG16所采用的训练参数；

步骤S46：定义回调函数Callbacks，包括：ReduceLROnPlateau函数、EarlyStopping函数、ModelCheckPoint函数；

ReduceLROnPlateau函数用于若模型在验证集上的性能不再改善，则降低学习率；EarlyStopping函数用于监控模型训练过程中的训练和验证集上的精度和损失，如果验证集上的性能不再改善，且学习率已经降到最低，则中断训练；ModelCheckPoint函数用于中断训练后保存模型框架和当前权重；

步骤S47：数据预处理；

步骤S48：定义训练过程，建立基于改进VGG16的穿孔状态识别模型；

步骤S49：通过ModelCheckPoint函数保存最优模型，导入测试数据集进行模型性能检验，运行后得到测试图片对应的不同穿孔状态和识别成功率。

6.根据权利要求5所述的基于改进VGG16深度神经网络的穿孔等离子弧焊接穿孔及熔透状态识别方法，其特征在于，所述步骤S41中，改进后的VGG16模型框架包括原有层和增添层，其中原有层为现有VGG16模型框架自带的16个层，作为前16层；在其基础上增加第17层GlobalAveragePooling2D(全局平均池化层)，第18层Dense(全连接层，包含1024个神经元)；改进后的模型中间层全部采用ReLU非线性激活函数；输出层保持不变，仍为Softmax激活函数。