[发明专利]一种铰链板焊缝边缘检测方法

权利要求书

1.一种铰链板焊缝边缘检测方法，其特征在于，包括：

获取待测铰链板图片及待测铰链板数据；

将所述待测铰链板图片及所述待测铰链板数据输入预先训练的神经网络模型，得到待测铰链板掩码、每个待测铰链板关键点对应的热图和每个所述热图对应的置信度；

将每个所述待测铰链板关键点对应的热图，转换为关键点像素坐标；

将所述关键点像素坐标与所述热图对应的置信度融合，得到每个所述热图对应的关键点目标坐标；

结合所述待测铰链板掩码和所述关键点目标坐标，得到铰链板焊缝边缘检测结果。

2.根据权利要求1所述的铰链板焊缝边缘检测方法，其特征在于，获取待测铰链板图片及待测铰链板数据，包括：

获取不同场景下的多个所述待测铰链板图片；

标注所述待测铰链板图片上预先设定的关键点位置信息和标注掩膜信息，得到待测铰链板数据。

3.根据权利要求2所述的铰链板焊缝边缘检测方法，其特征在于，所述预先训练的神经网络模型包括：特征提取神经模型、掩码预测分支神经模型和关键点热图预测神经模型；将所述待测铰链板图片及所述待测铰链板数据输入预先训练的神经网络模型，得到待测铰链板掩码、每个待测铰链板关键点对应的热图和每个所述热图对应的置信度，包括：

将所述待测铰链板图片输入特征提取神经模型，得到待测铰链板特征信息；

将所述待测铰链板特征信息输入掩码预测分支神经模型，得到所述待测铰链板掩码；以及，

将所述待测铰链板特征信息输入关键点热图预测神经模型，得到每个所述待测铰链板关键点对应的热图和每个所述热图对应的置信度。

4.根据权利要求3所述的铰链板焊缝边缘检测方法，其特征在于，将所述待测铰链板图片输入所述特征提取神经模型，得到待测铰链板特征信息，具体为：

将所述待测铰链板图片输入所述特征提取神经网络进行卷积操作，结合Leaky RELU激活函数和最大池化下采样操作，得到所述待测铰链板特征信息；所述待测铰链板特征信息中含有浅层特征信息。

5.根据权利要求3或4所述的铰链板焊缝边缘检测方法，其特征在于，将所述待测铰链板特征信息输入掩码预测分支神经模型，得到所述待测铰链板掩码，包括：

所述掩码预测分支神经模型对所述待测铰链板特征信息进行解码，得到解码后的特征信息；

融合所述浅层特征信息和所述解码后的特征信息，得到融合后的特征信息；

使用sigmoid激活函数对所述融合后的特征信息进行激活，得到所述待测铰链板掩码。

6.一种铰链板焊缝边缘检测装置，其特征在于，包括：

获取模块，用于获取待测铰链板图片及待测铰链板数据；

输入模块，用于将所述待测铰链板图片及所述待测铰链板数据输入预先训练的神经网络模型，得到待测铰链板掩码、每个待测铰链板关键点对应的热图和每个所述热图对应的置信度；

转换模块，用于将每个所述待测铰链板关键点对应的热图，转换为关键点像素坐标；

融合模块，用于将所述关键点像素坐标与所述热图对应的置信度融合，得到每个所述热图对应的关键点目标坐标；

结果确认模块，用于结合所述待测铰链板掩码和所述关键点目标坐标，得到铰链板焊缝边缘检测结果。

7.根据权利要求6所述的铰链板焊缝边缘检测装置，其特征在于，所述获取模块包括：

获取子模块，用于获取不同场景下的多个所述待测铰链板图片；

识别子模块，用于标注所述待测铰链板图片上预先设定的关键点位置信息和标注掩膜信息，得到待测铰链板数据。