[发明专利]一种铰链板焊缝边缘检测方法

说明书

本发明公开了一种铰链板焊缝边缘检测方法，其方法包括：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。从而克服传统的焊缝检测方法容易受到背景环境和光照环境的影响，提高识别铰链板焊缝位置的准确性。

技术领域

本发明涉及图像识别技术技域，尤其涉及一种铰链板焊缝边缘检测方法。

背景技术

铰链板是集装箱门板的关键部分，一般是通过焊接的方式固定在集装箱门板上，且具体的焊接区域为铰链板的上半部分边缘。现阶段虽然有基于示教机器人的自动焊接系统应用在集装箱的铰链板焊接中，但示教机器人在焊接时需要铰链板固定在相对固定的位置才得以进行，因此这种焊接方法自适应能力不强，难以适应复杂场景下的焊接任务。

为了克服示教机器人在自动焊接时存在的缺陷，从而实现柔性焊接，首先需要示教机器人精确识别铰链板的焊缝位置。传统的机器视觉中的图像处理算法应用于铰链板焊缝边缘检测时，受到背景环境和光照环境的影响较大，导致检测错误的情况频繁发生。因此，提出一种可以准确检测铰链板焊缝的方法，对于提高自动焊接作业，实现铰链板的柔性焊接，具有重大意义。

发明内容

本发明提供了一种铰链板焊缝边缘检测方法，用于克服传统的焊缝检测方法容易受到背景环境和光照环境影响的问题，提高识别铰链板焊缝位置的准确性。

第一方面，本发明提供的一种铰链板焊缝边缘检测方法，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。

可选地，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。

可选地，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。

可选地，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 LeakyRELU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。