[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在审
| 申请号： | 201910429265.6 | 申请日： | 2019-05-22 |
| 公开（公告）号： | CN110135513A | 公开（公告）日： | 2019-08-16 |
| 发明（设计）人： | 王涛;孙振;倪浩敏;萧堪鸿 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 罗满 |
| 地址： | 510060 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的焊接机器人的焊缝识别方法，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；模型包括卷积神经网络和反卷积神经网络，通过卷积神经网络提取待识别焊缝的图像特征，通过反卷积神经网络获取待识别焊缝的语义表达式；卷积神经网络包括具有卷积核的卷积层，卷积核的采样点位置均设置偏移变量，以实现卷积核采样点根据待识别焊缝的特征自适应变化；利用样本图像集训练模型，得到卷积‑反卷积神经网络；将获取的待识别焊缝的图像输入卷积‑反卷积神经网络，得到待识别焊缝的分割图片和分割图片所对应的焊缝类型。上述焊缝识别方法，能够极大提高焊缝识别的精度和效率。 | ||
| 搜索关键词： | 焊缝 神经网络 反卷积 焊缝识别 卷积 卷积神经网络 卷积核 焊接机器人 样本图像 采样点位置 自适应变化 焊缝类型 偏移变量 图像输入 图像特征 训练模型 语义 采样点 分割 学习 图片 | ||
【主权项】：
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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东工业大学，未经广东工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910429265.6/，转载请声明来源钻瓜专利网。
