[发明专利]基于深度神经网络的熔池轮廓检测方法有效
| 申请号： | 201910581281.7 | 申请日： | 2019-06-29 |
| 公开（公告）号： | CN110363781B | 公开（公告）日： | 2022-08-12 |
| 发明（设计）人： | 韩静;赵壮;张楚昊;柏连发;张毅;王一鸣 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06T7/12 | 分类号： | G06T7/12;G06N3/04;G06N3/08;G06T7/13;G06T7/155 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 封睿 |
| 地址： | 210094 江*** | 国省代码： | 江苏;32 |
| 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神经网络的熔池轮廓检测方法，采集焊接时的熔池图像，裁去冗余背景，得到原始熔池图像集；制作分割标记样本，与原始熔池图像集构成熔池图片标记数据集；利用生成对抗网络DCGAN进行训练，生成与原始熔池图像相似的图像，与熔池图片标记数据集构成扩充的熔池图片标记数据集；进行色彩学和形态学上的数据增广，放入语义分割网络中进行训练，提取熔池轮廓。本发明在节省人力与时间的同时，使网络模型具备了更好的泛化能力，并且更好地提升了对熔池弱边缘区域的分割精度。 | ||
| 搜索关键词： | 基于 深度 神经网络 熔池 轮廓 检测 方法 | ||
【主权项】：
1.一种基于深度神经网络的熔池轮廓检测方法，其特征在于，包括如下步骤：步骤1、建立熔池视觉传感系统，采集焊接时的熔池图像，裁去冗余背景，得到原始熔池图像集；步骤2、基于步骤1得到的熔池图像制作其对应的分割标记样本，与原始熔池图像集构成熔池图片标记数据集；步骤3、基于步骤2得到的熔池图片标记数据集，利用生成对抗网络DCGAN进行训练，生成与原始熔池图像相似的图像，与熔池图片标记数据集构成扩充的熔池图片标记数据集；步骤4、对扩充的熔池图像标记数据集进行色彩学和形态学上的数据增广，放入语义分割网络中进行训练；步骤5、利用步骤4中所述训练得到的语义网络网络模型提取熔池轮廓。
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南京理工大学，未经南京理工大学许可，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/201910581281.7/，转载请声明来源钻瓜专利网。
