基于机器学习的不锈钢薄板MIG焊焊穿缺陷识别

摘要：

随着焊接工艺在工业环境中的广泛应用,对焊接缺陷的研究受到越来越多的关注,焊穿缺陷作为焊接过程中最严重的缺陷之一,必须采取相应的措施对其进行监测以及控制.提出了一种采用被动视觉传感技术,利用工业CCD相机结合减光、滤光系统消除焊接过程中强弧光干扰,获得MIG焊熔池图像的方法.设计正交试验并从图像的多维特征出发,提取熔池图像4个种类对应的10个维度特征作为机器学习的输入.在进行焊穿缺陷的标签标定时,基于所提出的特征提取对正交试验中获得的熔池图像数据进行预处理,通过反向搜索实现对无效数据的剔除和有效数据的正确归类,同时发现了数据在空间分布的规律.最后探究了不同维度输入特征下三种分类器的识别效果,结果表明:所选择的特征在三种分类器上均获得了不低于97%的分类精度,为后续开发基于视觉在线焊穿缺陷检测系统提供了技术支撑和理论依据.

关键词：MIG焊、视觉传感、熔池图像处理、机器学习、缺陷识别

所属期刊栏目：53

分类号：TG409(焊接、金属切割及金属粘接)

资助基金：国家重点研发计划2020YFB1710002

在线出版日期：2023-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：70-77