基于改进YOLOX-S算法的焊缝特征点提取方法研究

摘要：

在使用机器人进行焊接的过程中,常常会出现一些问题,例如面对加工误差、热变形等引起的复杂环境状况,必须采用焊缝跟踪技术来辅助机器人进行焊接工作.传统的数字图像处理技术目前广泛应用于焊缝跟踪,不过在工业领域中,常常出现的特征变化和电弧噪声等问题对焊缝特征提取算法提出了更高的要求.为了解决焊缝特征提取的抗干扰和自适应性问题,文中将基于深度学习的目标提取方法应用于焊缝检测,提出了一种基于改进YOLOX-S的焊缝特征点提取方法.在YOLOX-S算法的特征金字塔中每个上采样和下采样之后使用注意力机制,使模型更多关注焊缝特征点特征信息,从而减少检测误差.该方法能克服强弧光的干扰,满足复杂焊接过程对精度和实时性的要求.将YOLOX-S算法中卷积层之后的批标准化改为群组归一化,可以解决批量较小引起的误差增加的问题.实验结果表明了该算法的可行性.

关键词：自动焊接、特征点提取、深度学习、YOLOX-S、焊缝特征提取、注意力机制

所属期刊栏目：46

分类号：TN911.73-34

资助基金：浙江省自然科学基金项目LY17E050015

在线出版日期：2023-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：95-101