發(fā)布時間：2020-04-19 09:53

【摘要】：隨著焊接工業(yè)的不斷發(fā)展,焊接過程中實現自動化、柔性化、智能化已成為工業(yè)發(fā)展必然趨勢。研究焊縫質量在線檢測,對提高焊接工藝質量和相關焊接工件質量具有重要意義。本文研究基于深度遷移學習的焊接質量在線監(jiān)測方法,針對目前焊接過程中產生的焊縫表面缺陷難以檢測與識別的問題,通過研究焊接缺陷數據增強、焊接缺陷圖像分類、焊接缺陷目標檢測方法,實現高效精準的焊接質量在線監(jiān)測。主要研究結果如下:(1)基于生成對抗網絡實現了焊接缺陷學習樣本的數據增強,通過引入條件變量、高斯混合模型、自注意力機制優(yōu)化生成對抗網絡損失函數,并提出基于深度卷積神經和自注意力機制的生成器和判別器模型;研究生成樣本分布與真實樣本分布的差異性評判方法。實驗表明,利用所提出的數據增強算法能為深度學習算法在小規(guī)模焊接缺陷樣本的訓練提供一個有效途徑;(2)引入DropBlock卷積核優(yōu)化和全局平均池化,結合輕量卷積神經網絡模型MobileNet,提出基于優(yōu)化輕量卷積神經網絡的焊接缺陷分類算法,并利用Fashion-MNIST中小規(guī)模圖像公開數據集及焊接X射線內部缺陷增強數據集對算法進行測試,實驗結果表明,相對于目前常用的卷積神經網絡分類算法,所提出的焊接缺陷分類算法兼顧識別準確率和訓練效率,具有計算復雜度低和部署易用性良好的優(yōu)點,為嵌入式平臺實現焊接缺陷目標識別提供實現手段;(3)研究焊接缺陷內外部特征映射關系和深度遷移學習策略,利用基于網絡的深度遷移學習策略實現焊接缺陷內外部特征模型的權重遷移,提高焊接外部特征缺陷分類模型的收斂速度和泛化能力,能有效利用有限焊接外部特征數據集進行訓練;研究目標檢測算法,結合基于深度遷移學習的焊接外部特征缺陷分類模型和One-Stage目標檢測算法,提出基于深度遷移學習的焊接缺陷目標檢測算法,部署到嵌入式AI平臺,對焊接表面圖像進行實時檢測,實現焊接質量的實時在線監(jiān)測;
【圖文】：

未娜透

夾渣通常在焊縫中為寬度和黑度不均勻的點或線條狀，主要產生的原因為焊接過程逡逑中產生的熔渣或由于焊縫中存在不干凈的雜質。夾渣被射線照相機照出來極其容易，屬逡逑于體積性缺陷，很容易產生應力集中因為焊縫受力載面積在焊接過程中會減少，造成交逡逑變載荷的產生根源。在焊接速度太快、電流太小的情況下極易形成夾雜，合理控制焊接逡逑速度、角度、電流，防止焊接夾渣的產生。根據其形態(tài)的不同，可以將夾渣分為條狀夾逡逑渣、點狀夾渣、塊狀夾渣。逡逑灥■■■逡逑圖２－５氣孔逡逑Ｆｉｇ．邋２－５邋ｐｏｒｏｓｉｔｙ逡逑
【學位授予單位】：廣西大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TG441.7;TP391.41;TP18

【參考文獻】

相關期刊論文 前8條

1 洪宇翔;都東;潘際鑾;李湘文;;基于軌跡動態(tài)規(guī)劃的移動機器人焊道自動跟蹤[J];焊接學報;2015年10期

2 遲大釗;剛鐵;趙立彬;;線聚焦超聲波法焊接缺陷識別[J];焊接學報;2015年05期

3 毛志偉;周少玲;趙濱;石志新;姜銀松;潘際鑾;;雙線激光傳感焊槍定位與焊縫走向識別[J];焊接學報;2015年02期

4 胡文剛;剛鐵;;基于超聲信號和圖像融合的焊縫缺陷識別[J];焊接學報;2013年04期

5 王鵬;杜衛(wèi)東;汪立新;張峰;韓偉;徐瑩;;射線檢測中膠片焊縫缺陷定位與識別[J];西安工業(yè)大學學報;2012年04期

6 羅愛民;沈才洪;易彬;李坤;;基于改進二叉樹多分類SVM的焊縫缺陷分類方法[J];焊接學報;2010年07期

7 孫林;楊世元;吳德會;;X射線底片焊縫缺陷的支持向量機識別方法[J];應用科學學報;2008年04期

8 任大海,尤政,孫長庫,葉聲華;焊接缺陷實時成像自動檢測技術的研究[J];清華大學學報(自然科學版);2001年02期

相關博士學位論文 前1條

1 王春明;基于多傳感器的激光焊接質量實時診斷及其理論基礎[D];華中科技大學;2005年

相關碩士學位論文 前1條

1 肖輝;焊接缺陷射線DR圖像自動檢測與識別系統研究[D];南昌航空大學;2017年

，

本文編號：2633220