公开(公告)号：CN118514068A

公开(公告)日：2024-08-20

申请号：CN202410578927.7

申请日：2024-05-11

Applicant: 桂林电子科技大学

Inventor： 李雪梅 ,  陈倍倍 ,  郭义华 ,  胡晗

IPC: B25J9/16 ,  G06T7/00 ,  G06T7/10 ,  G06T5/60 ,  G06T5/70 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09 ,  B23K37/00

Abstract: 本发明在对传统的机器人焊接技术研究分析的基础上，借助视觉传感器可非接触、高精度测量的优点，结合深度学习强大的特征学习表达能力，实现复杂强噪声环境下焊缝的识别检测并基于此进行焊缝跟踪软件开发工作，为更加灵活、智能化的机器人自主焊接奠定了技术基础。本发明采用深度学习技术，设计了一种端到端的图像去噪深度模型。在模型中设计、应用了密集网络结构、混合注意力块、深度监督优化以及多尺度级联输出，以提升了网络的分割泛化性能。模型流程首先进行下采样，这一路径主要是通过卷积层和最大池化(Max Pooling)层不断对输入图像进行下采样，提取图像的特征；接下来进入瓶颈层，包含两次卷积操作，但不再进行池化；之后模型通过逆卷积(转置卷积)对特征图进行上采样；最后，使用大小为1×1的卷积核对输出进行输出。提高了模型对条纹特征的提取表征能力。