摘要：焊接区的视觉图像含有丰富的熔池成形和焊缝成形信息,然而,由于焊接区的状态复杂、干扰因素众多,图像处理算法设计非常困难,很难实现工程化应用。利用深度学习技术中的卷积神经网络(VGG网络)实现了薄板TIG焊的熔透状态的检测。首先采用VGG网络构建了从熔池反面视觉图像判断熔透状态的模型,实现了未熔透、熔透和烧穿的可靠识别,准确率可达97.2%;在此基础上,又采用SSD网络构建了熔透状态下熔宽的检测模型,实现了反面熔宽的准确测量。此外,采用数据增强的方法模拟了不同的检测条件,使模型的适应性达到了工程化水平。同时构建了从正面熔池预测反面熔透的网络模型,解决无法直接从反面判断的情况,模型的预测准确率为96.7%,最后分析了误差出现的原因和提高准确率的方法。

摘要：不锈钢薄板激光焊焊缝成形尺寸细微,焊接速度快、节拍快,人工进行焊缝缺陷检测已不适合,因此焊缝缺陷检测的自动化是必然趋势。构建了一套激光焊焊缝数字成像(DR)检测系统,并在DR检测图像的基础上研究了焊缝缺陷的自动检测与识别算法。首先设计焊缝和焊接缺陷检测系统,可靠地将焊缝和焊接缺陷从工件背景中分割出来,基于此又设计了焊接缺陷特征提取算法和缺陷类型识别算法,通过二叉树和逻辑回归分类可以将激光焊焊缝中的常见缺陷识别出来,识别正确率达到了工程化水平。