研究问题
多层多道焊接中熔池形状随焊道与姿态变化,如何稳定提取轮廓并区分不同类型?
研究方法
构建多层多道 MAG 焊接熔池图像及边缘标注数据,以 ResNet101 为骨干扩展 UNet,并引入迁移学习。随后计算熔池几何特征,建立三角形、梯形与平行四边形等七类熔池的判别表达式。
主要结果
在自建熔池数据集上,研究完成了不同分割网络的对比及七类熔池特征验证。方法将像素分割转化为可解释的轮廓与形状参数,为后续焊接过程监测提供了视觉特征。
Characteristic classification and extraction of robotic multi-layer multi-pass MAG welding pool—An extended UNet network implementation based on transfer learning
多层多道焊接中熔池形状随焊道与姿态变化,如何稳定提取轮廓并区分不同类型?
构建多层多道 MAG 焊接熔池图像及边缘标注数据,以 ResNet101 为骨干扩展 UNet,并引入迁移学习。随后计算熔池几何特征,建立三角形、梯形与平行四边形等七类熔池的判别表达式。
在自建熔池数据集上,研究完成了不同分割网络的对比及七类熔池特征验证。方法将像素分割转化为可解释的轮廓与形状参数,为后续焊接过程监测提供了视觉特征。