机械工程学报

作者：马晓锋, 夏攀, 刘海生, 史铁林, 王中任

单位：1. 湖北文理学院机械工程学院 襄阳 441053;2. 智能制造与机器视觉襄阳市重点实验室 襄阳 441053;3. 华中科技大学机械科学与工程学院 武汉 430074

关键词：熔化极活性气体保护焊,GAN,改进PSPNet,熔池动态分割；

基金：襄阳市重点科技计划(2020ABH002033)和国家自然科学基金(11902112)资助项目。

在熔化极活性气体保护焊(Metal active gas arc welding，MAG)焊接过程中，传统机器视觉熔池检测方法难以适应剧烈变化的强弧光和飞溅等噪声的干扰。为此，提出一种结合GAN与改进PSPNet的熔池深度学习检测方法，实现对熔池的动态跟踪与精准检测。首先，通过生成对抗网络(Generative adversarial networks，GAN)中的解码器、编码器及小步数的反卷积模块，对焊接熔池图像进行增强，解决因强弧光和飞溅等噪声导致的图像模糊。然后，对不同位置的熔池形态进行力学现象分析，得出不同位置的熔池形成规律。最后，结合GAN网络与全位置熔池变化规律，对PSPNet网络进行改进，利用多层金字塔池化模块进行信息提取、空洞卷积大视野的获取全局信息、以及引入的Swish激活函数，对熔池进行动态分割。试验结果表明，该方法平均像素准确率和平均交并比等指标提高至88.03%和85.45%，网络模型训练时间比改进前提升19.05%，能够实现熔池动态跟踪，对机器人智能焊接有重要意义。

来源：2023年第12期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2023年第12期