文献类型：期刊文章

作　　者：张永帅[1] 杨国威[1] 王琦琦[1] 马雷[1] 王以忠[1]

Zhang Yongshuai;Yang Guowei;Wang Qiqi;Ma Lei;Wang Yizhong(College of Electronic Information and Automation,Tianjin University of Science & Technology,Tianjin 300222,China)

机构地区：[1]天津科技大学电子信息与自动化学院,天津300222

出　　处：《中国激光》

基　　金：国家自然科学基金青年科学基金项目(51805370);天津科技大学青年教师创新基金(2017LG08)

年　　份：2019

卷　　号：46

期　　号：3

起止页码：28-35

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：基于深层卷积神经网络的特征学习能力,提出了一种基于全卷积神经网络的焊缝特征提取方法。该方法利用全卷积神经网络将包含焊缝特征信息的像素预测出来,通过融合低层与高层特征信息来补充焊缝边缘的特征信息。研究结果表明:所提方法能在强烈弧光和烟尘干扰下准确地提取出焊缝位置,具有抗干扰能力强、识别准确的优点。

关 键 词：图像处理 卷积神经网络 焊缝跟踪 自动焊接系统 深度学习  

分 类 号：TP242.2]