文献类型：期刊文章

作　　者：朱齐丹[1] 王彦柯[1] 朱伟[1] 刘玥[1]

ZHU Qidan;WANG Yanke;ZHU Wei;LIU Yue(Institute of Intelligent Control,College of Automation,Harbin Engineering University,Harbin 150001,China)

机构地区：[1]哈尔滨工程大学自动化学院智能控制研究所

出　　处：《焊接学报》

基　　金：国家自然科技基金资助项目(61673129)

年　　份：2019

卷　　号：40

期　　号：7

起止页码：82-87

语　　种：中文

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

摘　　要：在自动焊接系统中,焊点的识别需要利用辅助激光,但是由于弧光的存在,而且一些金属材料具有反光性,这都会对辅助光的提取造成困难,因而影响到焊点的准确定位.基于此问题,利用反卷积结合特征金字塔网络,提出了基于热力图的焊点识别网络,该网络通过残差卷积神经网络进行提取特征,并利用金字塔策略将不同尺度的特征映射成特征点热力图,根据热力图得到焊点的最终准确位置.最后进行与模版匹配及原始的特征金字塔网络的对比试验.结果表明,该网络在对焊点的识别中比前两者的表现突出,而且鲁棒性较强,对于各种噪声和复杂的干扰具有很强的抵抗力.

关 键 词：结构光 残差卷积神经网络  特征金字塔网络  热力图  焊点识别  

分 类 号：TG456.7] TP391.41]