一种基于ResNeXt网络的焊缝跟踪方法技术

本发明专利技术公开了一种基于ResNeXt网络的焊缝跟踪方法，方法包括：对所述样本焊缝图像信息进行图像预处理，得到训练集；根据所述训练集，通过ResNeXt网络搭建学习模型进行训练，获得焊缝中心特征提取点模型；根据所述焊缝中心特征提取点模型获取待识别对应的焊缝特征点信息；根据所述焊缝特征点信息，生成机器人控制模块的焊接工作路径；根据所述焊接工作路径控制机器人控制模块的工作。本发明专利技术提高了准确率和精度，可广泛应用于图像处理技术领域。可广泛应用于图像处理技术领域。可广泛应用于图像处理技术领域。

【技术实现步骤摘要】
一种基于ResNeXt网络的焊缝跟踪方法


[0001]本专利技术涉及图像处理
，尤其是一种基于ResNeXt网络的焊缝跟踪方法。

技术介绍

[0002]焊接是制造业领域重要的加工技术，随着产品设计结构的复杂化和要求高生产效率，自动焊接工艺凭借焊接质量高、人的劳动强度低、效率高等优势已在逐步取代手工焊接工艺。其中，精确的焊缝跟踪是保证焊接质量的前提，即在整个焊接过程中必须控制焊枪头始终与焊缝中心对准，否则就会造成报废。为此，需精确的自动检测出焊缝位置并实现自动跟踪。
[0003]视觉焊缝跟踪是自动焊接机器人研究的一个重要课题，即以焊枪头作为控制对象，利用视觉方法获取到焊枪的实时位置，并通过图像处理的方式在运算后控制焊枪调整位置状态。然而，视觉传感器采集到的图像不可避免地受到弧光、烟尘、飞溅等多种类型噪声的影响，极大降低了焊缝跟踪精度。因此需要更为有效的图像识别技术，来实现更为精准的视觉焊缝跟踪。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供一种准确率高且精度高的基于ResNeXt网络的焊缝跟踪方法。...

【技术保护点】

【技术特征摘要】
1.一种基于ResNeXt网络的焊缝跟踪方法，其特征在于，包括：采集样本焊缝图像信息；对所述样本焊缝图像信息进行图像预处理，得到训练集；根据所述训练集，通过ResNeXt网络搭建学习模型进行训练，获得焊缝中心特征提取点模型；根据所述焊缝中心特征提取点模型获取待识别对应的焊缝特征点信息；根据所述焊缝特征点信息，生成机器人控制模块的焊接工作路径；根据所述焊接工作路径控制机器人控制模块的工作。2.根据权利要求1所述的一种基于ResNeXt网络的焊缝跟踪方法，其特征在于，所述采集样本焊缝图像信息，包括：通过线激光器对工件表面进行照射，得到焊缝的截面轮廓信息；通过工业相机采集所述焊缝的截面轮廓信息；通过图像采集卡将采集到的图像信号转化为数字信号存储至工控机内存中，确定视觉图像的大小和尺寸信息。3.根据权利要求1所述的一种基于ResNeXt网络的焊缝跟踪方法，其特征在于，所述对所述样本焊缝图像信息进行图像预处理，得到训练集，包括以下至少之一：对采集到的样本焊缝图像信息进行图像灰度化处理；对采集到的样本焊缝图像信息进行图像中值滤波处理；对采集到的样本焊缝图像信息进行图像缩放处理；对采集到的样本焊缝图像信息进行图像增强处理。4.根据权利要求3所述的一种基于ResNeXt网络的焊缝跟踪方法，其特征在于，所述对采集到的样本焊缝图像信息进行图像灰度化处理，包括：将采集到的样本焊缝图像信息中的RGB图像中三分量的亮度作为三个灰度图像的灰度值，转换得到灰度图像；所述对采集到的样本焊缝图像信息进行图像中值滤波处理，包括：将图像模板置于样本焊缝图像中漫游；将图像模板的中心与样本焊缝图像中一个像素位置重合；读取图像模板下各对应像素的灰度值并按从小到大排成一列，选取这些值排在中间的一个赋给对应于图像模板中心位置的像素；所述对采集到的样本焊缝图像信息进行图像缩放处理，包括：配置图像x轴方向的缩放比率和y轴方向的缩放比率；当图像为延轴放大时，采用最近邻差值法进行差值计算；所述对采集到的样本焊缝图像信息进行图像增强处理，包括：通过空间域对图像中的像素点进行增强处理；其中，所述增强处理的表达式为：g(x,y)＝f(x,y)*h(x,y)其中，f(x,y)代表原图像；h(x,y)是空间转换函数；g(x,y)表示处理后的图像。5.根据权利要求1所述的一种基于ResNeXt网络的焊缝跟踪方法，其特征在于，所述根据所述训练集，通过ResNeXt网络搭建学习模型进行训练，获得焊缝中心特征提取点模型，

【专利技术属性】
技术研发人员：丁北辰，樊天慧，卢坤炜，冯国栋，陈超核，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：