摘要
本发明公开了一种基于多模态融合的金属焊缝缺陷检测方法和缺陷检测网络框架,所述金属焊缝缺陷检测方法依次分为点云数据采集、数据预处理、数据增强、生成彩色深度图像、搭建改进后的PointNet++焊缝缺陷检测模型、搭建YOLOv5焊缝缺陷检测模型和融合模型结果。针对焊缝缺陷尺寸小、特征复杂的特点,本发明可以反映出焊缝缺陷的深度与高度特征,相比于二维图像的深度学习精度更高。通过将PointNet++的结果与YOLOv5融合,重新分配坐标范围内预测的缺陷点的权重,解决了单独使用PointNet++时检测结果不稳定的问题。
技术关键词
焊缝缺陷检测方法
彩色深度图像
三维点云数据
多模态
点云数据采集
标定工具
生成三维边界框
线结构光传感器
三阶贝塞尔曲线
特征提取模块
空间金字塔池化
烧穿缺陷
坐标
像素点
系统为您推荐了相关专利信息
恢复监控
联动系统
睡眠监测设备
助眠设备
分析模块
深度学习神经网络
可见光视频
模式检测方法
图像
热成像
模型生成方法
骨科
计算机程序指令
可读存储介质
模型生成装置
异常检测方法
跨模态
激光雷达点云数据
巡检机器人
在线迁移学习