摘要
本发明基于深度学习的焊缝定位与缺陷检测系统及方法,将适用于不同图像尺寸的目标检测金字塔网络结构应用于焊缝检测,提升焊缝智能检测对图像尺寸的适应度;同时选用自由矩形框的缺陷标注方式,提升定位的识别准确度;通过对图像数据集中焊缝、气孔、焊瘤、凹坑缺陷的标注,采用基于FPN网络结构的深度学习方法进行焊缝定位与缺陷识别,完成目标检测、语义分割功能的训练;采用双相关知识蒸馏进行模型压缩,同时考虑特征图中空间位置之间的关联和通道之间的关联,并将这两种类型的关联信息从复杂模型(教师模型)迁移到紧凑模型(学生模型),实现对模型的压缩,在分割精度和推理速度之间达到平衡。
技术关键词
机器人运动控制卡
线结构光
缺陷检测系统
焊缝特征点
像素
缺陷检测方法
学生
教师
语义
高密度点云
单目相机
双目相机
焊缝图像处理
条纹
网络结构
交换机
感兴趣区域提取