摘要
本发明涉及焊缝检测技术领域,提供了一种焊缝视觉智能检测设备及方法,该检测方法包括:获取焊缝2D图像;获取焊缝3D形貌数据,生成焊缝点云数据;根据焊缝2D图像以及焊缝点云数据生成训练数据集;构建神经网络模型,通过训练数据集对神经网络模型进行训练;根据训练好的神经网络模型对焊缝图像进行智能检测;其中,神经网络模型的损失函数包括2D定位损失项、分类任务损失项以及3D边框回归损失项。本发明通过获取包括2D定位损失项、分类任务损失项以及3D边框回归损失项在内的损失函数,可以实现多任务协同优化,兼顾了分类鲁棒性、2D定位精度和3D几何重建能力,适用于工业检测中高精度、多模态融合的场景需求。
技术关键词
焊缝视觉
神经网络模型
智能检测设备
智能检测方法
生成训练数据
轻量化结构
激光扫描仪
图像
视觉相机
截面轮廓
焊缝检测技术
补光灯
尺寸
3D点云
特征提取模块
动态更新
纹理
系统为您推荐了相关专利信息
神经网络模型
裂缝
对齐方法
深度编码
协方差估计
主动调控方法
围岩变形监测
锚固系统
形状记忆合金驱动
锚固体系
短期功率预测方法
分布式光伏
多模型
预测误差
多元线性回归模型
健康小屋
权限控制方法
权限控制系统
无人值守状态
权限控制装置
自动控制方法
分布式车辆
自动控制系统
加速度
神经网络模型