摘要
本发明公开了一种基于小样本学习的焊接飞溅自动检测方法与系统,包括以下步骤,数据获取与预处理、特征增强型小样本学习模型构建、焊接飞溅特性感知的注意力机制、自适应原型聚类与匹配、层次化检测与定位、结果输出与验证,且支持增量学习。本发明的有益效果通过特征增强型小样本学习模型,仅需少量标注样本即可实现高精度焊接飞溅检测;设计的焊接飞溅特性感知注意力机制,能够有效捕获焊接飞溅的散射特征和金属反光特性;通过自适应原型聚类与匹配算法,有效应对焊接飞溅的多样性和随机性;层次化检测策略提高了检测精度和鲁棒性;支持增量学习,能够不断适应新的飞溅形态;为后续自动打磨提供精确的位置和形态信息。
技术关键词
原型
样本
特征提取网络
多尺度特征提取
表达式
自动检测方法
Sigmoid函数
融合注意力机制
轮廓提取
反光
人机交互模块
学习模型识别
光源系统
图像增强单元
模式
系统为您推荐了相关专利信息
出租车
故障预测模型训练
样本
车辆行驶状态
车辆故障预测
轴承故障诊断方法
轴承故障诊断系统
深度学习网络
轴承故障特征
故障类别
协同路径规划方法
移动物体
柔性
物理
行驶路径规划