摘要
本发明公开一种制造过程数据驱动的焊接缺陷检测与管控方法和系统,属于焊接缺陷检测技术领域,包括:通过绑定在焊接机器人上的工业相机采集焊缝图像;构建深度学习网络模型;根据焊缝图像对深度学习网络模型进行训练,得到焊接缺陷检测模型;其中,通过损失函数设计、优化算法与学习率策略、迁移学习、数据增强和批注标准化对深度学习网络模型进行训练;将焊接过程中拍摄的图像输入到焊接缺陷检测模型中,输出焊接缺陷结果;根据焊接缺陷结果,对焊接生产质量进行控制。采用本发明的技术方案,有效提高焊接过程中的缺陷检测结果准确率,代替人工检测,能够实现不间断检测,大大提高了检测效率,并根据数据分析降低焊接缺陷率,提高焊接质量。
技术关键词
焊接缺陷检测
深度学习网络模型
构建深度学习网络
损失函数设计
焊接机器人
管控方法
工业相机
焊缝
焊接缺陷率
图像
管控系统
数据
网络架构
策略
算法
模块
核心
系统为您推荐了相关专利信息
生成式对抗网络
重构方法
图像
构建深度学习网络
深度学习网络模型
人形机器人
图像识别模型
深度学习网络模型
高维图像数据
物体
箱梁钢筋
部品
钢筋调直切断机
移动模架
施工方法
人体姿态估计方法
深度学习网络模型
关节
表达式
运动传感器
电池外壳
缺陷检测方法
缺陷类别
标签
图像缺陷检测模型