基于目标检测的焊接电弧形态在线定量检测

超窄间隙焊接过程中电弧形态难以在线监测和定量描述,为此提出基于YOLOv5s的轻量化目标检测网络YOLO-SEC.设计3种轻量化卷积模块AD-Shufflenet、LC3和Conv-Maxpool,应用于基线网络的骨干网络和颈网络;在检测头网络中使用单检测层推理结构,有效降低网络复杂度.设计并使用k-means+算法聚类数据集的已标注锚框,得到网络训练所需的预设锚框尺寸.引入EIoU定位损失函数,提升网络的准确率.将单目线性相机标定算法引入预测框绘制函数,在焊接前通过标定将像素长度转化为实际长度,实现电弧尺寸的定量描述.实验结果表明,YOLO-SEC的检测精度达到99.2%、测量误差小于0.5%、推理速度为3.1 ms、网络体积为0.6 MB,以上指标均优于YOLOv5s网络和同类型轻量化网络.

EPnL:一种高效且精确的PnL问题求解算法

现有Perspective-n-line (PnL)问题求解算法无法在获得高求解精度的同时保证高求解效率.为解决这个缺点,提出了同时兼具求解效率和求解精度算法EPnL.该方法首先将PnL问题转换为求二次曲面方程组交点的问题,然后利用单位四元数中变量不同时为零的特性,分类参数化PnL问题中的旋转矩阵.最后,为克服常规优化方法可靠性和效率较低的问题,同时兼具求解效率和求解精度算法利用二次曲面方程组自身的结构信息,采用低次项参数化高次项的方式将二次曲面方程组的求解问题转换为单变量多项式的求解问题.实验表明,相比于现有算法,该算法在具有高求解精度的同时也兼具有高求解效率.