基于深度学习的焊缝定位与缺陷识别

针对大型构件缺陷焊缝的自动定位及缺陷识别是实现焊缝打磨、补焊等自动化操作的必要条件。大型构件焊缝及焊缝缺陷图像具有形状多样、灰度分布随机等特点,加大了图像处理的难度。提出一种基于深度学习的焊缝定位及缺陷识别方法,通过深度学习目标检测方法确定焊缝位置并识别焊瘤及不合格缺陷,通过深度学习语义分割方法识别气孔及凹坑缺陷。选取FPN网络结构创建和训练焊缝定位及缺陷识别模型,并通过增加样本数量完成模型优化,焊缝定位识别准确率达到95%,焊瘤识别准确率达到98%,气孔与凹坑两类缺陷的识别准确率约为91.8%。

港机大型构件机器人打磨路径规划

港机装备中的箱梁、桁架等典型大型构件在打磨工序上目前仍以人工打磨为主,其劳动强度大、效率低,故采用机器人打磨将成为技术发展的必然趋势。针对港机大型构件的结构特点,本文对机器人打磨路径规划进行研究,并基于MatLab软件和ROS机器人操作系统进行仿真,同时采用K-means算法和TSP-混合PSO算法解决了机器人由于打磨点多和打磨点不确定性而带来的任务分配和路径排序难题,还借助RRT*算法研究并验证了机器人打磨避障技术,为推动机器人打磨在大型构件制造中的推广应用提供了技术基础。