基于改进U-Net算法的焊缝特征识别研究

针对基于激光视觉机器人焊接过程中,由于噪声干扰导致焊缝激光条纹分割精度降低,不能精确焊接的问题,提出了一种改进U-Net算法的焊缝特征识别方法。改进型U-Net算法使用Mobile-Net作为主干网络,加强了网络的特征识别能力,并减少了模型的参数量。在编码与解码之间加入超强通道注意力机制,实现了特征的加权融合。模型采用混合损失函数,平衡了激光条纹在图像中的占比。在焊接机器人焊缝跟踪实验平台部署网络模型,实验结果表明,改进的U-Net算法平均交并比(Mean Intersection over Union,MIoU)为89.83%,像素准确率(Pixel Accuracy,PA)为99.54%,平均像素准确率(Mean Pixel Accuracy,MPA)为97.28%,处理图像的时间为0.209 s,相比其他算法,具备更优的分割精度和较快的处理速度,可以更好地应用于有干扰的机器人焊接场景中。