一种多尺度分形的弧焊熔池图像分割方法

弧焊熔池图像的各个区域与最终的焊缝成形有着密切的关系.分析了弧焊熔池图像中的浮渣与熔池的分型维数和多尺度分型维数的特征,阐述了图像的分形维数和多尺度分形维数特征的概念,介绍了单一分形维数与基于多尺度分形维数的图像分割方法,并把该方法应用到了弧焊熔池图像的分割中.结果表明,基于分形维数的多尺度图像分割方法可以有效地对弧焊熔池图像中熔池尾部和浮渣同时进行分割,并优于用算子和单一的分形维数算法的图像分割方法.基于分形维数的多尺度图像分割算法在弧焊熔池图像的分割上将会成为十分有效的方法.

基于U型网络的K-TIG焊熔池图像分割方法研究

小孔钨极惰性气体保护焊K-TIG(Keyhole Tungsten Inert Gas Welding)的强烈氩弧光会对熔池液面与焊件的成像造成干扰。针对其熔池图像呈现边界模糊、特征尺寸差异大、形态不规则的特点,设计了一种基于注意力机制的多尺度特征融合语义分割模型,对焊接熔池区域图像进行分割。首先,利用并行结构的多尺度非对称瓶颈单元替换UNet在特征提取过程中的卷积块,加强对不同尺度特征提取的能力,强化对熔池轮廓的表征能力;然后,在上采样阶段使用跨层的注意力模块引导网络模型更加关注熔池的锁孔区域;最后,在进行网络训练之前,对训练集的图片采用Multi-Scale Retinex算法执行颜色和形态的图像增强。实验结果显示,该神经网络的分割结果与熔池实际区域在Dice系数、MIOU以及F1系数的指标上分别达到95.78%、83.32%和91.86%。