基于CNN‑Transformer混合网络的焊缝激光条纹分割
摘要
针对复杂焊接环境下大量弧光噪声造成焊缝激光条纹分割不完整、精度低、实时性不足的问题，采用编码器-解码器的结构，建立一种CNN-Transformer混合的焊缝激光条纹分割网络模型。模型的编码器部分使用参数量和计算量较小的MobileViT模块进行特征提取，并嵌入双路非局部模块捕获焊缝图像空间域和通道域上的长距离关联关系，在保证特征提取能力的同时提高分割效率。模型的解码器部分使用亚像素卷积神经网络，获得语义分割结果，减少信息重构过程中的特征损耗，提高模型对焊缝激光线条的提取性能。为解决焊缝图像中激光条纹像素与背景像素占比不均衡问题，提出一种动态干预激光条纹加权系数的损失函数。为验证所提模型的有效性，利用现场复杂焊接环境下获取的数据进行模型训练，像素精度达到98.0%，平均像素精度达到96.6%，平均交并比达到92.1%，单张图片推理时间仅为40 ms。与Unet、Deeplabv3+、SegNet、PSPNet、RefineNet和FCN-32s等常用的轻量级语义分割网络进行对比，所提模型在精度和速度方面均具有一定的优势。
引用本文（GB/T 7714）
王颖 Wang Ying, 高胜 Gao Sheng, 戴哲 Dai Zhe. 基于CNN‑Transformer混合网络的焊缝激光条纹分割[J]. Chinese Journal of Lasers, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。