首页 / 资料库 / 文献详情

基于改进U-Net卷积神经网络的焊缝特征提取

熊垒垒 Xiong Leilei、朱学军 Zhu Xuejun、赖惠鸽 Lai Huige、余坼操 Yu Checao、毛坤 Mao Kun、杨明 Yang Ming、彭达 Peng Da

2025Laser & Optoelectronics ProgressComputer Science被引 1开放获取

摘要

针对在实际焊接环境中弧光等噪声干扰导致焊缝特征提取精度下降的问题，提出了一种改进的U-Net模型来提高激光条纹的提取效率。首先，以VGG16为编码器基础，结合迁移学习策略来增强模型的鲁棒性。其次，在解码器部分，通过结合标准卷积和深度可分离卷积的多尺度融合模块，并引入瓶颈层结构，设计了一个轻量化的跨层连接网络模块，旨在降低模型的计算负担和参数量。此外，还提出了一种轻量化的坐标注意力机制，以增强瓶颈层的特征表示，从而提升分割质量。最后，通过跳跃连接实现了编码器和解码器之间不同分辨率特征的有效融合。实验结果表明，该方法在存在弧光干扰的焊接环境中表现出色，能够有效提高分割精度，显示出在实际应用中的价值。

引用本文（GB/T 7714）

DOI：https://doi.org/10.3788/lop250654