采用卷积神经网络实时监测拼焊板激光焊接的熔透状态

摘要： 本文介绍了一种创新性激光焊接过程熔透状态诊断监测系统，该系统由同轴视觉监测平台和熔透状态诊断单元两大?？楣钩伞Ｆ教ㄍü胪赴敕淳岛透咚偕阆窕袢〖す夂附庸讨邢嗷プ饔们耐嵬枷?，并建立了包含四种焊接状态的图像数据集用于训练验证。诊断单元主要由低功耗嵌入式计算平台TX2和基于卷积神经网络（CNN）的图像处理算法组成。实验表明该平台能稳定采集高质量焊接图像，采用超高斯函数初始化卷积层权重、通过优化网络结构和超参数构建的CNN诊断模型，在TX2上的延迟低于2毫秒，满足实时性要求。在实际激光拼焊过程中，即使光照条件显著变化仍可实现94.6%的熔透状态诊断准确率，验证集与实际焊接场景的相近准确率证明该监测系统具有强鲁棒性，其CNN模型的精确率和召回率均优于方向梯度直方图、局部二值模式等其他方法。