[发明专利]基于深度学习的自动定位焊接方法

权利要求书

1.一种基于深度学习的自动定位焊接方法，其特征字在于，包括以下步骤：

步骤S1:获取焊接板对接构成的直线坡口图像集，并预处理，得到数据集；

步骤S2:基于YOLOv3网络构建分类识别模型，并基于数据集进行训练,得到训练好的基于YOLOv3的目标分类识别模型；

步骤S3:基于训练好的基于YOLOv3的目标分类识别模型对相机获取到的图像进行目标识别，并基于得到的目标框信息完成图像剪切，获得目标图像，包含坡口图像和坡口边缘图像；

步骤S4:将坡口图像转为灰度图像并提取焊缝中心点，使用RANSAC算法过滤偏离焊缝中心的噪点，获得焊缝中心点集PV点集，最后对提取到的焊缝中心点使用最小二乘法进行线性拟合，获得焊缝拟合中心线LV；

步骤S5:对坡口边缘图像识别结果进行判别，上下边框分别处理，当小框边缘图像被提取时，则不进行大框边缘图像提取与处理，并基于坡口边缘图像获取拟合边缘直线LH；

步骤S6:将拟合边缘直线LH与拟合焊缝中心线LV的交点作为焊缝端点，并基于焊缝端点信息过滤掉步骤S4中焊缝中心点集PV点集中超出焊缝端点部分的噪点；

步骤S7:基于图像采集位置与相机标定位置的位移变换，在逐个采集点获取的图像进行焊缝中心点检测后，通过位移变换与相机外参数将全部焊缝中心点集PV中的各点坐标统一到工件坐标系下，最后通过socket通讯指导ABB机械手完成焊接。

2.根据权利要求1所述的基于深度学习的自动定位焊接方法，其特征字在于，所述步骤S1具体为：

步骤S11:获取三种焊接板对接构成的直线坡口图像集，包括激光切割的表面光滑焊接板，实验室常用的带定位开孔的增材基板，以及在增材基板上完成各种增材试验后表面带有不同增材形状的复杂表面焊接板；

步骤S12:使用LabelImg开源软件完成目标标注；

步骤S13:使用左右镜像翻转与HSV格式下的色度、饱和度和亮度的随机调节来扩增图像数据集，得到训练数据集。

3.根据权利要求2所述的基于深度学习的自动定位焊接方法，其特征字在于，所述步骤S12在类别设计上，将坡口端点识别转化为分类识别与定位问题，所设计目标类别包括weld、up_edge_mini、up_edge、down_edge_mini、down_edge共5种类别，其中，坡口上下边缘框各两组，包括up_edge和down_edge两组较大的框，以及up_edge_mini和down_edge_mini两组较小的框。

4.根据权利要求1所述的基于深度学习的自动定位焊接方法，其特征字在于，所述步骤S2具体为：

步骤S21:YOLOv3模型训练前使用kmeans算法对所标注的5类目标框进行聚类获取新的先验框数据；

步骤S22:将图像不失真的缩放预设比例后作为YOLOv3模型的输入，YOLOv3模型使用darknet53网络与FPN网络进行特征提取与加强，获得加强后的特征信息；

步骤S23:基于坐标损失、置信度损失、分类损失所构成的混合损失函数，采用梯度下降法不断优化YOLOv3模型的网络参数；

步骤S24:模型训练中，将数据集随机分为训练集与测试集，并基于训练集训练，采用测试集获取训练后的模型评价，模型评价结果采用均值平均精度mAP作为分类识别的评价指标，获取有效的目标检测与分类模型。