[发明专利]一种基于空间变换自注意力模块的焊缝检测方法及系统

说明书

本发明涉及三维点云分割技术领域，公开了一种基于空间变换自注意力模块的焊缝检测方法，对焊件进行扫描生成三维点云，对点云中的焊缝进行真实焊缝点标注，生成模型训练集；根据点云特性设计搭建深度神经网络模型，首先利用主干网络部分提取焊件的全局特征和局部特征，并分析挖掘点云内间的关联关系，然后聚合不同维度的特征信息用于后续特征分割任务；一种基于空间变换自注意力模块的焊缝检测方法主干网络部分主要由点卷积组合模块和空间变换自注意力模块构成，前者用于解决点云无序性，增加局部特征，后者用于解决点云的空间变换不变性，并深度挖掘点云中点与点之间的空间相关性。本发明还提供了一种基于空间变换自注意力模块的焊缝检测系统。

技术领域

本发明涉及三维点云分割技术领域，具体地说，是一种基于空间变换自注意力模块的焊缝检测方法及系统，用于提高焊缝的检测性能。

背景技术

随着我国的智能制造业的不断发展，制造型企业也随之兴起，为了保证其在市场上的竞争力，企业必须提高产品的生产效率和确保产品的品控。工件焊接是制造业中常用的技能，是永久性连接金属中最经济适用的方法，广泛被应用于汽车、航空、建筑等各个领域中。

工件焊接可以根据焊接方式分为手工焊接、自动化焊接以及半自动化焊接，手工焊接和半自动化焊接方式都需要工作人员在危险的生产环境中进行工作，长时间的作业会导致工作人员的判断力下降，造成焊接失误，所以研究全自动化、高精度的焊接方式逐渐成为机器视觉领域新型的研究方向之一。基于机器视觉的焊缝自动检测方法主要分为基于传统图像处理的焊缝自动检测方法和基于深度学习的焊缝自动检测方法，前者包含的大多数方法都是以人工特征为主，在复杂环境下人工特征无法辨别前景与背景之间差异，继而出现大量的误差，存在很大的局限性，反之，后者利用深度神经网络结构将特征信息映射到高维的空间，目标判别能力大大提高，能更好的适应多变的焊接环境，推动自动化焊接技术更进一步。三维点云能更真实地反映出物体在三维空间的状态，可以更加准确地描述目标物体地位置信息，所以自动化焊接技术偏向采用三维图像作为数据来源。

三维点云数据存在无序性、不变性以及不规则性，这些特性给检测任务带来了不小的挑战。目前，大多数基于三维点云的深度学习焊缝自动检测方法利用深度神经网络的学习能力捕获点云特征的深度信息，进而进行特征分割或检测，但是已有的方法都存在局部特征不足，无法建立点云内的长范围依赖性，没有充分利用到点云包含的复杂信息，导致检测效果令人不满意。因此，亟需提出一种具有实时性的、易部署的焊缝位置检测方法，减少复杂的焊接环境带来的噪声干扰，提高焊接准确度。

发明内容

本发明的目的在于提供一种基于空间变换自注意力模块的焊缝检测方法，通过构建空间变换自注意力模块减弱模型对空间变换的敏感性，确保能在学习过程中获取点云内间的空间相关性和几何信息特征，并且利用点卷积组合模块增强模型对局部的表达能力，从而提高模型的检测性能。

本发明通过下述技术方案实现：一种基于空间变换自注意力模块的焊缝检测方法，包括：

步骤S1,对焊件进行扫描生成三维点云数据，对三维点云数据中的焊缝进行真实焊缝点标注，生成模型训练集；

步骤S2,根据空间变换自注意模块捕获三维点云数据的空间结构，搭建基于空间变换自注意模块的深度神经网络模型，用模型训练集训练深度神经网络模型，并将迭代次数和学习率预设完整；

所述深度神经网络模型由依次连接的主干网络和下游分割网络构成，所述主干网络包括点卷积模块、多层感知机层模块、空间变换自注意力模块和特征聚合模块，所述下游分割网络包括多层感知机层模块和损失函数模块；