Indexed by：
Abstract：
为了保证焊接过程中熔池信息提取的实时性和准确性,解决在焊接监控领域传统图像处理算法抗干扰性弱,实时监测的可靠性差,以及自动化程度较低的问题,做到系统可以实时地对焊接过程的熔池进行宽度信息提取和分析,将图像处理算法与深度学习算法进行了结合.通过对TIG焊熔池的观察,针对熔透信息检测,将反面熔池分为3类,首先用图像处理的方法先筛选出烧穿熔池,然后用一个通过大数据样本训练的卷积神经网络对未熔透与熔透进行分类.区别于已有研究,该网络不仅获得了很好的熔透状态检测结果,同时找出了熔池最大宽度,并且保证了实时性,其结果达到了工程应用的要求.
Keyword：
Reprint Author's Address：
Email：
Source ：
北京工业大学学报
ISSN： 0254-0037
Year： 2020
Issue： 9
Volume： 46
Page： 988-996
Cited Count：
SCOPUS Cited Count： 2
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 10
Affiliated Colleges：
