融合卷积神经网络和双边滤波的相贯线焊缝提取算法

doi:10.13229/j.cnki.jdxbgxb.20230197

摘要/Abstract

摘要：

相贯线焊缝提取精度影响了工业焊接的精确度，是焊缝技术的重要步骤，也是工业领域研究的重点问题之一。传统的相贯线焊缝提取算法存在提取速度慢、提取精度不佳的问题，为了解决以上问题，提出融合卷积神经网络和双边滤波的相贯线焊缝提取算法。首先，通过轮廓波变换方法对相贯线焊缝图像进行灰度化处理及增强处理；其次，通过双边滤波方法对焊缝图像进行去噪处理；最后，通过全卷积神经网络完成相贯线焊缝提取。实验结果表明：本文方法的相贯线焊缝提取更加清晰、精度更高，整体应用效果更佳。

关键词: 图像去噪处理, 卷积神经网络, 图像增强处理, 双边滤波, 相贯线焊缝提取

Abstract:

The extraction accuracy of intersecting line weld affects the accuracy of industrial welding， which is an important step of weld technology and one of the key issues in industrial research. In order to solve the problems existing in the traditional method， the intersection line weld extraction algorithm based on convolution neural network and bilateral filtering is proposed. Firstly， the weld image of the intersecting line is grayed and enhanced by the contour wave transformation method； Secondly， the weld image is de-noised by bilateral filtering method； Finally， the intersecting line weld seam is extracted through the full convolution neural network. The experimental results show that the proposed method has higher accuracy， faster speed and better overall application effect.

Key words: Image denoising, convolution neural network, Image enhancement processing, Bilateral filtering, extraction of intersecting line weld

中图分类号:

TG409

张锦洲,姬世青,谭创. 融合卷积神经网络和双边滤波的相贯线焊缝提取算法[J]. 吉林大学学报(工学版), 2024, 54(8): 2313-2318.

Jin-zhou ZHANG,Shi-qing JI,Chuang TAN. Fusion algorithm of convolution neural network and bilateral filtering for seam extraction[J]. Journal of Jilin University(Engineering and Technology Edition), 2024, 54(8): 2313-2318.

图/表 4

图1

图2

图3

表1

参考文献 15

1	霍建红, 郭晓晖, 王永胜, 等. 基于激光视觉的相贯线焊接装备的研制[J]. 现代制造工程, 2022(3): 92-97.
	Huo Jian-hong, Guo Xiao-hui, Wang Yong-sheng, et al. Development of intersecting line welding equipment based on laser vision[J]. Modern Manufacturing Engineering, 2022 (3): 92-97
2	王濠, 李亮峰, 张延松. 基于分段线性拟合的典型焊缝特征提取[J]. 机械设计与研究, 2021, 37(6): 122-127.
	Wang Hao, Li Liang-feng, Zhang Yan-song. Feature extraction of typical weld based on piecewise linear fitting[J]. Machine Design & Research, 2021,37 (6): 122-127
3	夏攀, 马飞, 王中任. 基于改进U-Net模型的焊缝特征提取[J].激光与红外, 2022, 52(8): 1259-1264.
	Xia Pan, Ma Fei, Wang Zhong-ren.Weld feature extraction based on modified U-Net model[J]. Laser & Infrared, 2022,52 (8): 1259-1264.
4	李湘文, 黄宏亮, 洪波, 等. 基于管道插接的相贯线焊缝提取算法及数值模拟[J]. 焊接学报, 2022, 43(9): 98-103, 119-120.
	Li Xiang-wen, Huang Hong-liang, Hong Bo, et al. Algorithm and numerical simulation of intersecting line weld extraction based on pipeline plugging[J]. Transactions of The China Welding Institution, 2022,43(9): 98-103,119-120.
5	汤自强, 郭彦兵, 张旺. 基于激光视觉传感及改进Canny边缘算法的焊缝三维轮廓特征提取研究[J]. 热加工工艺, 2021, 50(21): 113-117, 123.
	Tang Zi-qiang, Guo Yan-bing, Zhang Wang. Study on 3D contour feature extraction of welds based on laser vision sensing and improved canny edge algorithm [J]. Hot Working Technology, 2021,50(21): 113-117, 123.
6	郭志军, 刘帅. 基于卷积神经网络的数字图像模糊增强算法[J]. 吉林大学学报: 工学版, 2022, 52(10): 2399-2404.
	Guo Zhi-jun, Liu Shuai. Digital image fuzzy enhancement algorithm based on convolutional neural networks[J]. Journal of Jilin University (Engineering Edition), 2022, 52(10): 2399-2004.
7	万园园, 王雨青, 张晓宁, 等. 结合全局语义优化的对抗性灰度图像彩色化[J]. 液晶与显示, 2021, 36(9): 1305-1313.
	Wan Yuan-yuan, Wang Yu-qing, Zhang Xiao-ning, et al. Adversarial grayscale image colorization combined with global semantic optimization[J]. Chinese Journal of Liquid Crystals and Displays, 2021,36 (9): 1305-1313.
8	张毅, 韦文闻, 龚致远. 基于深层聚合结构网络的灰度图像彩色化方法[J]. 计算机应用研究, 2021, 38(3): 923-927.
	Zhang Yi, Wei Wen-wen, Gong Zhi-yuan. Gray image colorization method based on deep layer aggregation[J]. Application Research of Computers, 2021,38(3): 923-927
9	韩梦妍, 李良荣, 蒋凯. 基于光照图估计的Retinex低照度图像增强算法[J]. 计算机工程, 2021, 47(10): 201-206.
	Han Meng-yan, Li Liang-rong, Jiang Kai. Retinex low-illumination image enhancement algorithm based on light image estimation[J]. Computer Engineering, 2021,47(10): 201-206
10	薛双青, 贺东东. 基于2D-VMD和双边滤波的医学超声图像去噪算法[J]. 西安科技大学学报, 2021, 41(3): 516-523.
	Xue Shuang-qing, He Dong-dong. Denoising algorithm for medical ultrasound image based on 2D-VMD and bilateral filtering [J]. Journal of Xi´an University of Science and Technology, 2021,41 (3): 516-523.
11	秦毅, 赵二刚. 结合Curvelet变换与加权双边滤波的图像去噪方法[J].西南师范大学学报: 自然科学版, 2021, 46(1): 7-12.
	Qin Yi, Zhao Er-gang.On Image denoising method combined with curvelet transform and weighted bilateral filtering [J]. Journal of Southwest China Normal University (Natural Science Edition), 2021,46(1): 7-12.
12	王惠琴, 吕佳芸, 张伟. 基于双边滤波-BM3D算法的GPR图像去噪[J]. 兰州理工大学学报, 2022, 48(1): 91-97.
	Wang Hui-qin, Jia-yun Lyu, Zhang Wei. GPR image denoising based on bilateral filtering BM3D algorithm[J]. Journal of Lanzhou University of Technology, 2022,48(1): 91-97.
13	高博钰, 杨波, 张德国. U-Net深度卷积神经网络在沙脊线提取中的应用[J]. 中国沙漠, 2021, 41(5): 21-32.
	Gao Bo-yu, Yang Bo, Zhang De-guo.Extracting the sand dune crest lines from satellite images using U-Net deep convolutional neural network[J]. Journal of Desert Research, 2021,41(5): 21-32.
14	王海霞, 单鲁斌, 庞巧玲, 等. 基于卷积神经网络的指纹条纹图相位提取方法[J]. 光子学报, 2022, 51(6): 380-393.
	Wang Hai-xia, Shan Lu-bin, Pang Qiao-ling, et al. Phase extraction method of fingerprint fringe pattern based on convolutional neural network[J]. Acta Photonica Sinica, 2022,51(6): 380-393.
15	申铉京, 张雪峰, 王玉, 等. 像素级卷积神经网络多聚焦图像融合算法[J]. 吉林大学学报: 工学版, 2022, 52(8): 1857-1864.
	Shen Xuan-jing, Zhang Xue-feng, Wang Yu, et al. Multi-focus image fusion algorithm based on pixel-level convolutional neural network[J]. Journal of Jilin University (Engineering Edition), 2022, 52(8): 1857-1864.

相关文章 15

[1]	朱圣杰,王宣,徐芳,彭佳琦,王远超. 机载广域遥感图像的尺度归一化目标检测方法[J]. 吉林大学学报(工学版), 2024, 54(8): 2329-2337.
[2]	特木尔朝鲁朝鲁,张亚萍. 基于卷积神经网络的无线传感器网络链路异常检测算法[J]. 吉林大学学报(工学版), 2024, 54(8): 2295-2300.
[3]	赵宏伟,武鸿,马克,李海. 基于知识蒸馏的图像分类框架[J]. 吉林大学学报(工学版), 2024, 54(8): 2307-2312.
[4]	孙铭会,薛浩,金玉波,曲卫东,秦贵和. 联合时空注意力的视频显著性预测[J]. 吉林大学学报(工学版), 2024, 54(6): 1767-1776.
[5]	魏晓辉,王晨洋,吴旗,郑新阳,于洪梅,岳恒山. 面向脉动阵列神经网络加速器的软错误近似容错设计[J]. 吉林大学学报(工学版), 2024, 54(6): 1746-1755.
[6]	夏超,王梦佳,朱剑月,杨志刚. 基于分层卷积自编码器的钝体湍流流场降阶分析[J]. 吉林大学学报(工学版), 2024, 54(4): 874-882.
[7]	杨国俊,齐亚辉,石秀名. 基于数字图像技术的桥梁裂缝检测综述[J]. 吉林大学学报(工学版), 2024, 54(2): 313-332.
[8]	车翔玖,徐欢,潘明阳,刘全乐. 生物医学命名实体识别的两阶段学习算法[J]. 吉林大学学报(工学版), 2023, 53(8): 2380-2387.
[9]	刘培勇,董洁,谢罗峰,朱杨洋,殷国富. 基于多支路卷积神经网络的磁瓦表面缺陷检测算法[J]. 吉林大学学报(工学版), 2023, 53(5): 1449-1457.
[10]	张振海,季坤,党建武. 基于桥梁裂缝识别模型的桥梁裂缝病害识别方法[J]. 吉林大学学报(工学版), 2023, 53(5): 1418-1426.
[11]	朱逢乐,刘益,乔欣,何梦竹,郑增威,孙霖. 基于多尺度级联卷积神经网络的高光谱图像分析[J]. 吉林大学学报(工学版), 2023, 53(12): 3547-3557.
[12]	高海龙,徐一博,侯德藻,王雪松. 基于深度异步残差网络的路网短时交通流预测算法[J]. 吉林大学学报(工学版), 2023, 53(12): 3458-3464.
[13]	朱冰,李紫薇,李奇. 基于改进SegNet的遥感图像建筑物分割方法[J]. 吉林大学学报(工学版), 2023, 53(1): 248-254.
[14]	申铉京,张雪峰,王玉,金玉波. 像素级卷积神经网络多聚焦图像融合算法[J]. 吉林大学学报(工学版), 2022, 52(8): 1857-1864.
[15]	高明华,杨璨. 基于改进卷积神经网络的交通目标检测方法[J]. 吉林大学学报(工学版), 2022, 52(6): 1353-1361.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

序号	偏差［x/y pixel］
序号	文献［3］算法	文献［4］算法	所提算法
1	［5，6］	［5，10］	［2，3］
2	［7，8］	［4，8］	［1，3］
3	［6，4］	［2，9］	［2，2］
4	［5，7］	［3，8］	［2，1］
5	［8，6］	［4，7］	［3，1］