基于改进的Faster-RCNN的焊缝特征提取

摘要

焊缝特征的识别提取是智能焊接过程中至关重要的一个环节,为了能够更加高效、准确地提取出焊缝,提出了一种基于改进的Faster-RCNN焊缝特征提取模型。用ResNet网络代替VGG网络,优化了网络参数和结构,克服了传统模型检测精度低、时间复杂度高、易受环境影响的问题,同时降低了在深度神经网络中增加深度带来的梯度消失问题。采用FPN算法研究首先选取少量的样本进行训练,然后通过扩充样本达到较高准确度。实验结果表明,大部分检测结果的置信度都在98%以上,精确率达到99.6%。