基于激光三角测量成像与深度神经网络的焊缝质量保证
图像与视频处理
2022-09-29 v1
摘要
本文提出了一种新颖的光学检测系统，其直接适用于工业4.0以及控制制造过程的物联网(IoT)设备上的实现。所提出的系统能够区分有缺陷和无缺陷的焊缝，而无需显式定义测量标准。所开发的系统使用基于深度神经网络的分类器进行类别预测。一个焊缝数据集由专家委员会采集并标注。由此，专家们的视觉印象与评估被准确地学习。在本文范围内使用了激光三角测量图像。由于其特殊特性，这些图像必须经过预处理才能使用深度神经网络。此外，研究了两种不同方法以实现对不同尺寸焊缝的检测。两种方法均获得了高达96.88%的极高分类准确率，与当前最先进的(state of the art)光学检测系统具有竞争力。而且，由于其泛化能力，所提出的系统实现了更高的灵活性以及对系统误差和环境条件的更强鲁棒性。所提出系统的另一优势是快速决策过程，使其能够在制造产线内直接使用。此外，整个所呈现的工作中均使用标准硬件，使所提出系统的部署成本尽可能低。
引用
@article{arxiv.2209.13648,
title = {Quality Assurance of Weld Seams Using Laser Triangulation Imaging and Deep Neural Networks},
author = {Andreas Spruck and Jürgen Seiler and Michael Roll and Thomas Dudziak and Jürgen Eckstein and André Kaup},
journal= {arXiv preprint arXiv:2209.13648},
year = {2022}
}