| 基于深度学习主动视觉压力容器焊缝质量参数检测方法 |
| |
| 引用本文： | 刘桂雄,廖 普,杨宁祥.基于深度学习主动视觉压力容器焊缝质量参数检测方法[J].仪器仪表学报,2023,44(5):1-9. |
| |
| 作者姓名： | 刘桂雄 廖 普 杨宁祥 |
| |
| 作者单位： | 1. 华南理工大学机械与汽车工程学院;2. 广东省特种设备检测研究院珠海检测院 |
| |
| 基金项目： | 原国家质量监督检验检疫总局科技计划项目(2017QK105)、国家市场监督管理总局科技计划项目(2019MK143)资助 |
| |
| 摘 要： | 压力容器A、B类对接焊缝是重要受力部位，其质量参数测量是焊接质量评估重要环节，本文研究基于深度学习主动视觉压力容器焊缝质量参数检测方法。提出多缺陷共存下焊缝参数计算方法，突破焊缝缺陷参数共存下存在焊缝质量参数难以计算或无法计算问题；开展编码-解码图像特征点提取网络(EDE-net)结构设计，较好实现焊缝表面参数特征点一次性准确提取；研究深度网络结构化通道剪枝方法，有效提高压力容器焊缝检测实时性能。以不同尺寸压力容器焊缝为实验对象，结果表明Resnet50骨干的EDE-net网络在模型整体压缩率CR=0.5下，单张图片提取时间由0.31 s降低到0.19 s,减少38.7%;第三方检测机构给出测试报告，装置同时测量对接焊缝(A、B类)焊缝5个参数耗时<0.63 s,测量误差允许误差≤0.08 mm。
|
| 关 键 词： | 压力容器 焊缝表面参数 深度学习 模型剪枝 |
Active vision pressure vessel weld quality parameter detection method based on deep learning |
| |
| Liu Guixiong,Liao Pu,Yang Ningxiang.Active vision pressure vessel weld quality parameter detection method based on deep learning[J].Chinese Journal of Scientific Instrument,2023,44(5):1-9. |
| |
| Authors: | Liu Guixiong Liao Pu Yang Ningxiang |
| |
| Affiliation: | 1. School of Mechanical and Automotive Engineering, South China University of Technology; 2. Guangdong Province Special Equipment Testing and Research Institute Zhuhai Testing Institute |
| |
| Abstract: | |
| |
| Keywords: | pressure vessel weld surface parameters deep learning model pruning |
|
| 点击此处可从《仪器仪表学报》浏览原始摘要信息 |
|
点击此处可从《仪器仪表学报》下载全文 |
