基于轻量化卷积网络的焊缝特征条纹提取方法
来源：计算机集成制造系统杂志2026年第4期北京时间：
作者：赵荣丽, 陈科鹏, 王中任, 胡继涛, 晏涛
单位：1.湖北文理学院机械工程学院2.智能制造与机器视觉襄阳市重点实验室
摘要：在焊接自动化领域,强弧光、飞溅和烟尘等噪声干扰常常导致焊缝特征点丢失,影响焊缝跟踪效果。为了提高跟踪精度和速度,提出一种改进的轻量化深度特征聚合网络(DFANet)对焊缝特征条纹进行提取。首先搭建焊接平台、采集样本图像并制作数据集,其次通过优化分支结构、引入混合注意力机制,将两个分支子网络和子阶段间进行聚合,提升其特征融合和抗干扰能力。改进后的网络能够在各种不同程度干扰情况下,准确地提取出焊缝特征条纹,像素准确率(ACC)、特征类精准率(CPA)、平均交并比(MIOU)分别达到99.74%、91.95%、92.92%。重度干扰情况下的MIOU仍能达到91.04%。该网络的平均前向推理速度达到每秒23.01帧,满足实时性跟踪需求,具有应用推广价值。
关键词：焊缝特征提取,深度特征聚合神经网络,弧光干扰,轻量化
基金资助：襄阳市研究与开发资助项目(2022ABH006476);湖北省自然科学基金资助项目(2022CFD080)。
