基于EDFormer的双极板焊接区域语义边缘检测

来源：计算机集成制造系统杂志2025年第5期北京时间：

作者：杨浩杰, 方成刚

单位：南京工业大学机械与动力工程学院

摘要：针对现有双极板焊接区域语义边缘检测算法存在的全局语义特征提取能力不足与参数规模大的问题,基于Transformer边缘检测模型（EDTER）提出了轻量化的Mix Transformer边缘检测模型（EDFormer）。在EDTER“两阶段”生成边缘预测图的框架基础上,引入了可学习的Deformable Patch模块,避免了固定尺寸Patch对语义信息的破坏。将柱状的编码器替换为分层的Mix Transformer结构,并使用了轻量的MLP解码器,以更小的参数规模实现了更好的多尺度特征捕捉能力,满足了在弱算力边缘设备上的部署需求。实验结果表明,相较于EDTER,EDFormer在公共数据集BSDS500上性能稳定提升。在自建数据集上ODS、OIS及AP分别达到了97.7%、98.1%、98.3%,参数规模缩小了3/4,符合工业应用需求。

关键词：双极板焊接,语义边缘检测,深度学习,Transformer模型