匙孔非熔化极惰性气体钨极保护焊(keyhole tungsten inert gas welding,K-TIG)具有不开坡口单面焊双面成形的焊接优势,是自动化焊接的理想选择.然而,由于重力影响,K-TIG在进行大型立式不锈钢储罐环焊缝横焊过程中由于维持匙孔的力的动...匙孔非熔化极惰性气体钨极保护焊(keyhole tungsten inert gas welding,K-TIG)具有不开坡口单面焊双面成形的焊接优势,是自动化焊接的理想选择.然而,由于重力影响,K-TIG在进行大型立式不锈钢储罐环焊缝横焊过程中由于维持匙孔的力的动态平衡被打破,影响焊缝质量.为了拓展应用场景,实现K-TIG环焊缝横焊中熔透状态的实时调整,基于光学字符识别-支持向量机(optical character recognition-support vector machine,OCR-SVM)熔透识别模型研究了不同变化幅度的焊接电流和焊接速度,对K-TIG横焊熔透状态及识别的影响,OCR-SVM模型在变参数工况下对熔透状态的识别能力,揭示影响熔透识别的关键几何特征,为K-TIG横焊自动化控制提供依据.结果表明,焊接电流和焊接速度的变化会直接影响K-TIG横焊熔透状态,且焊接电流的变化对熔透状态的影响更明显.基于OCR-SVM的熔透识别模型在变电流和变速度工况下的识别准确率分别为92.29%和91.50%,熔池和匙孔的宽度和面积是其识别的关键几何特征.展开更多
针对焊接缺陷具有多尺度,形态复杂和易受背景干扰等特点,提出一种基于YOLOv8n的焊接缺陷检测算法YOLOSBRS.首先利用空间和通道重建卷积(spatial and channel reconstruction convolution,SCConv)卷积改进主干网络的C2f模块;同时设计一...针对焊接缺陷具有多尺度,形态复杂和易受背景干扰等特点,提出一种基于YOLOv8n的焊接缺陷检测算法YOLOSBRS.首先利用空间和通道重建卷积(spatial and channel reconstruction convolution,SCConv)卷积改进主干网络的C2f模块;同时设计一种具有双层路由注意力机制的空间金字塔快速平均池化(spatial pyramid pooling fast average pooling with biformer attention module, SPPF_ABF)模块,将原始SPPF模块的最大池化替换为平均池化操作,并引入双层路由Transformer注意力机制;其次采用重参数化广义特征金字塔网络(reparameterized generalized feature pyramid network,RepGFPN)优化特征融合部分;最后,基于参数共享原理及引入联合空间到深度层和非跨步卷积层模块(a module combining space-to-depth and non-strided convolutional layers,SPD_Conv)改进检测头,实现轻量化的同时提升网络对复杂缺陷的检测能力.试验结果表明,改进后算法的精度和交并比为50%的平均精度均值(mean average precision at 50%intersection over union,mAP50)分别提高3.1%和2.8%,为焊接缺陷检测提供一种高效且可行的解决方案.展开更多
为提高管道环焊缝超声衍射时差法(time of flight diffraction,TOFD)扫描图谱在背景信号干扰、样本量不均衡等情况下的缺陷识别效果,提出了一种改进的YOLOv5s网络模型.针对管道环焊缝TOFD图谱中缺陷形态不规则的特点,通过引入可变形卷积...为提高管道环焊缝超声衍射时差法(time of flight diffraction,TOFD)扫描图谱在背景信号干扰、样本量不均衡等情况下的缺陷识别效果,提出了一种改进的YOLOv5s网络模型.针对管道环焊缝TOFD图谱中缺陷形态不规则的特点,通过引入可变形卷积,使得网络自适应缺陷自身的形状特点,提高TOFD图谱中不规则缺陷的特征提取能力;针对TOFD扫描图谱中直通波和底面波等干扰波形对缺陷识别的影响,通过在网络不同深度分别添加自注意力机制,引导网络关注缺陷细微特征的同时抑制界面波对缺陷识别的影响;针对实际样本中各类缺陷不均衡的情况,采用SlideLoss损失函数代替原损失函数,提高网络对样本量较少的裂纹类缺陷的识别精度.对比试验结果表明,改进后的网络能够抑制TOFD图谱复杂背景干扰,提高样本不均衡条件下的识别率.相比原网络,整体平均识别率均值(mean Average Precision,mAP)和裂纹类缺陷的平均识别率(Average Precision,AP)分别提高了8.2%和7.3%.展开更多
文摘匙孔非熔化极惰性气体钨极保护焊(keyhole tungsten inert gas welding,K-TIG)具有不开坡口单面焊双面成形的焊接优势,是自动化焊接的理想选择.然而,由于重力影响,K-TIG在进行大型立式不锈钢储罐环焊缝横焊过程中由于维持匙孔的力的动态平衡被打破,影响焊缝质量.为了拓展应用场景,实现K-TIG环焊缝横焊中熔透状态的实时调整,基于光学字符识别-支持向量机(optical character recognition-support vector machine,OCR-SVM)熔透识别模型研究了不同变化幅度的焊接电流和焊接速度,对K-TIG横焊熔透状态及识别的影响,OCR-SVM模型在变参数工况下对熔透状态的识别能力,揭示影响熔透识别的关键几何特征,为K-TIG横焊自动化控制提供依据.结果表明,焊接电流和焊接速度的变化会直接影响K-TIG横焊熔透状态,且焊接电流的变化对熔透状态的影响更明显.基于OCR-SVM的熔透识别模型在变电流和变速度工况下的识别准确率分别为92.29%和91.50%,熔池和匙孔的宽度和面积是其识别的关键几何特征.
文摘针对焊接缺陷具有多尺度,形态复杂和易受背景干扰等特点,提出一种基于YOLOv8n的焊接缺陷检测算法YOLOSBRS.首先利用空间和通道重建卷积(spatial and channel reconstruction convolution,SCConv)卷积改进主干网络的C2f模块;同时设计一种具有双层路由注意力机制的空间金字塔快速平均池化(spatial pyramid pooling fast average pooling with biformer attention module, SPPF_ABF)模块,将原始SPPF模块的最大池化替换为平均池化操作,并引入双层路由Transformer注意力机制;其次采用重参数化广义特征金字塔网络(reparameterized generalized feature pyramid network,RepGFPN)优化特征融合部分;最后,基于参数共享原理及引入联合空间到深度层和非跨步卷积层模块(a module combining space-to-depth and non-strided convolutional layers,SPD_Conv)改进检测头,实现轻量化的同时提升网络对复杂缺陷的检测能力.试验结果表明,改进后算法的精度和交并比为50%的平均精度均值(mean average precision at 50%intersection over union,mAP50)分别提高3.1%和2.8%,为焊接缺陷检测提供一种高效且可行的解决方案.
文摘为提高管道环焊缝超声衍射时差法(time of flight diffraction,TOFD)扫描图谱在背景信号干扰、样本量不均衡等情况下的缺陷识别效果,提出了一种改进的YOLOv5s网络模型.针对管道环焊缝TOFD图谱中缺陷形态不规则的特点,通过引入可变形卷积,使得网络自适应缺陷自身的形状特点,提高TOFD图谱中不规则缺陷的特征提取能力;针对TOFD扫描图谱中直通波和底面波等干扰波形对缺陷识别的影响,通过在网络不同深度分别添加自注意力机制,引导网络关注缺陷细微特征的同时抑制界面波对缺陷识别的影响;针对实际样本中各类缺陷不均衡的情况,采用SlideLoss损失函数代替原损失函数,提高网络对样本量较少的裂纹类缺陷的识别精度.对比试验结果表明,改进后的网络能够抑制TOFD图谱复杂背景干扰,提高样本不均衡条件下的识别率.相比原网络,整体平均识别率均值(mean Average Precision,mAP)和裂纹类缺陷的平均识别率(Average Precision,AP)分别提高了8.2%和7.3%.
