基于CNN-Transformer混合网络的焊缝激光条纹分割

作     者：王颖 高胜 戴哲 

作者机构：东北石油大学计算机与信息技术学院 东北石油大学机械科学与工程学院 

出 版 物：《中国激光》 (Chinese Journal of Lasers)

年 卷 期：2024年

核心收录：

学科分类：080503[工学-材料加工工程] 08[工学] 080203[工学-机械设计及理论] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(61702093) 国家重点研发计划项目(2018YFE0196000) 黑龙江省自然科学基金(F2018003) 黑龙江省博士后专项(LBH-Q20077) 黑龙江省优秀青年基础研究支持计划(YQJH2023073) 

主　　题：激光条纹分割 语义分割 Transformer MobileViT模块 

摘      要：针对复杂焊接环境下大量弧光噪声造成焊缝激光条纹分割不完整、精度低、实时性不足的问题，该研究采用编码器-解码器的结构，建立了一种CNN-Transformer混合的焊缝激光条纹分割网络模型。模型的编码器部分使用参数量和计算量较小的MobileViT模块进行特征提取，并嵌入双路非局部模块捕获焊缝图像空间域和通道域上的长距离关联关系，保证特征提取能力的同时提高了分割效率。模型的解码器部分使用亚像素卷积神经网络获得语义分割结果，减少了信息重构过程中的特征损耗，提高了模型对焊缝激光线条的提取性能。为解决焊缝图像中激光条纹像素与背景像素占比不均衡问题，提出了一种动态干预激光条纹加权系数的损失函数。为验证所提模型的有效性，利用现场复杂焊接环境下获取的数据进行模型训练，像素精度98.0%，平均像素精度96.6%，平均交并比92.1%，单张图片推理时间仅40ms。与Unet, Deeplab v3+, SegNet, PSPNet, RefineNet和FCN-32s等常用的轻量级语义分割网络进行对比，所提模型在精度和速度方面均具有一定的优势。