(国家知识产权局 专利局专利审查协作江苏中心,江苏 苏州 215163)

0 前言

深度学习是机器学习的一种方法，该方法大量借鉴了人脑、统计学和应用数学的知识[1-2]。近年来，随着以深度神经网络为代表的深度学习模型取得突破性快速发展，得益于更强大的计算机、更大的数据集和能够训练更深网络的技术，深度学习在智能制造领域取得了大量应用[3-4]。

在焊接领域，由于深度学习高效的特征识别特点，国内外学者将AutoEncoder,Deep Belief Networks和Convolutional Neural Networks等深度学习模型应用到了焊接过程控制、焊接缺陷检测等方面，取得了初步的研究成果。对深度学习技术在焊接过程控制、焊缝缺陷检测等方面的研究进展进行概述。

1 深度学习在焊接过程控制中的应用

深度学习的概念源于人工神经网络的研究，主要通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习在焊接研究中获得了大量应用，主要包括：高能束焊熔透预测、熔池图像识别、3D增材制造质量监测等。

山东大学刘新峰[5]基于熔池特征形貌，建立了5层卷积及3层全连接的卷积神经网络模型，并对等离子焊穿孔及熔透状态进行了预测。结果表明，利用等离子弧焊接正面熔池和穿孔图像目标训练集以及反向传播对其进行继续训练。训练后的模型可以自动获取到良好的特征，从而进行正确的分类识别。测试结果表明，穿孔/熔透状态的识别准确率达90%以上。

Günther等人[6-7]设计了卷积神经网络模型(CNN)，该模型可从激光焊接过程中高速摄像系统采集的高维相机图像中提取低维特征，如图1所示。……