薛龙，曹楷顺，黄军芬，黄继强，邹勇，曹莹瑜

摘要：针对大型构件缺陷焊缝的自动定位及缺陷识别是实现焊缝打磨、补焊等自动化操作的必要条件。大型构件焊缝及焊缝缺陷图像具有形状多样、灰度分布随机等特点，加大了图像处理的难度。提出一种基于深度学习的焊缝定位及缺陷识别方法，通过深度学习目标检测方法确定焊缝位置并识别焊瘤及不合格缺陷，通过深度学习语义分割方法识别气孔及凹坑缺陷。选取FPN网络结构创建和训练焊缝定位及缺陷识别模型，并通过增加样本数量完成模型优化，焊缝定位识别准确率达到95%，焊瘤识别准确率达到98%，气孔与凹坑两类缺陷的识别准确率约为91.8%。

关键词：焊缝定位;缺陷识别;深度学习方法

中图分类号：TG441.7      文献标志码：A         文章编号：1001-2003（2021）09-0031-05

DOI：10.7512/j.issn.1001-2303.2021.09.06

0    前言

随着大型港机设备生产制造要求的进一步提升，监测其焊接质量成为保障生产安全的重要环节。港机大型设备在生产过程中焊接工作量大，不可避免地会产生如气孔、凹坑、焊瘤等焊接缺陷，由于焊缝数量多，依赖人工完成焊缝缺陷识别大大影响了工作效率。国内针对港机大型设备焊缝缺陷的自动化识别技术相较于国外发展较为落后，为了提高港机生产效率及生产质量，需要研发出焊缝缺陷自动化处理系统，其中焊接缺陷的自动化定位识别技术是重要关键点之一[1]。由于港机设备上不同位置的焊缝及焊缝缺陷的形状、亮度等不同，增大了定位识别难度。……