绝了！利用CGAN解决焊接机器人的焊缝跟踪与图像修复难题

文章预览

来源 导 读 激光焊接要求焊件装配精度高，且要求光束在工件上的位置不能有显著偏移。这是因为激光聚焦后光斑尺寸小，焊缝窄，为加填充金属材料。若工件装配精度或光束定位精度达不到要求，很容易造成焊接缺陷。为了增强焊缝跟踪模型的鲁棒性，提高焊接精度，本文提出了一种基于条件生成对抗网络（CGAN）的焊接图像修复方法。 在 基于激光视觉的焊缝跟踪过程中，焊缝的定位精度在很大程度上取决于实时采集的焊接图像训练样本的质量。 然而，焊接过程中强电弧、飞溅和其他噪声的干扰严重污染了训练图像，这可能导致跟踪模型漂移并导致跟踪失败。 为了增强焊缝跟踪模型的鲁棒性，提高焊接精度，提出了一种基于条件生成对抗网络（CGAN）的焊接图像修复方法。 我们构建了一个焊接图像修复网络，并定义了网络训练的损失函数。 通 ………………………………