內容大鋼
本書全面介紹了智能焊接圖像識別技術，共10章。第1章和第2章綜述了基於深度學習的焊接圖像識別技術和焊縫射線圖像分析技術，以期幫助讀者快速了解領域內研究現狀，併為開展智能焊接圖像識別研究提供支撐。第3?9章針對焊接圖像識別面臨的不同工藝、不同視覺任務、不同難點挑戰開展了方法研究，以期為讀者提供具體的智能焊接圖像識別案例參考。第10章首先圍繞基於深度學習的焊接圖像識別技術路線進行展望，然後從問題設置、技術改進和人文關懷三方面對焊縫射線圖像分析技術進行展望，最後從高質量公共數據集和大規模預訓練模型、語義可解釋性兩方面對智能焊接圖像識別技術進行趨勢分析。
本書可供焊接自動化、計算視覺、深度學習、人工智慧等領域的研究人員和工程人員參考。
目錄
前言
第1章 基於深度學習的焊接圖像識別概述
1.1 引言
1.2 焊接圖像與深度學習
1.2.1 焊接圖像
1.2.2 深度學習
1.3 基於深度學習的焊接圖像識別關鍵技術
1.3.1 數據技術
1.3.2 建模技術
1.3.3 訓練技術
1.3.4 平台技術
1.4 焊接圖像公共數據集
1.5 本章小結
參考文獻
第2章 焊縫射線圖像分析概述
2.1 引言
2.2 從面臨挑戰的視角看WRIA
2.2.1 針對數據層面臨挑戰的研究
2.2.2 針對特徵層面臨挑戰的研究
2.2.3 針對模型層面臨挑戰的研究
2.2.4 針對應用層面臨挑戰的研究
2.3 從關鍵技術的視角看WRIA
2.3.1 基於設計特徵
2.3.2 基於特徵描述子
2.3.3 基於學習特徵
2.3.4 基於混合特徵
2.4 從應用任務的視角看WRIA
2.4.1 焊縫射線圖像預處理
2.4.2 焊縫射線圖像分類
2.4.3 焊縫射線圖像檢測
2.4.4 焊縫射線圖像分割
2.5 本章小結
參考文獻
第3章 基於卷積核粗粒度正則化的CO2焊熔池狀態識別
3.1 引言
3.2 方法
3.2.1 粗粒度參數正則化方法
3.2.2 粗粒度參數正則化梯度計算
3.3 試驗驗證與分析
3.3.1 熔池狀態識別試驗
3.3.2 熔池邊緣檢測試驗
3.4 本章小結
參考文獻
第4章 基於標籤語義注意力的激光焊接熔透狀態識別
4.1 引言
4.2 方法
4.2.1 總體框架
4.2.2 圖像視覺特徵表示
4.2.3 標籤語義特徵表示
4.2.4 標籤語義注意力生成
4.3 試驗驗證與分析
4.3.1 數據採集與準備
4.3.2 試驗結果分析
4.4 本章小結
參考文獻
第5章 融合時序信息的MIG焊熔滴過渡方式識別
5.1 引言
5.2 方法
5.2.1 總體架構
5.2.2 三維可分離卷積
5.2.3 多維注意力機制
5.3 試驗驗證及分析
5.3.1 數據準備及劃分
5.3.2 試驗結果分析
5.4 本章小結
參考文獻
第6章 基於多尺度類激活映射的可解釋性激光焊接缺陷識別
6.1 引言
6.2 方法
6.2.1 總體框架
6.2.2 多尺度特徵提取及表示
6.2.3 多尺度特徵融合
6.2.4 CAM-MSFF
6.3 試驗驗證與分析
6.3.1 激光焊接試驗
6.3.2 結果分析試驗
6.4 本章小結
參考文獻
第7章 面向焊縫表面飛濺缺陷的定量分割
7.1 引言
7.2 方法
7.2.1 焊接飛濺分割模型
7.2.2 動態加權平均損失函數
7.3 試驗驗證與分析
7.3.1 試驗數據和設置
7.3.2 訓練過程分析
7.3.3 測試結果分析
7.4 本章小結
參考文獻
第8章 專家經驗啟發的焊縫內部缺陷定性識別
8.1 引言
8.2 方法
8.2.1 總體框架
8.2.2 基於自監督的專家知識學習
8.2.3 面向焊縫射線缺陷分析的微調
8.3 試驗驗證與分析
8.3.1 試驗設置
8.3.2 準確性分析
8.3.3 可解釋性分析
8.4 本章小結
參考文獻
第9章 面向焊縫內部缺陷的定量分割
9.1 引言
9.2 方法
9.2.1 總體框架
9.2.2 多尺度特徵空間構建
9.2.3 多尺度語義空間構建
9.2.4 多尺度關係空間構建
9.3 試驗驗證與分析
9.3.1 數據準備與劃分
9.3.2 實現細節
9.3.3 訓練過程分析
9.3.4 測試結果分析
9.4 本章小結
參考文獻
第10章 展望
&nb
[