基于轻量级DeepLabV3+网络的焊接熔池图像分割方法
简介：为了准确快速地提取焊接过程中的熔池图像,提出一种轻量级DeepLabV3+网络的焊接熔池图像分割方法.首先,将DeepLabV3+的主干网络由Xception替换为优化后的MobileNetV2网络以减少模型参数量.其次,引入坐标注意力(CA)机制,提高模型对熔池图像的提取能力.最后,利用迁移学习的训练方法,解决熔池样本稀缺的问题,并提升模型的精度和泛化能力.实验结果表明,改进后的模型在熔池数据集下平均交并比(MIoU)为94.65％,平均像素精度(MPA)为96.67％,单张图片推理时间为11.09 ms,模型参数量为5.81 M.与SegNet、PSPNet、UNet和DeepLabV3+等经典网络相比,改进后算法的模型参数量小,单图推理时间较短,且保持较高的平均交并比,能够更好地平衡图像分割精度和实时性.展开
分类号：TG441.7(焊接、金属切割及金属粘接)
在线出版日期：2025-03-06 （网站首发日期）
