计算机与通信工程
罗钦耀, 王化明, 陈凯, 李胤池, 姜少华, 李瑞琦
针对对接焊缝形状的不规则、现场干扰及传统焊缝识别方法适应性差的问题,提出一种基于改进实例分割和点云信息的对接焊缝检测方法,以实现机器人的自动焊接.构建面向机器人自动焊接的对接焊缝视觉检测系统,建立由焊缝感兴趣区域提取、结构光点云重建、焊缝实例分割及三维精确定位组成的检测流程.首先,提取焊缝感兴趣区域(region of interest,ROI),并仅对ROI进行点云重建,以减少点云处理范围和焊缝检测计算量;其次,设计基于YOLO11的Butt Weld-YOLO(简称BW-YOLO)焊缝实例分割模型,引入动态蛇形卷积、SPD-Conv和极性感知线性注意力,以提高不规则焊缝的分割连续性、窄焊缝召回率及识别准确度;最后,将实例分割得到的焊缝像素映射至三维点云,通过拟合焊缝点云实现焊缝的精确定位.通过消融试验和模型对比试验验证各改进模块及所提出方法的有效性.结果表明:相比YOLO11,BW-YOLO实例分割模型mAP@0.5:0.95提升3.7百分点,焊缝定位均方根误差为0.14 mm.所提出方法已经投入实际应用,为不规则对接焊缝提供一种高精度的检测方法.