受限解空间下粗粒度正则化的熔池边缘自适应检测方法

摘要

边缘检测是熔池图像处理的关键步骤.鉴于熔池区域弧光变化剧烈,依赖人为设置阈值的边缘检测方法难以适应弧光的动态变化过程,文中提出了一种基于深度学习的熔池边缘提取模式.首先对原始熔池图像进行像素级标注和数据增广以构建数据集;其次结合先验知识提出了一种受限解空间下的粗粒度正则化方法(coarse grained regularization method in restricted solution space,CGRRSS)以增强边缘特征;最后从定量和定性两方面将所提方法与传统方法进行了对比.结果表明,所提方法对边缘点的召回率较高,所获熔池边缘更连续且对伪边缘具有更好的抑制作用.单幅图像检测时间6.2 ms,可满足在线监测需求.