基于通道加权FPN的熔池检测与特征提取方法
Journal of Nanjing Normal University(Engineering and Technology Edition)（2023）
摘要
为了获取使用熔池特征参数对增材制造进行反馈控制的输入参数,提出了一种基于通道加权FPN的激光增材制造熔池语义分割算法和基于图像像素阈值的熔池方向、面积和宽度特征参数提取算法.语义分割算法主要包含轻量级的主干神经网络、通道加权特征FPN网络.实验结果表明,熔池图像的分割速度可达79.76张/s,mIoU和mAP分别可达90.53％和95.79％,且模型大小仅为90MB.与其他相同类型的深度学习模型相比,该算法在保证精度的同时,提高了检测速度,减少了模型参数量和大小.熔池图像特征参数提取算法则结合了相机拍摄的原始图像与分割完成的图像的像素阈值分布情况,能够准确分析并计算出熔池的方向、宽度与面积特征参数.
更多关键词
molten pool detection,additive manufacturing,semantic segmentation,feature fusion,neural network
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要