摘要
等离子切割铁路车厢的切口质量直接影响后续焊接工序的正常进行,其快速无损自动检测具有挑战性.文章提出一种基于挤压-激励(Squeeze-Excitation,SE)注意力机制的YOLOv8 网络多尺度特征检测以及特征综合分析的自动检测算法.首先采集车厢切口图像并进行几何旋转、改变色调等图像增强处理来模拟实际现场中的环境光变化,然后利用基于SE 注意力机制的YOLOv8 网络对图像中的切口区域进行分割定位,再使用OpenCV中边缘检测算法得到切口轮廓线,并提取出相对特征以消除不同图像之间的景别差异.随后通过斯皮尔曼相关性分析结合特征选择方法筛选出8 项高信息量特征值输入至支持向量机、B-P神经网络、随机森林等多种机器学习模型中实现切口质量自动检测.研究结果表明,支持向量机的模型优度最高,为98.7%.该算法对环境光不敏感且对图像质量要求较低,无须搭建专门拍摄环境即可消除景别差异的影响,可以实现简易检测设备在复杂环境干扰下对铁路车厢等离子切口质量的快速无损检测,为后续的焊接加工打下坚实基础.
维普
万方数据