版权所有:内蒙古大学图书馆 技术提供:维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
作者机构:中国科学院合肥物质科学研究院安徽合肥230031 中国科学技术大学研究生院科学岛分院安徽合肥230026 新加坡国立大学新国大苏州研究院江苏苏州215123
出 版 物:《应用激光》 (Applied Laser)
年 卷 期:2024年第44卷第4期
页 面:28-37页
学科分类:0810[工学-信息与通信工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 080502[工学-材料学] 0805[工学-材料科学与工程(可授工学、理学学位)] 0835[工学-软件工程] 0802[工学-机械工程] 081002[工学-信号与信息处理] 080201[工学-机械制造及其自动化]
摘 要:在选区激光熔融加工过程中,包含大量加工状态和工艺参数信息的熔池图像存在噪声污染、熔池边缘模糊等问题,因此提高熔池图像的分辨率对监测熔池状态具有重要意义。提出一种基于深度学习的熔池图像超分辨率重建算法,用于提取低分辨率熔池图像的浅层特征和深层特征并学习低分辨率图像到高分辨率图像之间的映射关系,使用亚像素卷积上采样完成熔池图像重建过程。分别对采集的高分辨率、退化后的低分辨率、重建的高分辨率熔池图像进行图像预处理和提取熔池形貌特征,以采集的高分辨率熔池图像的形貌特征为标签计算熔池特征误差率。结果显示,重建的熔池图像不仅可以提高分辨率,还大幅度降低了熔池形貌特征提取的误差率,为选区激光熔融成型过程监测和精准调控加工工艺参数提供了保证。