基于轻量级DeepLabV3+网络的焊接熔池图像分割方法

作     者：胡继涛 马晓锋 赵荣丽 刘海生 王中任 HU Jitao;MA Xiaofeng;ZHAO Rongli;LIU Haisheng;WANG Zhongren

作者机构：湖北文理学院机械工程学院湖北襄阳441053 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2025年第31卷第1期

页      面：126-134页

核心收录：

学科分类：12[管理学] 080503[工学-材料加工工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 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] 0811[工学-控制科学与工程] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖北省自然科学基金联合基金资助项目(2022CFD080) 

主　　题：语义分割 DeepLabV3+ 轻量级 熔池 

摘      要：为了准确快速地提取焊接过程中的熔池图像,提出一种轻量级DeepLabV3+网络的焊接熔池图像分割方法。首先,将DeepLabV3+的主干网络由Xception替换为优化后的MobileNetV2网络以减少模型参数量。其次,引入坐标注意力(CA)机制,提高模型对熔池图像的提取能力。最后,利用迁移学习的训练方法,解决熔池样本稀缺的问题,并提升模型的精度和泛化能力。实验结果表明,改进后的模型在熔池数据集下平均交并比(MIoU)为94.65%,平均像素精度(MPA)为96.67%,单张图片推理时间为11.09 ms,模型参数量为5.81 M。与SegNet、PSPNet、UNet和DeepLabV3+等经典网络相比,改进后算法的模型参数量小,单图推理时间较短,且保持较高的平均交并比,能够更好地平衡图像分割精度和实时性。