利用区域生长分割技术和深度学习集成，实现多层多道焊接的高级特征提取与路径规划

《Welding in the World》：Advanced feature extraction and path planning for multi-layer multi-pass welding using region growing segmentation and deep learning integration

针对厚钢板多层多道自动焊接中的焊缝特征提取难题，本研究提出融合单条纹激光发生器与高清摄像头的混合测量系统，结合自适应区域生长分割算法与YOLOv8深度学习模型，实现焊缝特征高精度提取及路径规划，实验显示RMSE为0.0551mm，特征点提取准确率达98.41%。

　　

摘要

本研究针对厚钢板多层多道自动化焊接中焊缝特征提取的挑战，采用结构化激光视觉传感方法，开发了一种混合测量系统。该系统结合了单条激光发生器和高分辨率相机，用于在细丝埋弧焊接过程中获取焊缝轮廓。提出了一种新的方法，将自适应区域生长分割技术与YOLOv8深度学习算法相结合，以准确提取每层焊缝的特征。此外，YOLOv8被用来获取多层多道焊缝图像中感兴趣区域（ROI）内关键特征点的像素坐标，从而实现焊接轨迹的重建和规划。实验结果表明，所提出的分割算法能够有效从激光条纹图像和多层多道焊缝中提取特征。训练好的深度学习模型实现了0.0551毫米的均方根误差（RMSE）和约98.41%的特征点提取精度，证明了其高精度和鲁棒性。