El método de detección de cordones de soldadura basado en el modelo infocrnet
Autores: Hui, J. P.; Lian, G. Y.; Wu, J. S.
Idioma: Inglés
Editor: Croatian Metallurgical Society (CMS)
Año: 2024
Acceso abierto
Artículo científico
Categoría
Procesos industriales
Licencia
CC BY – Atribución
Consultas: 17
Citaciones: Journal Metalurgija Vol. 63 Núm. 2
La detección del cordón de soldadura es particularmente crucial en los sistemas industriales, ya que refleja con prontitud la calidad de la fabricación y el rendimiento del producto, garantizando la calidad del producto metalúrgico final y mitigando las posibles pérdidas derivadas de problemas de calidad del producto. En este trabajo se propone la Red de Refinamiento Cruzado InfoFPN (InfoCRNet) para la detección de cordones de soldadura, logrando una tasa de precisión del 98,90% y una puntuación F1 del 98,85 %.
INTRODUCCIÓN
La detección de costuras de soldadura es crucial para garantizar la integridad, confiabilidad, seguridad y usabilidad de las estructuras y productos soldados. Aunque la tecnología de soldadura mecanizada ha alcanzado una etapa relativamente madura, aún pueden surgir defectos de soldadura debido a una operación manual incorrecta, condiciones ambientales inestables y problemas con el equipo de soldadura. La localización precisa de la costura de soldadura es esencial para evaluar la calidad del proceso de soldadura, mejorando así la productividad de la fabricación, acelerando la producción de productos de alta calidad y reduciendo los costos laborales. Los métodos tradicionales de inspección de soldadura dependen de profesionales experimentados que inspeccionan visual y manualmente las soldaduras, lo cual no solo es ineficiente, sino que también requiere una fuerza laboral significativa. Además, la fatiga visual debido a períodos largos de trabajo puede comprometer la precisión de la inspección. Por lo tanto, la detección precisa de la costura de soldadura es fundamental.
Los métodos de detección de costuras de soldadura se pueden clasificar en dos tipos: métodos de contacto y métodos sin contacto. Los métodos de contacto implican el uso de varillas o ruedas guía para determinar la posición de la soldadura, mientras que los métodos sin contacto comprenden aquellos basados en señales físicas y visión por máquina. Con el rápido avance de los métodos de aprendizaje profundo basados en redes de extracción de características, los métodos de contacto pueden no ser suficientes para satisfacer las demandas de diversos escenarios de soldadura. Para mejorar la localización precisa y la detección de las posiciones de soldadura, este artículo propone un modelo basado en mapas de características de múltiples niveles (InfoCRNet) para la inspección de soldaduras.
Para evaluar el rendimiento del modelo InfoCRNet en la inspección de soldaduras, evaluamos nuestro enfoque de aprendizaje profundo en el conjunto de datos del desafío LSWD (Large-scale Welding Defects) [1].
Descripción
La detección del cordón de soldadura es particularmente crucial en los sistemas industriales, ya que refleja con prontitud la calidad de la fabricación y el rendimiento del producto, garantizando la calidad del producto metalúrgico final y mitigando las posibles pérdidas derivadas de problemas de calidad del producto. En este trabajo se propone la Red de Refinamiento Cruzado InfoFPN (InfoCRNet) para la detección de cordones de soldadura, logrando una tasa de precisión del 98,90% y una puntuación F1 del 98,85 %.
INTRODUCCIÓN
La detección de costuras de soldadura es crucial para garantizar la integridad, confiabilidad, seguridad y usabilidad de las estructuras y productos soldados. Aunque la tecnología de soldadura mecanizada ha alcanzado una etapa relativamente madura, aún pueden surgir defectos de soldadura debido a una operación manual incorrecta, condiciones ambientales inestables y problemas con el equipo de soldadura. La localización precisa de la costura de soldadura es esencial para evaluar la calidad del proceso de soldadura, mejorando así la productividad de la fabricación, acelerando la producción de productos de alta calidad y reduciendo los costos laborales. Los métodos tradicionales de inspección de soldadura dependen de profesionales experimentados que inspeccionan visual y manualmente las soldaduras, lo cual no solo es ineficiente, sino que también requiere una fuerza laboral significativa. Además, la fatiga visual debido a períodos largos de trabajo puede comprometer la precisión de la inspección. Por lo tanto, la detección precisa de la costura de soldadura es fundamental.
Los métodos de detección de costuras de soldadura se pueden clasificar en dos tipos: métodos de contacto y métodos sin contacto. Los métodos de contacto implican el uso de varillas o ruedas guía para determinar la posición de la soldadura, mientras que los métodos sin contacto comprenden aquellos basados en señales físicas y visión por máquina. Con el rápido avance de los métodos de aprendizaje profundo basados en redes de extracción de características, los métodos de contacto pueden no ser suficientes para satisfacer las demandas de diversos escenarios de soldadura. Para mejorar la localización precisa y la detección de las posiciones de soldadura, este artículo propone un modelo basado en mapas de características de múltiples niveles (InfoCRNet) para la inspección de soldaduras.
Para evaluar el rendimiento del modelo InfoCRNet en la inspección de soldaduras, evaluamos nuestro enfoque de aprendizaje profundo en el conjunto de datos del desafío LSWD (Large-scale Welding Defects) [1].