基于小波变换和概率神经网络的焊接接头类型识别

您当前的位置：

首页 >

文章列表页 >

信息光学与图像处理 | 更新时间：2025-09-01

- 基于小波变换和概率神经网络的焊接接头类型识别
- Classification of welding joints based on wavelet transform and probabilistic neural network
- 光学技术 2015年41卷第2期页码：138-143
- 作者机构：
  
  1. 1:江南大学轻工过程先进控制教育部重点实验室
  2. 2:无锡科技职业学院
- 作者简介：
- 基金信息：
  
  江苏省高校优势学科建设工程资助项目(PAPD);江苏省产学研前瞻性联合研究项目(BY2012056);江苏省自然科学基金项目(BK20141115)
- DOI：10.13741/j.cnki.11-1879/o4.2015.02.010
  中图分类号：
- 纸质出版：2015
- 稿件说明：
移动端阅览
王秀平, 白瑞林, 刘子腾, 等. 基于小波变换和概率神经网络的焊接接头类型识别[J]. 光学技术, 2015,41(2):138-143.

Classification of welding joints based on wavelet transform and probabilistic neural network[J]. 2015, 41(2): 138-143.
王秀平, 白瑞林, 刘子腾, 等. 基于小波变换和概率神经网络的焊接接头类型识别[J]. 光学技术, 2015,41(2):138-143. DOI： 10.13741/j.cnki.11-1879/o4.2015.02.010.

Classification of welding joints based on wavelet transform and probabilistic neural network[J]. 2015, 41(2): 138-143. DOI： 10.13741/j.cnki.11-1879/o4.2015.02.010.

为了实现机器人自动焊接过程中快速、精确地提取焊缝特征信息

提出了一种基于小波变换和概率神经网络的焊接接头类型识别方法。先采用小波变换对由激光视觉传感器采集的焊接接头图像进行降噪和增强

对重构后的图像进行二值化

然后提取图像的特征信息

组成图像特征向量

最后构建概率神经网络分类器并进行测试。结合视觉传感器中激光器与摄像机的位置关系

最终识别出4种焊接接头。实验结果表明

所提出的方法特征提取简单

识别率高

并具有较好的实时性。

浏览量

146

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

微分Haar-Gaussian小波变换在大景深物体边缘测量中的应用

杠杆式GMM-FBG电流传感器的仿真设计

五棱镜扫描法检测大口径平行光管光束平行性

光学装调中的一种基于猫眼效应的焦距测试方法

基于微粒示踪的燃烧尾喷流速场测量方法研究