来源：期刊VIP网 时间：
作者：彭露;王洪申;
单位：兰州理工大学机电工程学院;
摘要：在实际的等离子切割设备的板件切割中，常常在坡口切割中存在尺寸上的偏差，针对该问题提出了使用机器视觉结合深度学习测量等离子弧切割坡口的尺寸信息的方法。对Sobel算子进行了改进，专注于检测水平方向的边缘，去除了许多非必要检测到的竖直方向的边缘，并且水平方向的边缘像素值要大于其他边缘像素值，突出了水平方向的边缘。对PointNet++网络结构进行了改进，深化了PointNet++网络结构，添加了多层感知机层数和采样点数。同时在PointNet++中引入了卷积块注意力模块(CBAM)机制，使得网络在训练中能够更加有效地选择目标特征。实验证明：改进算法在测试集的平均交并比和准确率都要高于PointNet++原版网络，最高平均交并比为0.902 98,最高准确率为0.954 8。经验证，在坡口尺寸的测量上，尺寸误差在±0.25 mm以内，其中平均正误差为+0.109 1 mm,平均负误差为-0.098 3 mm,最大的误差数据为+0.243 mm,最小的误差数据为+0.003 mm。
关键词：边缘检测;;Sobel算子;;深度学习;;PointNet++
