来源：期刊VIP网 时间：
作者：丁楚航;刘明雍;刘建峰;
单位：西北工业大学国家卓越工程师学院;上海外高桥造船有限公司;
摘要：[目的]为解决船舶格子间焊缝识别和追踪存在的特征丢失、误检或漏检等问题，提升焊缝检测效率和准确性，开发专门针对船舶格子间表面的焊缝图像数据集，[方法]提出一种基于深度学习算法的智能焊缝辨识方法。通过一种并行下采样替换最上层下采样的方法对图像进行预处理，以降低其分辨率并剔除多余的信息，进而提升信息的表达效率；在网络的跳跃连接环节引入一种基于坐标的注意力模块，以此增强网络特征的提取能力，进一步提升分割的准确性。在收集的焊缝图像集上对改进的U-Net模型的有效性进行测试。[结果]结果显示，与原模型相比，改进的U-Net模型在图像语义分割任务中的m IoU和Acc分别增长1.92%和0.3%。[结论]改进的U-Net模型在船舶格子间焊缝检测任务中表现出更高的分割精度和效率，有效解决了特征丢失、误检或漏检等问题，为船舶焊缝检测提供了更可靠的解决方案。
关键词：图像处理;船舶格子间;深度学习;U-Net模型;焊缝视觉跟踪
