粗到细的多接缝机器人焊接检测
本文提出了基于对称性和密度自适应阈值的边缘检测方法和基于聚类曲率向量的角点检测方法，对RGB-D语义分割和3D模型进行了验证，在机器人焊接的自动化中提出了基于点云的焊缝检测新方法，与Harris 3D算法相比证明了其优越性。
Sep, 2018
提出了一种基于深度学习和合成数据的计算机视觉模型，采用先进的渲染技术和中介监督架构来解决合成数据在真实图像上精度下降的问题，模型可应用于不同工具的2D关键点检测。
Oct, 2022
在制造环境中，高效准确地检测小型物体，如缺陷和裂纹，对于确保产品质量和安全至关重要。我们提出了一种综合策略，通过将Faster R-CNN与先进的方法结合起来，有效解决了这个问题。我们的模型在NEU-DET和Pascal VOC数据集上进行了严格评估，验证了其鲁棒的性能和通用性。在NEU-DET数据集上，我们的模型表现出对钢铁缺陷的深入理解，在识别各种缺陷方面实现了最先进的准确性。同时，在Pascal VOC数据集上评估时，我们的模型展示了在复杂且小型场景中检测各类对象的能力。
Oct, 2023
为提高焊接过程的质量保证，本研究提出一种强大的深度学习模型，能够预测两个关键焊接性能特征（KPCs）：焊缝深度和平均孔隙体积。
Dec, 2023
通过结合领域随机化和领域知识，我们创建了一种图像合成流程，用于自动生成训练数据，并在工业应用中对端子条对象检测的综合泛化性能进行研究。结果表明，在经过优化的尺度条件下，RetinaNet的模型的模拟到现实平均精度的性能差异为2.69％，而Faster R-CNN的性能差异为0.98％，从而验证了此方法符合工业要求。
Mar, 2024
这篇研究论文提出了一种名为FTL-TP的联邦迁移学习框架，用于在分布式学习中提供域泛化能力，同时确保数据隐私，以适应多个类似任务的客户，从而提高其总体适应性和性能。
Apr, 2024
这篇论文综述了针对智能焊接机器人中的活动视觉传感方法的应用，包括缝迹跟踪、焊缝缺陷检测以及三维焊接池几何测量等，同时介绍了活动视觉传感系统在智能焊接机器人中的三维标定方法。
Mar, 2024
本研究解决了机器人焊接中缺乏缺陷检测能力的问题，提出了一种利用深度学习技术实时检测焊接缺陷的新方法。通过使用包含4000多个焊接样本的数据库，研究表明结合音频和视频信号的多模态方法能有效检测大多数焊接缺陷，ROC曲线下的平均面积达到0.92，具有显著的潜在应用价值。
Sep, 2024
该研究解决了多轴增减制造中运动物体与固定物体之间的碰撞避免问题，提出了一种利用深度神经网络的隐式碰撞测量场表示方法。这种新方法能够从稀疏旋转采样中准确插值碰撞测量，并在小内存占用的情况下高效更新，以适应多分辨率数据及几何形状的增量变化。
Aug, 2024