MIG焊接缺陷识别系统

98.87%识别准确率

融合熔池图像与电压信号的多源信息混合CNN模型，显著提升焊接过渡状态缺陷检测精度与抗干扰能力。

王洁 · 张志芬 · Zijian, Bai · Zhang, Shuai · Qin, Rui · Jing, Huang · 温广瑞

Journal of Manufacturing Processes 2023

具体参数

平均准确率

{'zh': '98.87', 'en': '98.87'} %

技术优势

过渡状态不再漏检

混合CNN对图像和电压信号分配更合理的注意力，能够捕捉单一传感器难以辨识的过渡缺陷。

电压信号补上图像盲区

短时傅里叶变换将电压信号转为时频谱，作为CNN输入，与熔池图像互补。

98.87%准确率硬证据

在五种焊接状态上实测平均准确率达98.87%，显著超过三种单传感器模型。

应用场景

• 焊接过程监控：替掉单一传感器误判，实时发现烧穿和偏焊。
• 电弧增材制造：将多源监测延伸到电弧增材，保证每一层成形质量。
• 在线缺陷检测：在线同步采集图像与电压，98.87%准确率自动判缺陷。