AFCC: Adaptive Fusion of Local Contour Descriptors and Hierarchical Convolutional Features for Weld Formation Classification on Curved Workpieces
本文提出了 AFCC，一种结合了局部轮廓描述符与层次化卷积特征以及可靠性引导权重的自适应融合框架，旨在实现曲面工件上焊缝成形的高精度分类，其在工业环境下的表现显著优于基准深度学习方法。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在重工业制造领域，结构的强度往往取决于金属件连接处那些肉眼难见的接缝。当工人焊接金属架、管道或框架时，会形成一个被称为“焊道”的凸起熔融金属脊状物。如果焊道完美，接头就坚固；如果太小，连接就会脆弱；如果太大或过于杂乱，则会干扰组装或预示着稳定性不足。几十年来，人类一直通过肉眼检查这些接头，寻找优质焊缝的平滑连续线条与劣质焊缝的锯齿状或不完整线条之间的区别。然而，随着工厂生产的零件变得愈发复杂，人工检测已无法跟上节奏。当被焊接的金属不是平面而是曲线（例如大型货架的转角）时，挑战变得更加艰巨。在这些曲面上，光线反射不均匀，视角不断变化，使得完美的焊缝在每一张照片中看起来都各不相同。试图“看见”这些缺陷的计算机必须学会忽略令人困惑的反光和阴影，从而找到焊缝真实的形状。
国立中山科技大学的研究人员开发了一种名为 AFCC 的新系统来解决这一特定问题。他们的目标是创建一个自动化视觉检测器，能够可靠地将曲面金属架上的焊缝分为三类：正常、过度或变形，以及不足。为此，他们并没有依赖单一的观察方法。相反，他们构建了一个模拟人类同时从两个不同角度观察焊缝的框架。系统的第一部分专注于焊道的轮廓和形状，类似于通过追踪阴影的边缘来理解其形态；另一部分则观察纹理和色彩细节，类似于人通过触觉感受表面的粗糙度或注意到光泽的变化。通过结合这两个视角，该系统能够看透那些经常误导简单摄像机的复杂反光。
研究人员在从一家活跃的金属架生产设施中收集的真实世界数据集中测试了他们的系统。他们收集了 1,586 张直接拍摄于工厂车间的焊缝图像，那里的照明并不完美，且表面经常沾有油污或金属屑。在这些图像中，1,188 张显示为正常焊缝，其余则显示为缺陷：218 张为过度或变形，180 张为不足。为了确保系统是在真正学习而非仅仅是死记硬背，他们专门保留了一组包含 477 张图像的特定集合，仅在系统训练完成后才用于测试。结果令人瞩目。新系统的分类准确率达到了 95.39%。更重要的是，它在捕捉缺陷方面表现异常出色。在 120 个缺陷焊缝的测试集中，它仅漏掉了 4 个。相比之下，一个经过微调以执行此任务的标准常用计算机视觉模型漏掉了 14 个缺陷，而另一种先进方法则漏掉了 8 个。
该系统的成功源于它如何决定信任哪些信息。研究人员发现，“轮廓”视图和“纹理”视图在每种情况下并不同样可靠。有时轮廓清晰但由于眩光导致纹理混乱；有时纹理清晰但轮廓被噪声破坏。系统并没有给这两个视角分配相等的权重，而是学会了根据它们在训练期间的表现来权衡重要性。对于特定类型的缺陷，系统会将更多影响力分配给表现更准确的那个视角。这种自适应方法使系统能够忽略较弱的信号，并专注于最强有力的证据，从而实现了比简单平均两个视角更高的成功率。
除了对零件进行分类外，该系统还为工厂自动化提供了切实可行的路径。由于它可以区分三种具体情况，因此可以将每个焊缝引导至正确的下一步。正常的焊缝可以直接通过；焊料过多的焊缝可以被送往研磨站进行打磨；焊料不足的焊缝可以送去进行第二次焊接以填补间隙。研究人员还探索了一种通过人工智能来解释“为什么”某个焊缝被标记为缺陷的方法，从而提高效率。他们发现，通过仅在发现实际缺陷时才要求 AI 编写解释，而不是针对每一张图像都进行解释，可以将计算机请求的数量减少近 73%。这在覆盖几乎所有缺陷部件的同时，显著节省了大量的时间和计算能力。
这项研究强调，尽管现代计算机功能强大，但在面对曲面和不均匀光照带来的复杂现实时仍会感到吃力。研究人员证明，将简单的几何测量与复杂的视觉模式相结合，比单纯依赖深度学习能创造出更稳健的解决方案。他们也指出，该系统并非完美无缺；它有时会被靠近焊缝的细小金属碎屑（称为飞溅物）所迷惑，这些碎屑看起来就像额外的脊状物。然而，通过识别这些特定的失效模式，研究人员为未来的改进指明了清晰的方向。这项工作证明，对于曲面工业零件，一种兼顾焊缝形状与纹理的混合方法是确保质量最可靠的方式，为保持生产线安全高效运行提供了一种清晰的数据驱动方法。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。