仪器仪表学报

作者：王俞霏，杜弘志，胡蕴博，孙岩标，邾继贵

单位：王俞霏,天津大学精密测试技术及仪器全国重点实验室天津300072,,杜弘志,天津大学精密测试技术及仪器全国重点实验室天津300072,,胡蕴博,天津大学精密测试技术及仪器全国重点实验室天津300072,,孙岩标,天津大学精密测试技术及仪器全国重点实验室天津300072,yanbiao.sun@tju.edu.cn,邾继贵,天津大学精密测试技术及仪器全国重点实验室天津300072,

关键词：电阻点焊;多尺度特征融合;像素级语义分割;异常检测

基金：国家重点研发计划（2023YFB4707100）项目资助

电阻点焊质量直接影响车身结构的稳定性和安全性,缺陷的像素级分割图对于精确分析缺陷形态和严重程度至关重要。针对传统的目标检测方法在处理细小缺陷时无法进行精确语义分割且分类精度较低的问题,提出了一种基于多尺度特征融合网络的电阻点焊缺陷精确定位与分割方法,通过跨层次特征连接与多尺度特征匹配,使网络在识别整体点焊特征的同时,能够捕捉细小缺陷特征,实现了大场景中缺陷位置的精确语义分割,并提高了电阻点焊区域的分类精度。设计了候选区域生成网络,融合低层次细节特征与高层次语义信息,设计了点焊区域定位损失函数,确保点焊区域的精准定位。随后,提出了缺陷分割与定位网络,结合ROIAlign与多尺度特征匹配,构建正常焊点特征库,并设计异常评分计算公式,实现点焊区域的像素级异常评分。实验结果表明,方法相比传统目标检测模型,在小目标点焊分类精度上提升了25.35%，F1分数提升了14.81%。此外，所提方法能够生成高精度的像素级缺陷分割图,PixelAUROC达到0?94,展现了优异的缺陷识别能力,同时在开源不同场景下电阻点焊数据集上的测试也取得了良好结果,F1分数达0.93,验证了模型的泛化能力。

来源：2025年第7期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第7期