文献

J-GLOBAL ID：202202269583069644   整理番号：22A0442881

特徴教師つきトラッカ駆動生成敵対ネットワークに基づく強雑音下の自律溶接シームトラッキング【JST・京大機械翻訳】

Autonomous weld seam tracking under strong noise based on feature-supervised tracker-driven generative adversarial network

著者 (7件)： Xu Fengjing (Intelligentized Robotic Welding Technology Laboratory, School of Materials Science and Engineering, Shanghai Jiao Tong University, Shanghai 200240, PR China) ,  Zhang Huajun (Intelligentized Robotic Welding Technology Laboratory, School of Materials Science and Engineering, Shanghai Jiao Tong University, Shanghai 200240, PR China) ,  Zhang Huajun (Shanghai Key Laboratory of Materials Laser Processing and Modification, School of Materials Science and Engineering, Shanghai Jiao Tong University, Shanghai 200240, PR China) ,  Xiao Runquan (Intelligentized Robotic Welding Technology Laboratory, School of Materials Science and Engineering, Shanghai Jiao Tong University, Shanghai 200240, PR China) ,  Hou Zhen (Intelligentized Robotic Welding Technology Laboratory, School of Materials Science and Engineering, Shanghai Jiao Tong University, Shanghai 200240, PR China) ,  Chen Shanben (Intelligentized Robotic Welding Technology Laboratory, School of Materials Science and Engineering, Shanghai Jiao Tong University, Shanghai 200240, PR China) ,  Chen Shanben (Shanghai Key Laboratory of Materials Laser Processing and Modification, School of Materials Science and Engineering, Shanghai Jiao Tong University, Shanghai 200240, PR China)
資料名： Journal of Manufacturing Processes  (Journal of Manufacturing Processes)
巻： 74  ページ： 151-167  発行年： 2022年 
JST資料番号： W3312A  ISSN： 1526-6125  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： アーク光や飛沫のような複雑な溶接条件からの強い雑音は,視覚ベースの継目追跡において高い追従誤差をもたらす。この問題を解決するために,本論文ではDCFnetに基づく自律シーム追跡法を提案した。雑音干渉レーザストライプ画像を修復するために,特徴教師つきトラッカー駆動生成敵対ネットワーク(FT-GAN)を導入した。特徴監視モジュールと特徴選択モジュールを符号器の特徴抽出過程で設計した。さらに,DCF追跡応答損失を損失関数に加え,追跡指向特徴復元を導いた。追跡プロセスの間,画像をFT-GANによって最初に修復して,レーザ特性ポイントのためにDCFネットによって自動的に追跡した。追跡性能を促進し,抽出計算を減らすために,モデルパラメータ更新と画像修復周波数を応答ピークサイドローブ比(PSLR)によって制御した。実験では,追跡速度は15fpsに達し,平均誤差は0.236mm以内に制御される。テスト結果は,このシーム追跡方法が,伝統的方法に関して精度,効率,およびロバスト性においてよく機能することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 干渉 ,  *雑音 ,  視覚 ,  損失関数 ,  *ネットワーク ,  溶接条件 ,  特徴抽出 ,  目地 ,  特徴選択 ,  符号器 ,  ロバスト性 ,  画像復元
準シソーラス用語： モデルパラメータ ,  *シームトラッキング , 【Automatic Indexing@JST】

著者キーワード (6件)： ロボット溶接 ,  生成敵対ネットワーク ,  特徴抽出 ,  シームトラッキング ,  画像処理 ,  視覚センサ

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 教師 ,  敵対 ,  雑音 ,  自律 ,  溶接シーム ,  トラッキング