为了提升移动机器人视觉图像对比度、信息量以及整体质量,提出一种新的基于空洞U-Net神经网络的移动机器人视觉图像增强方法。在由编码器、解码器与跳层连接构成的U-Net网络中,引入残差网络与空洞卷积部分,构建空洞U-Net神经网络,以融合不同层次的像素特征块,并根据灰度等级与频数直方图,增强图像对比度。针对图像中待处理的像素点灰度值,利用其邻域像素点灰度值的中间值滤除图像噪声。根据像素向量场,利用梯度下降法锐化图像边缘,实现视觉图像增强。在实验阶段,选取部分样本训练空洞U-Net神经网络,获取最优网络参数,经测试验证所提方法的图像对比度、信息量以及整体质量上都有大幅提升,具有优越的视觉图像增强效果。

为了提高机器人焊接质量,延长焊接构件使用寿命,提出基于人工神经网络的机器人焊缝缺陷图像自动辨识方法。利用模糊增强算法计算机器人焊缝缺陷图像各灰度级的隶属函数,逆变换增强模糊特征;使用Roberts算子检测图像边缘像素点,去除像素较低的点;采用密度聚类算法分割缺陷区域,结合面积、周长等几何参数计算缺陷部分形状特征;建立人工神经网络传输模型,将缺陷图像几何特征作为辨识依据,输入训练样本,经过反复训练,当误差低于设定阈值时输出最终辨识结果。仿真实验证明,所提方法能均衡图像灰度值,能够提取出显著性缺陷特征,准确辨识出焊缝缺陷类型。