| 第一指导教师主要成果： |
|
| 第二指导教师主要成果： |
|
| 项目简介： |
随着船舶、海洋工程装备及压力容器等大型结构件向厚壁化、高强化方向快速发展，窄间隙熔化极气体保护焊（GMAW）因其焊缝截面积小、热输入低、焊接效率高等显著优势，成为厚板焊接领域的核心技术。然而，窄间隙焊接过程中，坡口加工误差、装配偏差及焊接动态变形等多源干扰因素易导致坡口中心偏移与宽度波动，直接影响侧壁熔合质量。为实现焊接过程自适应控制，亟需开发高精度的坡口边缘实时检测技术。
本项目基于深度学习技术，创新性地引入YOLO目标检测算法，构建窄间隙GMAW坡口边缘视觉检测系统。针对焊接过程中强弧光、飞溅等复杂干扰环境，通过YOLO算法的特征提取，剔除干扰数据，根据保留的有效数据计算坡口边缘位置，提高坡口边缘位置的检测精度，为窄间隙焊接自动化提供了可靠的视觉感知基础。
|
| 一、申请理由 |
|
| 二、项目方案： |
|
| 三、学校提供条件： |
|
| 四、预期成果： |
|
| 五、经费预算： |
|
| 项目附件: |
无附件上传 |