SABE-YOLO: YOLO consciente de la estructura y mejorado con límites para la segmentación de instancias de juntas de...

Área de la Ciencia:

• Visión por computadora
• La robótica
• Ciencias de los materiales

Sus antecedentes:

• Los sistemas de soldadura automatizados requieren un reconocimiento preciso de las juntas de soldadura para la planificación del recorrido y el control de calidad.
• Los enfoques actuales de visión industrial para la segmentación de instancias de juntas de soldadura enfrentan desafíos con geometrías complejas y bordes borrosos.
• Los modelos existentes luchan con la percepción precisa de los límites y la representación estructural de las juntas de soldadura alargadas.

Objetivo del estudio:

• Desarrollar un método avanzado de segmentación de instancias de costuras de soldadura que aborde las limitaciones en la percepción de límites y la representación estructural.
• Mejorar la precisión y la eficiencia de la percepción visual para estructuras complejas de juntas de soldadura en soldadura automatizada.
• Introducir un nuevo enfoque que mejore la precisión de la localización y la extracción de características para las juntas de soldadura.

Principales métodos:

• Propuso un nuevo modelo YOLO (SABE-YOLO) consciente de la estructura y mejorado con límites para la segmentación de instancias de juntas de soldadura.
• Se introdujo un módulo de fusión consciente de la estructura (SAFM) que utiliza la fusión multiplicativa de la atención y el elemento para mejorar las características estructurales.
• Desarrolló un módulo de agregación de límites mejorado basado en C2f (C2f-BEAM) para mejorar la sensibilidad de los bordes y la agregación de características a múltiples escalas.
• Implementó una función de pérdida de Inner-MPDIoU para aumentar la precisión de la localización.

Principales resultados:

• SABE-YOLO logró una métrica AP de 46.3%, superando a YOLOv8n-Seg en 3 puntos porcentuales.
• El modelo demostró un rendimiento computacional eficiente con 18.3 GFLOPs y 6.6M parámetros.
• Logró una alta velocidad de inferencia de 127 FPS, lo que indica un equilibrio favorable entre precisión y eficiencia.
• Los resultados experimentales validaron la eficacia en un conjunto de datos de imágenes de juntas de soldadura autoconstruidas.

Conclusiones:

• El SABE-YOLO propuesto ofrece una solución eficaz para la percepción visual de alta precisión de estructuras complejas de juntas de soldadura.
• El método muestra un gran potencial para aplicaciones industriales prácticas en la soldadura automatizada.
• SABE-YOLO ofrece una compensación superior entre la precisión de la segmentación y la eficiencia computacional en comparación con los métodos existentes.