RICNET: Estimación de la curva de iluminación inspirada en Retinex para la mejora de la luz baja en escenas de...

Área de la Ciencia:

• La robótica
• Visión por computadora
• Procesamiento de imágenes

Sus antecedentes:

• Los robots de soldadura requieren una planificación precisa de la trayectoria, a menudo en condiciones de poca luz como tuberías y cascos de barcos.
• La mala calidad de imagen en estos entornos degrada la extracción de características y la detección de anomalías para el seguimiento láser.

Objetivo del estudio:

• Desarrollar una red de mejora de la imagen con poca luz específicamente para escenarios de revestimiento de soldadura robótica.
• Mejorar la precisión de la extracción de las características de las juntas de soldadura y la detección de anomalías de trayectoria en entornos oscuros.

Principales métodos:

• Se propuso una red basada en Retinex con un módulo de estimación de la curva de iluminación.
• La red no requiere imágenes de referencia emparejadas o no emparejadas para la capacitación, lo que reduce la dependencia del conjunto de datos.
• Ajusta el brillo de forma adaptativa, restaura los detalles y suprime el ruido en imágenes con poca luz.

Principales resultados:

• El método propuesto superó a los enfoques existentes en conjuntos de datos de soldadura públicos (LOLv1, LOLv2) y auto recogidos en métricas PSNR, SSIM y LPIPS.
• La segmentación de las juntas de soldadura en condiciones de poca luz logró una precisión del 95,1% y del 98,9%.
• La mejora apoyó efectivamente las tareas posteriores en la soldadura robótica.

Conclusiones:

• La red basada en Retinex proporciona una mejora efectiva de la imagen con poca luz para la soldadura robótica.
• El método mejora significativamente el rendimiento en la extracción de características y la detección de anomalías para la planificación de la trayectoria.
• Esta solución es valiosa para mejorar las operaciones de soldadura robótica en entornos industriales oscuros y desafiantes.