PulseAugur
中
实时 20:07:28
English(EN) Enhanced Seam Segmentation for Automated Welding Robot in Construction Through Transfer Learning: Addressing Limitations of Bilateral Segmentation Network

新框架通过迁移学习增强焊接机器人接缝分割 · 跟踪 2 个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个新框架，以改进建筑自动化焊接机器人的接缝分割，解决了恶劣光照和反射等挑战。该方法利用迁移学习和混合损失函数增强了 BiSeNetV2 模型，侧重于学习稳定性优化而非架构复杂性。该方法显著提高了性能，在反射条件下实现了 81.76% 的联合 IoU，并恢复了 96.33% 的失败案例，同时保持了实时应用的效率。 AI

影响 提高了机器人焊接的感知能力，可能提高建筑行业的自动化和精度。

排序理由 该集群包含两篇相同的 arXiv 论文，详细介绍了新的研究方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新框架通过迁移学习增强焊接机器人接缝分割 · 跟踪 2 个来源

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Keonvin Park, Yong Ann Voeurn, Hyeokjun Kweon, Doyun Lee ·

    Enhanced Seam Segmentation for Automated Welding Robot in Construction Through Transfer Learning: Addressing Limitations of Bilateral Segmentation Network

    arXiv:2607.06150v1 Announce Type: cross Abstract: Reliable seam segmentation is essential for autonomous robotic welding in construction, where harsh illumination, specular reflections, and thin weld geometries often degrade segmentation performance. This study proposes a reflect…

  2. arXiv cs.LG TIER_1 English(EN) · Doyun Lee ·

    基于迁移学习的建筑自动化焊接机器人增强焊缝分割：解决双边分割网络局限性

    Reliable seam segmentation is essential for autonomous robotic welding in construction, where harsh illumination, specular reflections, and thin weld geometries often degrade segmentation performance. This study proposes a reflection-robust seam segmentation framework that enhanc…

相关实体

相关话题