(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211128348.X (22)申请日 2022.09.16 (71)申请人 太保科技有限公司 地址 200010 上海市黄浦区中山 南路1号1 1 层(名义楼层)1 1V6室 (72)发明人 夏羽乾　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 张志梅 (51)Int.Cl. G06V 10/22(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/774(2022.01) (54)发明名称 一种焊接关键点的定位方法及装置 (57)摘要 本申请提供了一种焊接关键点的定位方法 及装置， 主要涉及图像处理技术领域。 该方法包 括： 获取待焊接物体的待识别图像； 将待识别图 像输入关键点识别模型中， 得到关键点识别模型 输出的第一识别结果， 关键点识别模型由降维 层、 编码层、 注意力机制层以及线性层构成； 根据 第一识别结果确定待焊接物体的焊接关键点。 通 过降维层和编码层对图像的处理， 在降低图像处 理器功耗的同时， 还可以对全局图像进行处理， 保证识别精度。 实现了在保证焊接关键点识别精 度的同时， 降低图像处 理的运算量和内存消耗。 权利要求书2页 说明书8页 附图3页 CN 115457252 A 2022.12.09 CN 115457252 A 1.一种焊接关键点的定位方法， 其特 征在于， 所述方法包括： 获取待焊接物体的待识别图像； 将所述待识别图像输入关键点识别模型中， 得到所述关键点识别模型输出的第 一识别 结果， 所述关键点识别模型 由降维层、 编码层、 注意力机制层以及线性层构成， 所述降维层 用于对所述待识别图像进行降维处理， 得到第一处理图像， 所述编码层用于对所述第一处 理图像进行编码处理， 得到第二处理图像， 所述注意力机制层用于提取所述第二处理图像 的第一特 征， 所述线性层用于根据所述第一特 征生成第一识别结果； 根据所述第一识别结果确定所述待焊接物体的焊接关键点。 2.根据权利要求1所述的方法， 其特征在于， 所述关键点识别模型是采用以下方式训练 得到的： 获取样本图像和所述样本图像的标签； 将所述样本图像输入待训练识别模型， 得到所述待训练识别模型输出的第二识别结 果， 所述待训练识别模型由降维层、 编码层、 注意力机制层以及线性层构成， 所述降维层用 于对所述样本图像进行降维处理， 得到第三处理图像， 所述编码层用于对所述第三处理图 像进行编码处理， 得到第四处理图像， 所述注意力机制层用于提取所述第四处理图像的第 二特征， 所述线性层用于根据所述第二特 征生成第二识别结果； 利用所述标签与所述第二识别结果计算得到损失值； 根据所述损失值对所述待训练识别模型进行调 整， 返回执行所述获取样本图像和所述 样本图像的标签以及后续 步骤， 直到 达到预设条件生成关键点识别模型。 3.根据权利要求1所述的方法， 其特 征在于， 所述降维层为卷积神经网络 。 4.根据权利要求1所述的方法， 其特 征在于， 所述编码层为视 觉转换ViT器。 5.根据权利要求2所述的方法， 其特征在于， 所述样本图像包括由标准图像灰度处理得 到的灰度图像。 6.根据权利要求2所述的方法， 其特征在于， 所述样本图像包括由标准图像霍夫变换得 到的霍夫直线图。 7.根据权利要求2所述的方法， 其特征在于， 在所述将所述样本图像输入待训练识别模 型， 得到所述待训练识别模型输出的第二识别结果之前， 所述方法还 包括： 对所述样本图像按照预设角度进行翻转， 得到第一增强样本图像； 根据所述第一增强样本作为更新后的样本图像。 8.根据权利要求2所述的方法， 其特征在于， 在所述将所述样本图像输入待训练识别模 型， 得到所述待训练识别模型输出的第二识别结果之前， 所述方法还 包括： 对所述样本图像根据预设光强进行调制， 得到第二增强样本图像； 根据所述第二增强样本作为更新后的样本图像。 9.一种焊接关键点的定位装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取待焊接物体的待识别图像； 识别模块， 用于将所述待识别图像输入关键点识别模型中， 得到所述关键点识别模型 输出的第一识别结果， 所述关键点识别模型由降维层、 编 码层、 注意力机制层以及线性层构 成， 所述降维层用于对所述待识别图像进 行降维处理， 得到第一处理图像， 所述编码层用于 对所述第一处理图像进行编码处理， 得到第二处理图像， 所述注意力机制层用于提取所述权　利　要　求　书 1/2 页 2 CN 115457252 A 2第二处理图像的第一特 征， 所述线性层用于根据所述第一特 征生成第一识别结果； 确定模块， 用于根据所述第一识别结果确定所述待焊接物体的焊接关键点。 10.根据权利要求9所述的装置， 其特征在于， 所述关键点识别模型是采用以下方式训 练得到的： 获取样本图像和所述样本图像的标签； 将所述样本图像输入待训练识别模型， 得到所述待训练识别模型输出的第二识别结 果， 所述待训练识别模型由降维层、 编码层、 注意力机制层以及线性层构成， 所述降维层用 于对所述样本图像进行降维处理， 得到第三处理图像， 所述编码层用于对所述第三处理图 像进行编码处理， 得到第四处理图像， 所述注意力机制层用于提取所述第四处理图像的第 二特征， 所述线性层用于根据所述第二特 征生成第二识别结果； 利用所述标签与所述第二识别结果计算得到损失值； 根据所述损失值对所述待训练识别模型进行调 整， 返回执行所述获取样本图像和所述 样本图像的标签以及后续 步骤， 直到 达到预设条件生成关键点识别模型。权　利　要　求　书 2/2 页 3 CN 115457252 A 3