一种金属门烤漆温度分布图像的融合方法技术

本发明专利技术公开了一种金属门烤漆温度分布图像的融合方法，首先构建卷积自编码融合网络模型，然后对构建的网络模型进行收敛训练，再利用训练好的网络模型提取源图像特征，然后利用融合技术将图像特征图进行融合，再利用卷积解码网络对其进行重建的操作，最终得到融合图形，通过这种方得到的图像具有视觉性强，且清晰图高的特点，有利于分析金属门在烤漆过程中温度的分布情况，从而为调整烤漆过程中加热温度提供帮助。

【技术实现步骤摘要】
一种金属门烤漆温度分布图像的融合方法
本专利技术涉及金属门烤漆
，特别是指一种金属门烤漆温度分布图像的融合方法。
技术介绍
门是日常生活中最常见的家用品之一，金属门由于具有出色的机械性能，而被应用于各个领域的不同场所。但无表面处理的金属门由于易被腐蚀或氧化，在耐用方面性能较差，且金属门的色彩和纹理也较为单一，为了克服金属门的不足，开始对金属门的表面进行各种各样的处理，已使制备的金属门不仅耐用，而且色彩花纹丰富多彩，已满足不同领域应用的需求。现有对金属门进行表面处理多是采用喷涂的方式，为了提高喷涂的涂料、油漆的附着力、耐温、耐水、耐溶剂性、硬度、耐磨性等，在喷涂后会增加烤漆环节。因此制备好的金属门需要在加热的状态下进行烤漆处理。本申请的专利技术人发现，在进行烤漆处理时，由于烤漆房结构的特性，在一定程度上进行大面积加热时，金属门会出现受热不足和过高的现象，导致烤漆后的金属门表面出现杂质花纹，影响美观，但现有的获取金属门烤漆温度分布图像的处理方法得到的图像都无法指导烤漆温度的调整，造成烤漆的不均匀。<br>
技术实现思路
<本文档来自技高网...

【技术保护点】
1.一种金属门烤漆温度分布图像的融合方法，其特征在于，包括：/n获取烤漆时金属门温度分布图像数据；/n将获取烤漆时金属门温度分布图像数据随机分割成训练集、测试集和验证集；/n构建卷积自编码融合网络模型，并采用训练集数据对构建的卷积自编码融合网络模型训练至收敛，得训练后的卷积自编码融合网络模型；/n将测试集数据输入训练后的卷积自编码融合网络模型，进行提取深层特征图，并对提取的特征图采取等权重相加的融合策略，得到融合后的卷积特征图；采用训练后的卷积自编码融合网络模型对卷积特征图进行重建，得融合图像。/n

【技术特征摘要】
1.一种金属门烤漆温度分布图像的融合方法，其特征在于，包括：
获取烤漆时金属门温度分布图像数据；
将获取烤漆时金属门温度分布图像数据随机分割成训练集、测试集和验证集；
构建卷积自编码融合网络模型，并采用训练集数据对构建的卷积自编码融合网络模型训练至收敛，得训练后的卷积自编码融合网络模型；
将测试集数据输入训练后的卷积自编码融合网络模型，进行提取深层特征图，并对提取的特征图采取等权重相加的融合策略，得到融合后的卷积特征图；采用训练后的卷积自编码融合网络模型对卷积特征图进行重建，得融合图像。


2.根据权利要求1所述的金属门烤漆温度分布图像的融合方法，其特征在于，所述获取烤漆时金属门温度分布图像数据包括：
将喷涂后的金属门稳定安放在烤漆房内并固定，采用采用红外探测器采集常温下金属门的温度分布图；同时采用红外探测器采集金属门在进行烤漆加热时的温度图片。


3.根据权利要求1所述的金属门烤漆温度分布图像的融合方法，其特征在于，所述训练集、测试集和验证集的占比分别为60％，20％，20％。


4.根据权利要求1所述的金属门烤漆温度分布图像的融合方法，其特征在于，构建卷积自编码融合网络模型，并采用训练集数据对构建的卷积自编码融合网络模型训练至收敛，得训练后的卷积自编码融合网络模型，包括：
基于卷积神经网络和自编码器，构建卷积自编码融合网络模型，所述卷积自编码融合网络模型包括卷积编码层、融合层和解码层；
将训练集中图像输入到构建的卷积自编码融合网络模型的卷积编码层，提取图像深层特征，得到编码图形；
用Adam优化算法对编码图形进行损失函数最小值优化，根据优化结构进行卷积自编码融合网络模型的参数的调整至卷积自编码融合网络模型收敛，得...

【专利技术属性】
技术研发人员：蒋昊，蒋庆林，蒋强强，
申请(专利权)人：涡阳县幸福门业有限公司，
类型：发明
国别省市：安徽;34