一种用于非金属材料切割的自动定位控制方法及系统技术方案

本发明专利技术涉及一种用于非金属材料切割的自动定位控制方法及系统，属于人工智能技术在材料切割领域的应用，该方法步骤包括：获取不同时刻的切割图像；将相邻两时刻的切割图像做差得到不同时段的多通道特征差异图像并构建不同时段的先验信息损失函数；由开始切割到当前时段之间所有时段的差异度值组成差异度序列并拟合出曲线差异度方程，确定调整后下次训练时段的差异度值、下次训练时段对应的先验信息损失函数权重和刀具识别网络中传统损失函数权重，将加权后先验信息损失函数和传统损失函数相加获得综合损失函数；本发明专利技术利用切割先验知识来辅助设计刀具识别网络，提高了刀具识别的准确性和实时性。的准确性和实时性。的准确性和实时性。

【技术实现步骤摘要】
一种用于非金属材料切割的自动定位控制方法及系统


[0001]本专利技术属于人工智能技术在材料切割领域的应用，具体涉及一种用于非金属材料切割的自动定位控制方法及系统。

技术介绍

[0002]随着社会经济的发展、科技水平的提高，材料切割加工需求量也随之提高。常规的切割控制有人工控制，这种控制方式不仅效率较低，而且还会造成人工浪费。还有一种切割控制方式是通过对加工的产品路径进行编程，通过程序完成切割，但是这种切割控制需要对每种新加工产品进行编订设定程序，这种对于那种批量的产品比较适合，但是随着社会发展人们对于小批量个性化产品需求更多。因而采用这种编程控制的方式效率也不能满足需求。
[0003]现在还有一种通过机器视觉的方式来实现切割控制，即利用相机采集的外界图像和设计图像来设计切割走向，同时通过相机实时监控切割是否发生偏移并实时矫正，这种切割控制方式适应性更高。但是这种控制方式的实现过程为，通过刀具识别识别出刀具位置，根据设计图和当前刀具位置判断刀具的移动方向，然后通过空间变换到世界坐标系完成切割控制。这个过程需要实时的识别刀具，而神经网络识别刀具的准确度更高，但是神经网络识别的实时性无法满足。

技术实现思路

[0004]本专利技术提供一种用于非金属材料切割的自动定位控制方法及系统，根据切割的先验知识来给予刀具识别网络学习指导，提高刀具识别效率，利用切割先验知识来辅助设计刀具识别网络，提高了刀具识别的准确性和实时性。
[0005]本专利技术的一种用于非金属材料切割的自动定位控制方法采用如下技术方案：该方法包括：按照预设时间间隔采集从开始切割到结束切割之间不同时刻的切割图像；对采集到的相邻两时刻的切割图像进行卷积、池化处理，并对处理后的图像做差得到不同时段的多通道特征差异图像，并获取每一时段的多通道特征差异图像中每个通道的字典特征向量；将切割的预设指令路径曲线按照采集到的切割图像所对应的时刻进行分割，得到不同时段的指令路径曲线，并获取不同时段的指令路径曲线常量参数向量；利用每一时段的多通道特征差异图像中每个通道的字典特征向量及该时段的指令路径曲线常量参数向量构建每一时段的先验信息损失函数；利用从开始切割到结束切割之间中任一时间段作为当前时间段，获取当前时段的多通道特征差异图像中每个通道的字典特征向量与当前时段对应的指令路径曲线常量参数向量之间的距离均值，确定当前时段实际切割路径曲线与指令路径曲线的差异度值；获取由开始切割到当前时段之间所有时段的差异度值组成差异度序列并拟合出
曲线差异度方程；根据曲线差异度方程拟合出的下次训练时段的差异度值和差异度序列的排列熵确定调整后下次训练时段的差异度值；根据调整后下次训练时段的差异度值确定下次训练时段对应的先验信息损失函数权重和刀具识别网络中传统损失函数权重，将加权后先验信息损失函数和传统损失函数相加获得综合损失函数；利用综合损失函数对刀具识别网络进行监督训练，将当前采集到的切割图像作为训练完成的刀具识别网络的输入，输出下一时刻的刀具位置。
[0006]进一步地，所述对采集到的相邻两时刻的切割图像进行卷积、池化处理，并对处理后的图像做差得到不同时段的多通道特征差异图像，包括：将不同时刻的切割图像经过卷积、池化处理后得到不同时刻的多通道特征图像；将采集到的任意相邻两时刻中后一时刻的多通道特征图像与前一时刻的多通道特征图像在各通道对应做差，得到不同时段的多通道特征差异图像。
[0007]进一步地，所述利用每一时段的多通道特征差异图像中每个通道的字典特征向量及该时段的指令路径曲线常量参数向量构建每一时段的先验信息损失函数，包括：选取任一时段作为待计算时段，并获取待计算时段的多通道特征差异图像中每个通道的字典特征向量；根据待计算时段中每个通道的字典特征向量计算出待计算时段的字典特征质心向量；计算待计算时段的字典特征质心向量与待计算时段的指令路径曲线常量参数向量之间的第一距离；计算待计算时段中每个通道的字典特征向量与待计算时段的指令路径曲线常量参数向量之间的全部第二距离；选取获得的所有第二距离中最大值记作第二距离最大值，根据第一距离和第二距离最大值的比值构建待计算时段的先验信息损失函数；按照待计算时段的先验信息损失函数构建方法，构建出每一时段的先验信息损失函数。
[0008]进一步地，任一时段的所述先验信息损失函数的计算公式如下式所示：其中，表示该时段的指令路径曲线常量参数向量；表示该时段的字典特征质心向量；表示该时段的字典特征质心向量与该时段的指令路径曲线常量参数向量之间的第一距离；表示该时段的多通道特征差异图像中任一通道的字典特征向量；表示该时段中任一通道的字典特征向量与该时段的指令路径曲线常量参数向量之间的第二距离；表示第二距离最大值。
[0009]进一步地，所述调整后下次训练时段的差异度值的计算公式如下式所示：
其中，表示根据曲线差异度方程拟合出的下次训练时段的差异度值；表示由开始切割到当前时段之间所有时段的差异度值组成差异度序列的排列熵；a表示根据经验设置的参数；表示根据经验设置的参数。
[0010]进一步地，所述根据调整后下次训练时段的差异度值确定下次训练时段对应的先验信息损失函数权重和刀具识别网络中传统损失函数权重，包括：所述先验信息损失函数权重的计算公式如下式所示：其中，表示先验信息损失函数权重；表示调整后下次训练时段的差异度值；所述刀具识别网络中传统损失函数权重的计算公式如下式所示：其中，表示刀具识别网络中传统损失函数权重；表示先验信息损失函数权重。
[0011]进一步地，所述将加权后先验信息损失函数和传统损失函数相加获得综合损失函数，包括：所述综合损失函数的计算公式如下式所示：其中，表示综合损失函数；表示刀具识别网络中传统损失函数权重；表示刀具识别网络中传统损失函数；表示先验信息损失函数权重；表示先验信息损失函数。
[0012]进一步地，所述并获取不同时段的指令路径曲线常量参数向量，包括：利用最小二乘法拟合出不同时段的指令路径曲线的多项式；根据不同时段的指令路径曲线的多项式获取不同时段的指令路径曲线的常量参数；由获得的不同时段的指令路径曲线的常量参数组成不同时段的指令路径曲线常量参数向量。
[0013]一种用于非金属材料切割的自动定位控制系统，包括：图像采集模块，用于按照预设时间间隔采集从开始切割到结束切割之间不同时刻的切割图像；向量获取模块，用于对采集到的相邻两时刻的切割图像进行卷积、池化处理，并对处理后的图像做差得到不同时段的多通道特征差异图像，并获取每一时段的多通道特征差异图像中每个通道的字典特征向量；用于将切割的预设指令路径曲线按照采集到的切割图像所对应的时刻进行分割，得到不同时段的指令路径曲线，并获取不同时段的指令路径曲线常量参数向量；先验信息损失函数构建模块，用于利用每一时段的多通道特征差异图像中每个通道的字典特征向量及该时段的指令路径曲线常量参数向量构建每一时段的先验信息损失
函数；差异度值确定模块，用于利用从开始切割到结束切割之间中任一时间段作为当前时段，获取当前时段的多通道特征差异图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于非金属材料切割的自动定位控制方法，其特征在于，该方法包括：按照预设时间间隔采集从开始切割到结束切割之间不同时刻的切割图像；对采集到的相邻两时刻的切割图像进行卷积、池化处理，并对处理后的图像做差得到不同时段的多通道特征差异图像，并获取每一时段的多通道特征差异图像中每个通道的字典特征向量；将切割的预设指令路径曲线按照采集到的切割图像所对应的时刻进行分割，得到不同时段的指令路径曲线，并获取不同时段的指令路径曲线常量参数向量；利用每一时段的多通道特征差异图像中每个通道的字典特征向量及该时段的指令路径曲线常量参数向量构建每一时段的先验信息损失函数；利用从开始切割到结束切割之间中任一时间段作为当前时段，获取当前时段的多通道特征差异图像中每个通道的字典特征向量与当前时段对应的指令路径曲线常量参数向量之间的距离均值，确定当前时段实际切割路径曲线与指令路径曲线的差异度值；获取由开始切割到当前时段之间所有时段的差异度值组成差异度序列并拟合出曲线差异度方程；根据曲线差异度方程拟合出的下次训练时段的差异度值和差异度序列的排列熵确定调整后下次训练时段的差异度值；根据调整后下次训练时段的差异度值确定下次训练时段对应的先验信息损失函数权重和刀具识别网络中传统损失函数权重，将加权后先验信息损失函数和传统损失函数相加获得综合损失函数；利用综合损失函数对刀具识别网络进行监督训练，将当前采集到的切割图像作为训练完成的刀具识别网络的输入，输出下一时刻的刀具位置。2.根据权利要求1所述的一种用于非金属材料切割的自动定位控制方法，其特征在于，所述对采集到的相邻两时刻的切割图像进行卷积、池化处理，并对处理后的图像做差得到不同时段的多通道特征差异图像，包括：将不同时刻的切割图像经过卷积、池化处理后得到不同时刻的多通道特征图像；将采集到的任意相邻两时刻中后一时刻的多通道特征图像与前一时刻的多通道特征图像在各通道对应做差，得到不同时段的多通道特征差异图像。3.根据权利要求1所述的一种用于非金属材料切割的自动定位控制方法，其特征在于，所述利用每一时段的多通道特征差异图像中每个通道的字典特征向量及该时段的指令路径曲线常量参数向量构建每一时段的先验信息损失函数，包括：选取任一时段作为待计算时段，并获取待计算时段的多通道特征差异图像中每个通道的字典特征向量；根据待计算时段中每个通道的字典特征向量计算出待计算时段的字典特征质心向量；计算待计算时段的字典特征质心向量与待计算时段的指令路径曲线常量参数向量之间的第一距离；计算待计算时段中每个通道的字典特征向量与待计算时段的指令路径曲线常量参数向量之间的全部第二距离；选取获得的所有第二距离中最大值记作第二距离最大值，根据第一距离和第二距离最大值的比值构建待计算时段的先验信息损失函数；
按照待计算时段的先验信息损失函数构建方法，构建出每一时段的先验信息损失函数。4.根据权利要求3所述的一种用于非金属材料切割的自动定位控制方法，其特征在于，任一时段的所述先验信息损失函数的计算公式如下式所示：其中，表示该时段的指令路径曲线常量参数向量；表示该时段的字典特征质心向量；表示该时段的字典特征质心向量与该时段的指令路径曲线常量参数向量之间的第一距离；表示该时段的多通道特征差异图像中任一通道的字典特征向量；表示该时段中任一通道的字典特征向量与该时段的指令路径曲线常量参数向量之间的第二距离；表示第二距离最大值。5.根据权利要求1所述的一种用于非金属材料切割的...

【专利技术属性】
技术研发人员：屈志轩，张福生，
申请(专利权)人：苏州市洛肯电子科技有限公司，
类型：发明
国别省市：