本申请涉及智能制造的领域，其具体地公开了一种双面双玻表面抛光装置及其抛光方法，其通过相机作为视觉传感器采集双面光伏板的外表面被抛光后的表面图像，然后在使用卷积神经网络对所述表面图像进行特征挖掘时通过将显著性特征检测模块集成于所述卷积神经网络的网络结构中，以提高所述卷积神经网络的各层对局部显著特征的提取能力，这样就能够更加聚焦于所述表面图像中的不同尺度特征信息，以更精确地进行分类，同时在利用了注意力机制的特征强化的同时，还设置了特征图间的平滑过渡机制，以避免由于过度强调显著性检测器生成的显著性而导致的信息缺失，进而提高分类的准确性。这样，能够使得对于所述双面光伏板表面的抛光效果更佳。抛光效果更佳。抛光效果更佳。
【技术实现步骤摘要】
双面双玻表面抛光装置及其抛光方法
[0001]本专利技术涉及智能制造的领域，且更为具体地，涉及一种双面双玻表面抛光装置及其抛光方法。
技术介绍
[0002]抛光机是常用的工业加工设备，其通过电动机安装在抛光机上的抛光盘高速旋转，由于抛光盘和抛光剂共同作用并与待抛光表面进行摩擦，以达到抛光的目的。在双面光伏发电板的加工过程中，需利用抛光机对光伏发电板的表面进行抛光。
[0003]但是，相较于常规物件的抛光，双面光伏发电板的的抛光存在其特殊性：相较于普通的面型，双面光伏板的面型会对其发电性能产生影响，也就是，在利用抛光机对双面光伏板的表面进行抛光时，并非表面平整度越高就意味着抛光性能越好，在一定程度上，双面光伏板表面存在的小凸起和小凹陷会优化其发电性能，其原因为当光照射到小凸起或者小凹陷时，在该位置处会发生散射而使得光能量能够更为充分地利用。
[0004]因此，期待一种具有能够判断抛光质量的新型抛光设备。
[0005]近年来，目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。深度学习以及神经网络为智能抛光设备的构建提供了新的思路和解决方案，其中所述智能抛光设备能够对其抛光效果进行智能监测。
技术实现思路
[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种双面双玻表面抛光装置及其抛光方法，其通过相机作为视觉传感器采集双面光伏板的外表面被抛光后的表面图像，然后在使用卷积神经网络对所述表面图像进行特征挖掘时通过将显著性特征检测模块集成于所述卷积神经网络的网络结构中，以提高所述卷积神经网络的各层对局部显著特征的提取能力，这样就能够更加聚焦于所述表面图像中的不同尺度特征信息，以更精确地进行分类，同时在利用了注意力机制的特征强化的同时，还设置了特征图间的平滑过渡机制，以避免由于过度强调显著性检测器生成的显著性而导致的信息缺失，进而提高分类的准确性。这样，能够使得对于所述双面光伏板表面的抛光效果更佳。
[0007]根据本申请的一个方面，提供了一种双面双玻表面抛光装置，其包括：抛光图像采集模块，用于获取由相机采集的双面光伏板的外表面被抛光后的表面图像；图像编码模块，用于将所述表面图像通过具有显著性特征检测模块的第一卷积神经网络以从所述第一卷积神经网络的浅层提取浅度特征图和从所述第一卷积神经网络的深层提取深度特征图；注意力掩码模块，用于计算所述浅度特征图与所述深度特征图之间的按位置距离以生成注意力掩码图；注意力施加模块，用于将所述注意力掩码图与所述深度特征图进行按位置点乘以得到分类特征图；平滑过渡修正模块，用于使用平滑过渡机制来融合所述分类特征图和
所述深度特征图以得到修正后分类特征图；以及抛光结果生成模块，用于将所述修正后分类特征图通过分类器以得到分类结果，所述分类结果用于表示所述双面光伏板的外表面的抛光效果是否满足预设标准。
[0008]在上述双面双玻表面抛光装置中，所述图像编码单元，进一步用于以所述第一卷积神经网络的各层对输入数据进行如下方式的编码：以所述第一卷积神经网络的各层的第一卷积单元以第一卷积核对所述输入数据进行卷积编码以得到卷积特征图；以所述第一卷积神经网络的各层的第二卷积单元以第二卷积核对所述卷积特征图进行卷机编码以得到再卷积特征图，其中，所述第一卷积单元和所述第二卷积单元形成所述显著性特征检测模块，所述第一卷积核的尺寸大于所述第二卷积核的尺寸；以所述第一卷积神经网络的各层的池化单元对所述再卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及，以所述第一卷积神经网络的各层的激活单元对所述池化特征图中各个位置的特征值进行非线性激活以得到激活特征图；其中，从所述第一卷积神经网络的浅层提取的激活特征图为所述浅度特征图，以及，从所述第一卷积神经网络的深层提取的激活特征图为所述深度特征图。
[0009]在上述双面双玻表面抛光装置中，所述浅层为4
‑
6层，所述深层为所述第一卷积神经网络的最后一层。
[0010]在上述双面双玻表面抛光装置中，所述注意力掩码模块，包括：距离得分图单元，用于计算所述浅度特征图与所述深度特征图之间的按位置欧式距离以得到距离得分图；以及，掩码单元，用于基于所述距离得分图与预定阈值之间的比较生成所述注意力掩码图。
[0011]在上述双面双玻表面抛光装置中，所述平滑过渡修正模块，进一步用于：使用平滑过渡机制以如下公式来融合所述分类特征图和所述深度特征图以得到所述修正后分类特征图；其中，所述公式为：其中表示所述分类特征图，表示所述深度特征图，表示以特征图为幂的指数运算，其中，以特征图为幂的指数运算表示以特征图的每个位置的值作为幂求指数，再将结果填入特征图的各个位置以得到矩阵运算结果，和分别表示特征图的按位置减法和加法，且表示数与特征图的点乘，为超参数。
[0012]在上述双面双玻表面抛光装置中，所述抛光结果生成模块，进一步用于：所述分类器以如下公式对所述修正后分类特征图进行处理以生成分类结果，其中，所述公式为：，其中表示将所述修正后分类特征图投影为向量，至为各层全连接层的权重矩阵，至表示各层全连接层的偏置矩阵。
[0013]根据本申请的另一方面，一种双面双玻表面抛光装置的抛光方法，其包括：获取由相机采集的双面光伏板的外表面被抛光后的表面图像；将所述表面图像通过具有显著性特征检测模块的第一卷积神经网络以从所述第一卷积神经网络的浅层提取浅度特征图和从所述第一卷积神经网络的深层提取深度特征图；计算所述浅度特征图与所述深度特征图之间的按位置距离以生成注意力掩码图；将所述注意力掩码图与所述深度特征图进行按位置点乘以得到分类特征图；使用平滑过渡机制来融合所述分类特征图和所述深度特征图以得
到修正后分类特征图；以及将所述修正后分类特征图通过分类器以得到分类结果，所述分类结果用于表示所述双面光伏板的外表面的抛光效果是否满足预设标准。
[0014]在上述双面双玻表面抛光装置的抛光方法中，将所述表面图像通过具有显著性特征检测模块的第一卷积神经网络以从所述第一卷积神经网络的浅层提取浅度特征图和从所述第一卷积神经网络的深层提取深度特征图，包括：以所述第一卷积神经网络的各层对输入数据进行如下方式的编码：以所述第一卷积神经网络的各层的第一卷积单元以第一卷积核对所述输入数据进行卷积编码以得到卷积特征图；以所述第一卷积神经网络的各层的第二卷积单元以第二卷积核对所述卷积特征图进行卷机编码以得到再卷积特征图，其中，所述第一卷积单元和所述第二卷积单元形成所述显著性特征检测模块，所述第一卷积核的尺寸大于所述第二卷积核的尺寸；以所述第一卷积神经网络的各层的池化单元对所述再卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及，以所述第一卷积神经网络的各层的激活单元对所述池化特征图中各个位置的特征值进行非线性激活以得到激活特征图；其中，从所述第一卷积神经网络的浅层提取的激活特征本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种双面双玻表面抛光装置，其特征在于，包括：抛光图像采集模块，用于获取由相机采集的双面光伏板的外表面被抛光后的表面图像；图像编码模块，用于将所述表面图像通过具有显著性特征检测模块的第一卷积神经网络以从所述第一卷积神经网络的浅层提取浅度特征图和从所述第一卷积神经网络的深层提取深度特征图；注意力掩码模块，用于计算所述浅度特征图与所述深度特征图之间的按位置距离以生成注意力掩码图；注意力施加模块，用于将所述注意力掩码图与所述深度特征图进行按位置点乘以得到分类特征图；平滑过渡修正模块，用于使用平滑过渡机制来融合所述分类特征图和所述深度特征图以得到修正后分类特征图；抛光结果生成模块，用于将所述修正后分类特征图通过分类器以得到分类结果，所述分类结果用于表示所述双面光伏板的外表面的抛光效果是否满足预设标准。2.根据权利要求1所述的双面双玻表面抛光装置，其中，所述图像编码单元，进一步用于以所述第一卷积神经网络的各层对输入数据进行如下方式的编码：以所述第一卷积神经网络的各层的第一卷积单元以第一卷积核对所述输入数据进行卷积编码以得到卷积特征图；以所述第一卷积神经网络的各层的第二卷积单元以第二卷积核对所述卷积特征图进行卷机编码以得到再卷积特征图，其中，所述第一卷积单元和所述第二卷积单元形成所述显著性特征检测模块，所述第一卷积核的尺寸大于所述第二卷积核的尺寸；以所述第一卷积神经网络的各层的池化单元对所述再卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及以所述第一卷积神经网络的各层的激活单元对所述池化特征图中各个位置的特征值进行非线性激活以得到激活特征图；其中，从所述第一卷积神经网络的浅层提取的激活特征图为所述浅度特征图，以及，从所述第一卷积神经网络的深层提取的激活特征图为所述深度特征图。3.根据权利要求2所述的双面双玻表面抛光装置，其中，所述浅层为4
‑
6层，所述深层为所述第一卷积神经网络的最后一层。4.根据权利要求3所述的双面双玻表面抛光装置，其中，所述注意力掩码模块，包括：距离得分图单元，用于计算所述浅度特征图与所述深度特征图之间的按位置欧式距离以得到距离得分图；以及掩码单元，用于基于所述距离得分图与预定阈值之间的比较生成所述注意力掩码图。5.根据权利要求4所述的双面双玻表面抛光装置，其中，所述平滑过渡修正模块，进一步用于：使用平滑过渡机制以如下公式来融合所述分类特征图和所述深度特征图以得到所述修正后分类特征图；其中，所述公式为：其中表示所述分类特征图，表示所述深度特征图，表示以特征图为幂的指数运算，其中，以特征图为幂的指数运算表示以特征图的每个位置的值作为幂求指数，再将结果填入特征图的各个位置以得到矩阵运算结果，和分别表示特征图的按位置减...
【专利技术属性】
技术研发人员：王佳佳，马霖敏，崔恩恩，
申请(专利权)人：江苏中清光伏科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。