钢筋弯曲机的一次弯曲成型装置及其控制方法制造方法及图纸

本申请涉及智能制造的领域，其具体地公开了一种钢筋弯曲机的一次弯曲成型装置及其控制方法，其通过深度神经网络模型来从钢筋弯曲机在弯曲钢筋时的弯曲监控视频中的多个图像关键帧提取出所述钢筋弯折在时序维度上的动态隐含关联特征信息，并且在此过程中，进一步在对生成图像关键帧进行修正后，基于鉴别器损失函数值对深度神经网络进行训练，这样不仅能从图像外观的感知层面上保持一致，还使其能够在特征分布上保持一致。这样，能够提高分类结果的准确性，进而可以实现一次弯曲成型的加工效果。效果。效果。

【技术实现步骤摘要】
钢筋弯曲机的一次弯曲成型装置及其控制方法


[0001]本专利技术涉及智能制造的领域，且更为具体地，涉及一种钢筋弯曲机的一次弯曲成型装置及其控制方法。

技术介绍

[0002]目前，钢筋常常需要弯曲后再进行使用，因此常使用弯曲机对钢筋进行弯曲。但是，现如今在钢筋折弯的过程中容易出现折弯误差较大的情况，使得需要对钢筋进行多次弯折而导致生产效率降低，并且多次弯折还会降低钢筋的自身强度。
[0003]因此，期待一种优化的钢筋弯曲机来实现一次弯曲成型的加工效果。

技术实现思路

[0004]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钢筋弯曲机的一次弯曲成型装置及其控制方法，其通过深度神经网络模型来从钢筋弯曲机在弯曲钢筋时的弯曲监控视频中的多个图像关键帧提取出所述钢筋弯折在时序维度上的动态隐含关联特征信息，并且在此过程中，进一步在对生成图像关键帧进行修正后，基于鉴别器损失函数值对深度神经网络进行训练，这样不仅能从图像外观的感知层面上保持一致，还使其能够在特征分布上保持一致。这样，能够提高分类结果的准确性，进而可以实现一次弯曲成型的加工效果。
[0005]根据本申请的一个方面，提供了一种钢筋弯曲机的一次弯曲成型装置，其包括：视频获取模块，用于获取钢筋弯曲机在弯曲钢筋时的弯曲监控视频；采样模块，用于以预定采样频率从所述弯曲监控视频提取多个图像关键帧；图像生成模块，用于将所述多个图像关键帧分别通过作为生成器的第一卷积神经网络以得到多个生成图像关键帧；特征提取模块，用于将所述多个生成图像关键帧通过使用三维卷积核的第二卷积神经网络以得到跟踪特征图；弯曲控制结果生成模块，用于将所述跟踪特征图通过分类器以获得分类结果，所述分类结果用于表示是否产生结束弯折的提示。
[0006]在上述钢筋弯曲机的一次弯曲成型装置中，所述图像生成模块包括训练单元，所述训练单元用于对所述作为生成器的第一卷积神经网络进行训练；所述训练单元，包括：训练数据获取子单元，用于获取训练图像关键帧，其中，所述训练图像关键帧为部分被遮挡的钢筋弯折图像；训练生成子单元，用于将所述训练图像关键帧通过所述作为生成器的第一卷积神经网络以得到生成训练图像关键帧；生成图像校正子单元，用于计算所述生成训练图像关键帧的数值矩阵相对于所述训练图像关键帧的数值矩阵的平滑运动矩阵作为修正后生成训练图像关键帧，所述平滑运动矩阵基于所述生成训练图像关键帧的数值矩阵与所述训练图像关键帧的数值矩阵之间的差分矩阵以及以所述生成训练图像关键帧的数值矩阵作为后验分布来构建；鉴别子单元，用于将所述修正后生成训练图像关键帧和所述训练图像关键帧通过鉴别器以得到鉴别器损失函数值；以及，训练子单元，用于以所述鉴别器损失函数值对所述作为生成器的第一卷积神经网络进行训练。
[0007]在上述钢筋弯曲机的一次弯曲成型装置中，所述生成图像校正子单元，进一步用于：以如下公式计算所述生成训练图像关键帧的数值矩阵相对于所述训练图像关键帧的数值矩阵的平滑运动矩阵作为所述修正后生成训练图像关键帧；其中，所述公式为：其中 表示所述生成训练图像关键帧的数值矩阵，表示所述训练图像关键帧的数值矩阵，表示按位置差分，表示按位置点乘，表示按位置加和，表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，为控制后验权重的超参数。
[0008]在上述钢筋弯曲机的一次弯曲成型装置中，所述鉴别子单元，包括：第一特征矩阵生成子单元，用于将所述修正后生成训练图像关键帧输入所述鉴别器神经网络以获得第一特征矩阵；第二特征矩阵生成子单元，用于将所述训练图像关键帧输入所述鉴别器神经网络以获得第二特征矩阵；确定子单元，用于确定所述第一特征矩阵与所述第二特征矩阵中的预定位置的值是否相同；第一值子单元，用于响应于所述第一特征矩阵与所述第二特征矩阵中的预定位置的值相同，计算所述预定位置的值的以二为底的对数值的负数值作为第一值；第二值子单元，用于响应于所述第一特征矩阵与所述第二特征矩阵中的预定位置的值不同，计算所述预定位置的值的以二为底的对数值作为第二值；以及，平均值之和计算子单元，用于计算所述第一值按照值相同的位置的平均值和所述第二值按照值不同的位置的平均值之和作为所述鉴别器损失函数值。
[0009]在上述钢筋弯曲机的一次弯曲成型装置中，所述特征提取模块，进一步用于使用所述第二卷积神经网络的各层在层的正向传递中对输入数据分别进行卷积处理、池化处理和非线性激活处理以由所述第二卷积神经网络的最后一层输出所述跟踪特征图。
[0010]在上述钢筋弯曲机的一次弯曲成型装置中，所述弯曲控制结果生成模块，进一步用于：所述分类器以如下公式对所述跟踪特征图进行处理以生成分类结果，其中，所述公式为：，其中表示将所述跟踪特征图投影为向量，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。
[0011]根据本申请的另一方面，一种钢筋弯曲机的一次弯曲成型装置的控制方法，其包括：获取钢筋弯曲机在弯曲钢筋时的弯曲监控视频；以预定采样频率从所述弯曲监控视频提取多个图像关键帧；将所述多个图像关键帧分别通过作为生成器的第一卷积神经网络以得到多个生成图像关键帧；将所述多个生成图像关键帧通过使用三维卷积核的第二卷积神经网络以得到跟踪特征图；将所述跟踪特征图通过分类器以获得分类结果，所述分类结果用于表示是否产生结束弯折的提示。
[0012]在上述钢筋弯曲机的一次弯曲成型装置的控制方法中，将所述多个图像关键帧分别通过作为生成器的第一卷积神经网络以得到多个生成图像关键帧，包括：获取训练图像关键帧，其中，所述训练图像关键帧为部分被遮挡的钢筋弯折图像；将所述训练图像关键帧通过所述作为生成器的第一卷积神经网络以得到生成训练图像关键帧；计算所述生成训练
图像关键帧的数值矩阵相对于所述训练图像关键帧的数值矩阵的平滑运动矩阵作为修正后生成训练图像关键帧，所述平滑运动矩阵基于所述生成训练图像关键帧的数值矩阵与所述训练图像关键帧的数值矩阵之间的差分矩阵以及以所述生成训练图像关键帧的数值矩阵作为后验分布来构建；将所述修正后生成训练图像关键帧和所述训练图像关键帧通过鉴别器以得到鉴别器损失函数值；以及，以所述鉴别器损失函数值对所述作为生成器的第一卷积神经网络进行训练。
[0013]在上述钢筋弯曲机的一次弯曲成型装置的控制方法中，计算所述生成训练图像关键帧的数值矩阵相对于所述训练图像关键帧的数值矩阵的平滑运动矩阵作为修正后生成训练图像关键帧，包括：以如下公式计算所述生成训练图像关键帧的数值矩阵相对于所述训练图像关键帧的数值矩阵的平滑运动矩阵作为所述修正后生成训练图像关键帧；其中，所述公式为：其中表示所述生成训练图像关键帧的数值矩阵，表示所述训练图像关键帧的数值矩阵，表示按位置差分，表示按位置点乘，表示按位置加和，表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，为控制后验权重的超参数。
[0014]在上述钢筋弯曲机的一次弯曲成型装置的控制方法中，将所述修正后生成训练图像关键帧本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钢筋弯曲机的一次弯曲成型装置，其特征在于，包括：视频获取模块，用于获取钢筋弯曲机在弯曲钢筋时的弯曲监控视频；采样模块，用于以预定采样频率从所述弯曲监控视频提取多个图像关键帧；图像生成模块，用于将所述多个图像关键帧分别通过作为生成器的第一卷积神经网络以得到多个生成图像关键帧；特征提取模块，用于将所述多个生成图像关键帧通过使用三维卷积核的第二卷积神经网络以得到跟踪特征图；弯曲控制结果生成模块，用于将所述跟踪特征图通过分类器以获得分类结果，所述分类结果用于表示是否产生结束弯折的提示。2.根据权利要求1所述的钢筋弯曲机的一次弯曲成型装置，其中，所述图像生成模块包括训练单元，所述训练单元用于对所述作为生成器的第一卷积神经网络进行训练；所述训练单元，包括：训练数据获取子单元，用于获取训练图像关键帧，其中，所述训练图像关键帧为部分被遮挡的钢筋弯折图像；训练生成子单元，用于将所述训练图像关键帧通过所述作为生成器的第一卷积神经网络以得到生成训练图像关键帧；生成图像校正子单元，用于计算所述生成训练图像关键帧的数值矩阵相对于所述训练图像关键帧的数值矩阵的平滑运动矩阵作为修正后生成训练图像关键帧，所述平滑运动矩阵基于所述生成训练图像关键帧的数值矩阵与所述训练图像关键帧的数值矩阵之间的差分矩阵以及以所述生成训练图像关键帧的数值矩阵作为后验分布来构建；鉴别子单元，用于将所述修正后生成训练图像关键帧和所述训练图像关键帧通过鉴别器以得到鉴别器损失函数值；以及训练子单元，用于以所述鉴别器损失函数值对所述作为生成器的第一卷积神经网络进行训练。3.根据权利要求2所述的钢筋弯曲机的一次弯曲成型装置，其中，所述生成图像校正子单元，进一步用于：以如下公式计算所述生成训练图像关键帧的数值矩阵相对于所述训练图像关键帧的数值矩阵的平滑运动矩阵作为所述修正后生成训练图像关键帧；其中，所述公式为：其中 表示所述生成训练图像关键帧的数值矩阵，表示所述训练图像关键帧的数值矩阵，表示按位置差分，表示按位置点乘，表示按位置加和，表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，为控制后验权重的超参数。4.根据权利要求3所述的钢筋弯曲机的一次弯曲成型装置，其中，所述鉴别子单元，包括：第一特征矩阵生成子单元，用于将所述修正后生成训练图像关键帧输入所述鉴别器神经网络以获得第一特征矩阵；第二特征矩阵生成子单元，用于将所述训练图像关键帧输入所述鉴别器神经网络以获得第二特征矩阵；确定子单元，用于确定所述第一特征矩阵与所述第二特征矩阵中的预定位置的值是否相同；第一值子单元，用于响应于所述第一特征矩阵与所述第二特征矩阵中的预定位置的值相同，计算所述预定位置的值的以二为底的对数值的负数值作为第一值；第二值子单元，用于响应于所述第一特征矩阵与所述第二特征矩阵中的预定位置的值不同，计算所述预定位置的值的以二为底的对数值作为第二值；以及平均值之和计算子单元，用于计算所述第一值按照值相同的位置的平均值和所述第二值按照值不同的位置的平均值之和作为所述鉴别器损失函数值。
5.根据权利要求4所述的钢筋弯曲机的一次弯曲成型装置，其中，所述特征提取模块，进一步用于使用所述第二卷积神经网络的各层在层的正向传递中对输入数据分别进行卷积处理、池化处理和非线性激活处...

【专利技术属性】
技术研发人员：徐冬梅，宋东明，张艳荣，
申请(专利权)人：江苏顺隆鸿泰电力设备有限公司，
类型：发明
国别省市：