棒球内芯及其智能化制造方法技术

本申请公开了一种棒球内芯及其智能化制造方法，其中，所述棒球内芯由PU材料加热灌注制成，所述智能化制造方法，其将棒球内芯的RGB图像从RGB颜色空间转化为YCbCr颜色空间并抽取各个通道的LBP纹理特征直方图以结合纹理特征和颜色特征来进行产品性能检测，即，从灌注成型的棒球内芯的表面特征来构建质检方案。同时，引入通道注意力机制和空间注意力机制以为不同通道的颜色特征和不同空间位置纹理特征自适应地分配不同权重，以提高后续产品性能分类判断的准确性。类判断的准确性。类判断的准确性。

【技术实现步骤摘要】
棒球内芯及其智能化制造方法


[0001]本申请涉及棒球制造领域，且更为具体地，涉及一种棒球内芯及其智能化制造方法。
技术背景
[0002]棒球是常见的体育用品。传统的棒球内芯是软木球芯，其通过将软木打碎后再加胶水用模具加温制成。这种制备方案不仅工艺繁琐、圆周、大小、重量不可控，最主要的是没有办法控制跳度从而影响产品质量。
[0003]因此，期待一种优化的棒球内芯及其制备方案。

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棒球内芯及其智能化制造方法，其中，所述棒球内芯由PU材料加热灌注制成，所述智能化制造方法，其将棒球内芯的RGB图像从RGB颜色空间转化为YCbCr颜色空间并抽取各个通道的LBP纹理特征直方图以结合纹理特征和颜色特征来进行产品性能检测，即，从灌注成型的棒球内芯的表面特征来构建质检方案。同时，引入通道注意力机制和空间注意力机制以为不同通道的颜色特征和不同空间位置纹理特征自适应地分配不同权重，以提高后续产品性能分类判断的准确性。
[0005]根据本申请的一个方面，提供了一种棒球内芯的智能化制造方法，其包括：获取灌注成型的棒球内芯的RGB图像；将所述棒球内芯的RGB图像从RGB颜色空间转化为 YCbCr颜色空间并抽取各个通道的LBP纹理特征直方图；将所述棒球内芯的RGB图像通过使用通道注意力的第一卷积神经网络以得到通道加强特征图；将所述各个通道的LBP纹理特征直方图分别通过使用空间注意力的第二卷积神经网络以得到空间加强特征图；融合所述通道加强特征图和所述空间加强特征图以得到分类特征图；和将所述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棒球内芯的成型质量是否符合预定要求。
[0006]在上述棒球内芯的智能化制造方法中，所述将所述棒球内芯的RGB图像通过使用通道注意力的第一卷积神经网络以得到通道加强特征图，包括：所述第一卷积神经网络的各层在层的正向传递中对输入数据进行：对所述输入数据进行基于二维卷积核的卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行激活处理以生成激活特征图；计算所述激活特征图的沿通道维度的各个特征矩阵的全局均值以获得通道特征向量；计算所述通道特征向量中各个位置的特征值相对于所述通道特征向量的所有位置的特征值的加权和的比值以获得通道加权特征向量；以及，以所述
通道加权特征向量的各个位置的特征值作为权重对所述激活特征图的沿通道维度的特征矩阵进行点乘以获得生成特征图；其中，所述第一卷积神经网络的最后一层输出的所述生成特征图为所述通道加强特征图。
[0007]在上述棒球内芯的智能化制造方法中，所述将所述各个通道的LBP纹理特征直方图分别通过使用空间注意力的第二卷积神经网络以得到空间加强特征图，包括：使用所述第二卷积神经网络的卷积编码部分对所述LBP纹理特征直方图进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述第二卷积神经网络的空间注意力部分以得到空间注意力图；将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到通道空间加强特征图；以及，对所述通道空间加强特征图进行沿通道维度的全局均值池化处理以得到所述通道空间加强特征矩阵；其中，所述第二卷积神经网络的最后一层输出所述空间加强特征图。
[0008]在上述棒球内芯的智能化制造方法中，所述融合所述通道加强特征图和所述空间加强特征图以得到分类特征图，包括：将所述所述通道加强特征图和所述空间加强特征图进行级联以得到所述分类特征图。
[0009]在上述棒球内芯的智能化制造方法中，所述将所述分类特征图通过分类器以得到分类结果，包括：使用所述分类器以如下公式对所述分类特征图进行处理以生成分类结果，其中，所述公式为：其中表示将所述分类矩阵图投影为向量，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。
[0010]在上述棒球内芯的智能化制造方法中，所述棒球内芯的智能化制造方法，还包括对所述第一卷积神经网络、所述第二卷积神经网络和所述分类器进行训练。
[0011]在上述棒球内芯的智能化制造方法中，所述对所述第一卷积神经网络、所述第二卷积神经网络和所述分类器进行训练，包括：获取训练数据，所述训练数据包括灌注成型的所述棒球内芯的训练RGB图像和所述棒球内芯的成型质量是否符合预定要求的真实值；将所述棒球内芯的训练RGB图像从RGB颜色空间转化为 YCbCr颜色空间并抽取各个通道的训练LBP纹理特征直方图；将所述棒球内芯的训练RGB图像通过所述使用通道注意力的第一卷积神经网络以得到训练通道加强特征图；将所述各个通道的训练LBP纹理特征直方图分别通过所述使用空间注意力的第二卷积神经网络以得到训练空间加强特征图；融合所述训练通道加强特征图和所述训练空间加强特征图以得到分类特征图；将所述分类特征图通过分类器以得到分类损失函数值；计算所述训练通道加强特征图和所述训练空间加强特征图的分类模式消解抑制损失函数值，其中，所述分类模式消解抑制损失函数与由所述训练通道加强特征图展开后得到的第一特征向量和由所述训练空间加强特征图展开后得到的第二特征向量之间的差分特征向量的二范数的平方有关；以及，以所述分类损失函数值和所述分类模式消解抑制损失函数值的加权和作为损失函数值对所述所述第一卷积神经网络、所述第二卷积神经网络和所述分类器进行训练。
[0012]在上述棒球内芯的智能化制造方法中，所述计算所述训练通道加强特征图和所述训练空间加强特征图的分类模式消解抑制损失函数值，包括：以如下公式计算所述训练通
道加强特征图和所述训练空间加强特征图的分类模式消解抑制损失函数值；其中，所述公式为：其中，和分别是所述通道加强特征图和所述空间加强特征图展开后得到的特征向量，且和分别是分类器对于和的权重矩阵，表示向量的二范数的平方，表示矩阵的F范数，且表示向量的二范数的平方，表示按位置减法。
[0013]根据本申请的另一方面，提供了一种棒球内芯的智能化制造系统，包括：图像获取单元，用于获取灌注成型的棒球内芯的RGB图像；LBP纹理特征直方图生成单元，用于将所述棒球内芯的RGB图像从RGB颜色空间转化为 YCbCr颜色空间并抽取各个通道的LBP纹理特征直方图；通道关注单元，用于将所述棒球内芯的RGB图像通过使用通道注意力的第一卷积神经网络以得到通道加强特征图；空间关注单元，用于将所述各个通道的LBP纹理特征直方图分别通过使用空间注意力的第二卷积神经网络以得到空间加强特征图；通道
‑
空间融合单元，用于融合所述通道加强特征图和所述空间加强特征图以得到分类特征图；和质量检测结果生成单元，用于将所述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棒球内芯的成型质量是否符合预定要求。
[0014]在上述棒球内芯的智能化制造系统中，所述通道关注单元，进一步用于：所述第一卷积神经网络的各层在层的正向传递中对输入数据进行：对所述输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种棒球内芯，其特征在于，所述棒球内芯由PU材料加热灌注制成。2.一种棒球内芯的智能化制造方法，其特征在于，包括：获取灌注成型的棒球内芯的RGB图像；将所述棒球内芯的RGB图像从RGB颜色空间转化为 YCbCr颜色空间并抽取各个通道的LBP纹理特征直方图；将所述棒球内芯的RGB图像通过使用通道注意力的第一卷积神经网络以得到通道加强特征图；将所述各个通道的LBP纹理特征直方图分别通过使用空间注意力的第二卷积神经网络以得到空间加强特征图；融合所述通道加强特征图和所述空间加强特征图以得到分类特征图；和将所述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棒球内芯的成型质量是否符合预定要求。3.根据权利要求2所述的棒球内芯的智能化制造方法，其特征在于，所述将所述棒球内芯的RGB图像通过使用通道注意力的第一卷积神经网络以得到通道加强特征图，包括：所述第一卷积神经网络的各层在层的正向传递中对输入数据进行：对所述输入数据进行基于二维卷积核的卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行激活处理以生成激活特征图；计算所述激活特征图的沿通道维度的各个特征矩阵的全局均值以获得通道特征向量；计算所述通道特征向量中各个位置的特征值相对于所述通道特征向量的所有位置的特征值的加权和的比值以获得通道加权特征向量；以及以所述通道加权特征向量的各个位置的特征值作为权重对所述激活特征图的沿通道维度的特征矩阵进行点乘以获得生成特征图；其中，所述第一卷积神经网络的最后一层输出的所述生成特征图为所述通道加强特征图。4.根据权利要求3所述的棒球内芯的智能化制造方法，其特征在于，所述将所述各个通道的LBP纹理特征直方图分别通过使用空间注意力的第二卷积神经网络以得到空间加强特征图，包括：使用所述第二卷积神经网络的卷积编码部分对所述LBP纹理特征直方图进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述第二卷积神经网络的空间注意力部分以得到空间注意力图；将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到通道空间加强特征图；以及对所述通道空间加强特征图进行沿通道维度的全局均值池化处理以得到所述通道空间加强特征矩阵；其中，所述第二卷积神经网络的最后一层输出所述空间加强特征图。5.根据权利要求4所述的棒球内芯的智能化制造方法，其特征在于，所述融合所述通道
加强特征图和所述空间加强特征...

【专利技术属性】
技术研发人员：王爱英，
申请(专利权)人：龙岩欣宜工贸有限公司，
类型：发明
国别省市：