运动服装的无痕处理方法及其系统技术方案

本申请公开了一种运动服装的无痕处理方法及其系统，其能够基于被焊接面料在被超声波焊接机焊接过程中的实时焊接状态来自适应地调整焊接策略(所述焊接策略包括所述超声波焊接机的移动速度和焊接功率等)，通过这样的方式，来提高无痕处理工艺的品质。来提高无痕处理工艺的品质。来提高无痕处理工艺的品质。

【技术实现步骤摘要】
运动服装的无痕处理方法及其系统


[0001]本申请涉及智能化制造
，且更为具体地，涉及一种运动服装的 无痕处理方法及其系统。

技术介绍

[0002]服装作为人们最为常见和接触的生活用品，无论是内衣服饰还是、外套 大衣都是采用线材缝合的技术，这种制作方式的服装无论是在内面还是外面 都会存在很多的缝合线。随着时代变迁，潮流不断，市场的需求促进的无痕 服装技术的诞生，无痕服装响应潮流的号召而风靡，不管是大型品牌还是小 型加工服装生产商都开始重视无痕服装技术。
[0003]无痕衣服通常采用的是点胶技术，是由若干块面料通过双面热溶胶拼接 而成，面料与双面热溶胶之间通过高波机压制紧固，使处于服装本体正面中 心线左右两侧的两块面料，通过隐形连接件予以接合固定而成。
[0004]在利用超声波焊接机进行无痕处理时，当面料只有两块时焊接工艺比较 简单，而当面料超过两块时，其工艺控制要求将变得复杂。例如，当需要焊 接第三块面料时，由于第一块面料和第二块面料在焊接过程中产生了应力， 由于应力的存在会导致面料边缘产生弯曲或褶皱，因此，在进行第三块面料 焊接时，如果仍以常规焊接模式来进行焊接控制，也就是，沿着焊接线以预 定速度移动所述超声波焊接机的控制模式，可能会导致起褶、面料间连接强 度不一致等问题，影响最终无痕运动服装的品质。
[0005]因此，期待一种优化的运动服装的无痕处理工艺。

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运动 服装的无痕处理方法及其系统，其能够基于被焊接面料在被超声波焊接机焊 接过程中的实时焊接状态来自适应地调整焊接策略(所述焊接策略包括所述 超声波焊接机的移动速度和焊接功率等)，通过这样的方式，来提高无痕 处理工艺的品质。
[0007]根据本申请的一个方面，提供了一种运动服装的无痕处理方法，其包括：
[0008]获取由摄像头采集的焊接过程中包含当前时间点在内的多个预定时间 点的面料焊接图像；将所述多个面料焊接图像分别通过目标检测网络以得到 多个焊接区域感兴趣区域；将所述多个焊接区域感兴趣区域排列为三维输入 张量后通过三维卷积神经网络模型以得到焊接变化特征图；对所述焊接变化 特征图中沿通道维度的各个特征矩阵进行全局均值池化以得到焊接变化特 征向量；基于所述焊接变化特征向量的二范数，对所述焊接变化特征向量中 各个位置的特征值进行校正以得到校正后焊接变化特征向量；获取超声波焊 接机在所述多个预定时间点的焊接功率值和移动速度值；将所述超声波焊接 机在所述多个预定时间点的焊接功率值和移动速度值分别按照时间维度排 列为功率输入向量和速度输入向量后，计算所述功率输入向量的转置向量和 所述速度输入向量之间的乘积以得到功率
‑
速度关联矩阵；将所述功率
‑
速度 关联矩阵通过作为过滤器的卷积神经网络模
型以得到控制参数关联特征向 量；计算所述校正后焊接变化特征向量相对于所述控制参数关联特征向量的 响应性估计以得到分类特征矩阵；以及将所述分类特征矩阵通过分类器以得 到分类结果，所述分类结果用于表示当前时间点的超声波焊接机的焊接功率 值应增大或应减小，且所述超声波焊接机的移动速度值应增大或应减小。
[0009]在上述运动服装的无痕处理方中，所述将所述多个面料焊接图像分别通 过目标检测网络以得到多个焊接区域感兴趣区域，包括：将所述多个面料焊 接图像中各个面料焊接图像通过所述目标检测网络的多个卷积层以由所述 多个卷积层的最后一层输出多个面料焊接浅层特征图；以及使用所述目标检 测网络以如下公式分别对所述多个面料焊接浅层特征图中各个面料焊接浅 层特征图进行处理以得到所述多个焊接区域感兴趣区域；其中，所述公式为：
[0010]Dets＝H(ψ
det
，B)＝(cls(ψ
det
，B)，Regr(ψ
det
，B))
[0011]其中，Dets表示焊接区域感兴趣区域、cls(ψ
det
,B)表示基于锚框的分类、 Regr(ψ
det
,B)表示基于锚框的回归。
[0012]在上述运动服装的无痕处理方中，所述将所述多个面料焊接图像中各个 面料焊接图像通过所述目标检测网络的多个卷积层以由所述多个卷积层的 最后一层输出多个面料焊接浅层特征图，包括：使用所述多个卷积层的各个 卷积层在层的正向传递中对输入数据进行基于二维卷积核的卷积处理、池化 处理和非线性激活处理以由所述多个卷积层的最后一层输出所述多个面料 焊接浅层特征图，其中，所述多个卷积层的第一层的输入为所述面料焊接图 像。
[0013]在上述运动服装的无痕处理方中，所述将所述多个焊接区域感兴趣区域 排列为三维输入张量后通过三维卷积神经网络模型以得到焊接变化特征图， 包括：使用所述三维卷积神经网络模型的各层在层的正向传递中分别对输入 数据进行基于三维卷积核的卷积处理、池化处理和非线性激活处理以由所述 三维卷积神经网络模型的最后一层输出所述焊接变化特征图。
[0014]在上述运动服装的无痕处理方中，所述基于所述焊接变化特征向量的二 范数，对所述焊接变化特征向量中各个位置的特征值进行校正以得到校正后 焊接变化特征向量，包括：基于所述焊接变化特征向量的二范数，以如下公 式对所述焊接变化特征向量中各个位置的特征值进行校正以得到所述校正 后焊接变化特征向量；其中，所述公式为：
[0015][0016]其中，V是所述焊接变化特征向量，Σ是所述焊接变化特征向量的自协方 差矩阵，μ和σ分别是所述焊接变化特征向量全局均值和方差，||V||2表示所述 焊接变化特征向量的二范数。
[0017]在上述运动服装的无痕处理方中，所述将所述功率
‑
速度关联矩阵通过 作为过滤器的卷积神经网络模型以得到控制参数关联特征向量，包括：使用 所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入 数据进行卷积处理、基于特征矩阵的池化处理和非线性激活处理以由所述作 为过滤器的卷积神经网络模型的最后一层输出所述控制参数关联特征向量。
[0018]在上述运动服装的无痕处理方中，所述计算所述校正后焊接变化特征向 量相对
于所述控制参数关联特征向量的响应性估计以得到分类特征矩阵，包 括：以如下公式计算所述校正后焊接变化特征向量相对于所述控制参数关联 特征向量的响应性估计以得到所述分类特征矩阵；其中，所述公式为： V
′
＝M
c
*V
c
，其中M
c
表示所述分类特征矩阵，V
c
表示所述控制参数关联特征 向量，V
′
表示所述校正后焊接变化特征向量。
[0019]在上述运动服装的无痕处理方中，所述将所述分类特征矩阵通过分类器 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矩阵进 行处理以得到所述分类结果，其中，所述公式为：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运动服装的无痕处理方法，其特征在于，包括：获取由摄像头采集的焊接过程中包含当前时间点在内的多个预定时间点的面料焊接图像；将所述多个面料焊接图像分别通过目标检测网络以得到多个焊接区域感兴趣区域；将所述多个焊接区域感兴趣区域排列为三维输入张量后通过三维卷积神经网络模型以得到焊接变化特征图；对所述焊接变化特征图中沿通道维度的各个特征矩阵进行全局均值池化以得到焊接变化特征向量；基于所述焊接变化特征向量的二范数，对所述焊接变化特征向量中各个位置的特征值进行校正以得到校正后焊接变化特征向量；获取超声波焊接机在所述多个预定时间点的焊接功率值和移动速度值；将所述超声波焊接机在所述多个预定时间点的焊接功率值和移动速度值分别按照时间维度排列为功率输入向量和速度输入向量后，计算所述功率输入向量的转置向量和所述速度输入向量之间的乘积以得到功率
‑
速度关联矩阵；将所述功率
‑
速度关联矩阵通过作为过滤器的卷积神经网络模型以得到控制参数关联特征向量；计算所述校正后焊接变化特征向量相对于所述控制参数关联特征向量的响应性估计以得到分类特征矩阵；以及将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的超声波焊接机的焊接功率值应增大或应减小，且所述超声波焊接机的移动速度值应增大或应减小。2.根据权利要求1所述的运动服装的无痕处理方法，其特征在于，所述将所述多个面料焊接图像分别通过目标检测网络以得到多个焊接区域感兴趣区域，包括：将所述多个面料焊接图像中各个面料焊接图像通过所述目标检测网络的多个卷积层以由所述多个卷积层的最后一层输出多个面料焊接浅层特征图；以及使用所述目标检测网络以如下公式分别对所述多个面料焊接浅层特征图中各个面料焊接浅层特征图进行处理以得到所述多个焊接区域感兴趣区域；其中，所述公式为：Dets＝H(ψ
det
，B)＝(cls(ψ
det
，B)，Regr(ψ
det
，B))其中，Dets表示焊接区域感兴趣区域、cls(ψ
det
，B)表示基于锚框的分类、Regr(ψ
det
，B)表示基于锚框的回归。3.根据权利要求2所述的运动服装的无痕处理方法，其特征在于，所述将所述多个面料焊接图像中各个面料焊接图像通过所述目标检测网络的多个卷积层以由所述多个卷积层的最后一层输出多个面料焊接浅层特征图，包括：使用所述多个卷积层的各个卷积层在层的正向传递中对输入数据进行基于二维卷积核的卷积处理、池化处理和非线性激活处理以由所述多个卷积层的最后一层输出所述多个面料焊接浅层特征图，其中，所述多个卷积层的第一层的输入为所述面料焊接图像。4.根据权利要求3所述的运动服装的无痕处理方法，其特征在于，所述将所述多个焊接区域感兴趣区域排列为三维输入张量后通过三维卷积神经网络模型以得到焊接变化特征图，包括：使用所述三维卷积神经网络模型的各层在层的正向传递中分别对输入数据进行基于三维卷积核的卷积处理、池化处理和非线性激活处理以由所述三维卷积神经网络模型的最后一层输出所述焊接变化特征图。5.根据权利要求4所述的运动服装的无痕处理方法，其特征在于，所述基于所述焊接变化特征向量的二范数，对所述焊接变化特征向量中各个位置的特征值进行校正以得到校正后焊接变化特征向量，包括：基于所述焊接变化特征向量的二范数，以如下公式对所述焊接变化特征向量中各个位置的特征值进行校正以得到所述校正后焊接变化特征向量；其中，所述公式为：
其中，V是所述焊接变化特征向量，Σ是所述焊接变化特征向量的自协方差矩阵，μ和σ分别是所述焊接变化特征向量全局均值和方差，||V||2表示所述焊接变化特征向量的二范数。6.根据权利要求5所述的运动服装的无痕处理方法，其特征在于，所述将所述功率
‑
速度关联矩阵通过作为过滤器的卷积神经网络模型以得到控制参数关联特征向量，包括：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中...

【专利技术属性】
技术研发人员：刘迪，
申请(专利权)人：宁波共振运动科技有限公司，
类型：发明
国别省市：