适用于家居定制行业的工业自动化处理方法及系统技术方案

本申请涉及智能化家具生产领域，其具体地公开了一种适用于家居定制行业的工业自动化处理方法及系统，其利用基于深度学习的人工智能检测技术，以通过使用空间注意力机制的卷积神经网络模型来提取第一板材图像和第二板材图像中关于板材形状、钻孔等高维隐含特征关联信息，并在高维空间中进行差分处理以获取两者之间的相关性特征信息，并以此进行两块板材是否属于同一订单的分类处理。这样，基于板材图像来进行智能化分拣，以在追求材料利用率的同时提高分拣效率。时提高分拣效率。时提高分拣效率。

【技术实现步骤摘要】
适用于家居定制行业的工业自动化处理方法及系统


[0001]本申请涉及智能化家具生产领域，且更为具体地，涉及一种适用于家居定制行业的工业自动化处理方法及系统。

技术介绍

[0002]随着定制家具行业的高速发展，生产企业大量组建以数控开料加工中心、封边机、数控排钻加工中心为核心设备的高度自动化定制家具生产线，例如，板式家具自动化生产线。
[0003]在板式家具自动化生产线的生产过程中，为了追求材料利用率，生产企业会将一定量的同等原材料为基础的订单合并到一起进行批次开料、封边、钻孔。在此过程中，易出现订单混淆、分拣困难等问题。大多数生产企业的做法是在开料时在板件贴上条形码或标签加以区分，但这类做法增加了分拣工序的步骤，增加人工成本，订单混淆、分拣困难的问题无法得到根本解决。
[0004]因此，期待一种更为优化的适用于家具定制行业的工业自动化处理方案。

技术实现思路

[0005]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适用于家居定制行业的工业自动化处理方法及系统，其利用基于深度学习的人工智能检测技术，以通过使用空间注意力机制的卷积神经网络模型来提取第一板材图像和第二板材图像中关于板材形状、钻孔等高维隐含特征关联信息，并在高维空间中进行差分处理以获取两者之间的相关性特征信息，并以此进行两块板材是否属于同一订单的分类处理。这样，基于板材图像来进行智能化分拣，以在追求材料利用率的同时提高分拣效率。
[0006]根据本申请的一个方面，提供了一种适用于家居定制行业的工业自动化处理方法，其包括：
[0007]获取由摄像头采集的待匹配的第一板材和第二板材的第一板材图像和第二板材图像；
[0008]将所述第一板材图像和所述第二板材图像分别通过基于自动编码解码器的图像降噪器以得到第一降噪板材图像和第二降噪板材图像；
[0009]将所述第一降噪板材图像和所述第二降噪板材图像分别通过使用空间注意力机制的卷积神经网络模型以得到第一板材特征矩阵和第二板材特征矩阵；
[0010]计算所述第一板材特征矩阵和所述第二板材特征矩阵之间的差分特征矩阵；以及
[0011]将所述差分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第一板材和第二板材是否属于同一订单。
[0012]在上述适用于家居定制行业的工业自动化处理方法中，将所述第一板材图像和所述第二板材图像分别通过基于自动编码解码器的图像降噪器以得到第一降噪板材图像和第二降噪板材图像，包括：将所述第一板材图像和所述第二板材图像分别输入所述图像降
噪器的编码器，其中，所述编码器使用卷积层分别对所述第一板材图像和所述第二板材图像进行显式空间编码以得到第一图像特征和第二图像特征；以及，将所述第一图像特征和所述第二图像特征分别输入所述图像降噪器的解码器，其中，所述解码器使用反卷积层分别对所述第一图像特征和所述第二图像特征进行反卷积处理以得到第一降噪板材图像和第二降噪板材图像。
[0013]在上述适用于家居定制行业的工业自动化处理方法中，将所述第一降噪板材图像和所述第二降噪板材图像分别通过使用空间注意力机制的卷积神经网络模型以得到第一板材特征矩阵和第二板材特征矩阵，包括：使用所述卷积神经网络模型的卷积编码部分对所述第一降噪板材图像和所述第二降噪板材图像分别进行深度卷积编码以得到第一初始卷积特征图和第二初始卷积特征图；将所述第一初始卷积特征图和所述第二初始卷积特征图分别输入所述卷积神经网络模型的空间注意力部分以得到第一空间注意力图和第二空间注意力图；将所述第一空间注意力图和所述第二空间注意力图分别通过Softmax激活函数以得到第一空间注意力特征图和第二空间注意力特征图；计算所述第一空间注意力特征图和所述第一初始卷积特征图的按位置点乘以得到第一板材特征图，并计算所述第二空间注意力特征图和所述第二初始卷积特征图的按位置点乘以得到第二板材特征图；以及，对所述第一板材特征图和所述第二板材特征图分别进行沿通道维度的全局均值池化处理以得到所述第一板材特征矩阵和所述第二板材特征矩阵。
[0014]在上述适用于家居定制行业的工业自动化处理方法中，计算所述第一板材特征矩阵和所述第二板材特征矩阵之间的差分特征矩阵，包括：将所述第一板材特征矩阵和所述第二板材特征矩阵展开为第一板材特征向量和第二板材特征向量；构造所述第一板材特征向量和所述第二板材特征向量的联合高斯密度图，其中，所述联合高斯密度图的均值向量为所述第一板材特征向量和所述第二板材特征向量之间的按位置均值向量，所述联合高斯密度图的协方差矩阵中各个位置的值为所述第一板材特征向量和所述第二板材特征向量的按位置方差；分别计算所述第一板材特征向量和所述第二板材特征向量相对于所述联合高斯密度图的高斯概率密度分布距离指数以得到第一高斯概率密度分布距离指数和第二高斯概率密度分布距离指数；以所述第一高斯概率密度分布距离指数和所述第二高斯概率密度分布距离指数作为权重对所述第一板材特征矩阵和所述第二板材特征矩阵进行加权以得到加权后第一板材特征矩阵和加权后第二板材特征矩阵；以及，计算所述加权后第一板材特征矩阵和所述加权后第二板材特征矩阵之间的差分以得到所述差分特征矩阵。
[0015]在上述适用于家居定制行业的工业自动化处理方法中，构造所述第一板材特征向量和所述第二板材特征向量的联合高斯密度图，包括：以如下公式构造所述第一板材特征向量和所述第二板材特征向量的联合高斯密度图；其中，所述公式为：
[0016][0017]其中，μ
u
表示所述第一板材特征向量和所述第二板材特征向量之间的按位置均值向量，且∑
u
表示所述第一板材特征向量和所述第二板材特征向量的按位置方差构成的协方差矩阵，表示所述联合高斯密度图。
[0018]在上述适用于家居定制行业的工业自动化处理方法中，分别计算所述第一板材特征向量和所述第二板材特征向量相对于所述联合高斯密度图的高斯概率密度分布距离指
数以得到第一高斯概率密度分布距离指数和第二高斯概率密度分布距离指数，包括：以如下公式分别计算所述第一板材特征向量和所述第二板材特征向量相对于所述联合高斯密度图的高斯概率密度分布距离指数以得到第一高斯概率密度分布距离指数和第二高斯概率密度分布距离指数；其中，所述公式为：
[0019][0020][0021]其中，V1和V2分别是所述第一板材特征向量和所述第二板材特征向量，μ
u
和∑
u
是联合高斯密度图的均值向量和协方差矩阵，即μ
u
表示所述第一板材特征向量和所述第二板材特征向量的均值向量，且Σ
u
表示所述第一板材特征向量和所述第二板材特征向量的按位置方差构成的协方差矩阵，其中向量均为列向量，表示按位置作差，表示矩阵乘法，exp(
·
)表示以e为底的指数函数运算，w1和w2分别是所述第一高斯概率密度分布距离指数和所述第二高斯概率密度分布距离指数。
[0022]在上述适用于家居定制行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于家居定制行业的工业自动化处理方法，其特征在于，包括：获取由摄像头采集的待匹配的第一板材和第二板材的第一板材图像和第二板材图像；将所述第一板材图像和所述第二板材图像分别通过基于自动编码解码器的图像降噪器以得到第一降噪板材图像和第二降噪板材图像；将所述第一降噪板材图像和所述第二降噪板材图像分别通过使用空间注意力机制的卷积神经网络模型以得到第一板材特征矩阵和第二板材特征矩阵；计算所述第一板材特征矩阵和所述第二板材特征矩阵之间的差分特征矩阵；以及将所述差分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第一板材和第二板材是否属于同一订单。2.根据权利要求1所述的适用于家居定制行业的工业自动化处理方法，其特征在于，将所述第一板材图像和所述第二板材图像分别通过基于自动编码解码器的图像降噪器以得到第一降噪板材图像和第二降噪板材图像，包括：将所述第一板材图像和所述第二板材图像分别输入所述图像降噪器的编码器，其中，所述编码器使用卷积层分别对所述第一板材图像和所述第二板材图像进行显式空间编码以得到第一图像特征和第二图像特征；以及将所述第一图像特征和所述第二图像特征分别输入所述图像降噪器的解码器，其中，所述解码器使用反卷积层分别对所述第一图像特征和所述第二图像特征进行反卷积处理以得到第一降噪板材图像和第二降噪板材图像。3.根据权利要求2所述的适用于家居定制行业的工业自动化处理方法，其特征在于，将所述第一降噪板材图像和所述第二降噪板材图像分别通过使用空间注意力机制的卷积神经网络模型以得到第一板材特征矩阵和第二板材特征矩阵，包括：使用所述卷积神经网络模型的卷积编码部分对所述第一降噪板材图像和所述第二降噪板材图像分别进行深度卷积编码以得到第一初始卷积特征图和第二初始卷积特征图；将所述第一初始卷积特征图和所述第二初始卷积特征图分别输入所述卷积神经网络模型的空间注意力部分以得到第一空间注意力图和第二空间注意力图；将所述第一空间注意力图和所述第二空间注意力图分别通过Softmax激活函数以得到第一空间注意力特征图和第二空间注意力特征图；计算所述第一空间注意力特征图和所述第一初始卷积特征图的按位置点乘以得到第一板材特征图，并计算所述第二空间注意力特征图和所述第二初始卷积特征图的按位置点乘以得到第二板材特征图；以及对所述第一板材特征图和所述第二板材特征图分别进行沿通道维度的全局均值池化处理以得到所述第一板材特征矩阵和所述第二板材特征矩阵。4.根据权利要求3所述的适用于家居定制行业的工业自动化处理方法，其特征在于，计算所述第一板材特征矩阵和所述第二板材特征矩阵之间的差分特征矩阵，包括：将所述第一板材特征矩阵和所述第二板材特征矩阵展开为第一板材特征向量和第二板材特征向量；构造所述第一板材特征向量和所述第二板材特征向量的联合高斯密度图，其中，所述联合高斯密度图的均值向量为所述第一板材特征向量和所述第二板材特征向量之间的按位置均值向量，所述联合高斯密度图的协方差矩阵中各个位置的值为所述第一板材特征向
量和所述第二板材特征向量的按位置方差；分别计算所述第一板材特征向量和所述第二板材特征向量相对于所述联合高斯密度图的高斯概率密度分布距离指数以得到第一高斯概率密度分布距离指数和第二高斯概率密度分布距离指数；以所述第一高斯概率密度分布距离指数和所述第二高斯概率密度分布距离指数作为权重对所述第一板材特征矩阵和所述第二板材特征矩阵进行加权以得到加权后第一板材特征矩阵和加权后第二板材特征矩阵；以及计算所述加权后第一板材特征矩阵和所述加权后第二板材特征矩阵之间的差分以得到所述差分特征矩阵。5.根据权利要求4所述的适用于家居定制行业的工业自动化处理方法，其特征在于，构造所述第一板材特征向量和所述第二板材特征向量的联合高斯密度图，包括：以如下公式构造所述第一板材特征向量和所述第二板材特征向量的联合高斯密度图；其中，所述公式为：其中，μ

【专利技术属性】
技术研发人员：沈炜炜，
申请(专利权)人：浙江研几网络科技股份有限公司，
类型：发明
国别省市：