一种非水泥基贴片石粘结胶泥及其制备方法技术

本申请涉及智能制备领域，其具体地公开了一种非水泥基贴片石粘结胶泥及其制备方法，其通过采用基于深度学习的神经网络模型挖掘出搅拌机的搅拌速度值和搅拌角度值的时序协同关联特征和石材粘合剂原料的混合状态变化特征之间的复杂映射关系，以此来基于所述石材粘合剂原料的混合状态变化情况来准确地进行搅拌参数的自适应控制，以此来提高搅拌的均匀性以及非水泥基贴片石粘结胶泥的制备质量。以及非水泥基贴片石粘结胶泥的制备质量。以及非水泥基贴片石粘结胶泥的制备质量。

【技术实现步骤摘要】
一种非水泥基贴片石粘结胶泥及其制备方法


[0001]本申请涉及智能制备领域，且更为具体地，涉及一种非水泥基贴片石粘结胶泥及其制备方法。

技术介绍

[0002]非水泥基贴片石是近年来逐渐广泛使用的建筑墙面装饰材料，由于其质地较天然石材轻盈，施工难度不大，易生产以及保温装饰效果好等优点，逐渐受到消费者的青睐。
[0003]普通水泥砂浆不仅粘结强度低，还会给石材造成水斑、泛碱、泛黄等问题。石材专用胶泥能够提高粘结强度，降低形成水斑和泛黄泛碱风险，对于密度低，怕碱、怕黄、易渗色的石材产品具有很好的安装效果。
[0004]在非水泥基贴片石粘结胶泥的生产过程中，需要对石材粘合剂的原材料进行混合处理，这就需要相应的混料装置对石材粘合剂的原材料进行混合，现有装置主要采用的是搅拌机，目前的搅拌机对石材原材料的混合效果很差，经常出现混合不均匀的情况，究其原因为：在搅拌的过程中并没有考虑到石材粘合剂原料的混合状态变化与搅拌参数之间的适配关系，只是将搅拌参数固定在一个适宜的数值下，导致混合的效果难以达到应有要求。
[0005]因此，期望一种优化的非水泥基贴片石粘结胶泥制备方案。

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非水泥基贴片石粘结胶泥及其制备方法，其通过采用基于深度学习的神经网络模型挖掘出搅拌机的搅拌速度值和搅拌角度值的时序协同关联特征和石材粘合剂原料的混合状态变化特征之间的复杂映射关系，以此来基于所述石材粘合剂原料的混合状态变化情况来准确地进行搅拌参数的自适应控制，以此来提高搅拌的均匀性以及非水泥基贴片石粘结胶泥的制备质量。
[0007]根据本申请的一个方面，提供了一种非水泥基贴片石粘结胶泥的制备方法，其包括：
[0008]获取预定时间段内多个预定时间点的搅拌机的搅拌速度值和搅拌角度值，以及，所述多个预定时间点的石材粘合剂原料的混合状态监控图像；
[0009]将所述多个预定时间点的石材粘合剂原料的混合状态监控图像分别通过包含深浅特征融合模块的卷积神经网络模型以得到多个混合状态特征图；
[0010]将所述多个混合状态特征图展开为多个混合状态展开特征向量；
[0011]将所述多个混合状态展开特征向量通过基于转换器的上下文编码器以得到混合状态时序关联特征向量；
[0012]将所述多个预定时间点的搅拌机的搅拌速度值和搅拌角度值分别按照时间维度排列为搅拌速度输入向量和搅拌角度输入向量；
[0013]对所述搅拌速度输入向量和所述搅拌角度输入向量进行关联编码以得到搅拌协同输入矩阵；
[0014]将所述搅拌协同输入矩阵通过作为特征提取器的卷积神经网络模型以得到搅拌协同特征矩阵；
[0015]计算所述混合状态时序关联特征向量相对于所述搅拌协同特征矩阵的转移向量作为分类特征向量；
[0016]基于所述混合状态时序关联特征向量，对所述分类特征向量进行特征分布优化以得到优化分类特征向量；以及
[0017]将所述优化分类特征向量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搅拌速度值应增大或应减小，且当前时间点的搅拌角度值应增大或应减小。
[0018]在上述非水泥基贴片石粘结胶泥的制备方法中，将所述多个预定时间点的石材粘合剂原料的混合状态监控图像分别通过包含深浅特征融合模块的卷积神经网络模型以得到多个混合状态特征图，包括：从所述卷积神经网络模型的浅层提取浅层特征图；从所述卷积神经网络模型的深层提取深层特征图；以及，融合所述浅层特征图和所述深层特征图以得到所述混合状态特征图；其中，所述深层与所述浅层之间的比值大于等于5且小于等于10。
[0019]在上述非水泥基贴片石粘结胶泥的制备方法中，将所述多个混合状态展开特征向量通过基于转换器的上下文编码器以得到混合状态时序关联特征向量，包括：使用所述包含嵌入层的上下文编码器的嵌入层分别将所述多个混合状态展开特征向量中各个混合状态展开特征向量映射为混合状态嵌入向量以得到混合状态嵌入向量的序列；使用所述包含嵌入层的上下文编码器的转换器对所述混合状态嵌入向量的序列进行基于转换器思想的全局上下文语义编码以得到多个全局上下文语义混合状态特征向量；以及，将所述多个全局上下文语义混合状态特征向量进行级联以得到所述混合状态时序关联特征向量。
[0020]在上述非水泥基贴片石粘结胶泥的制备方法中，使用所述包含嵌入层的上下文编码器的转换器对所述混合状态嵌入向量的序列进行基于转换器思想的全局上下文语义编码以得到多个全局上下文语义混合状态特征向量，包括：将所述混合状态嵌入向量的序列进行一维排列以得到全局混合状态嵌入向量；计算所述全局混合状态嵌入向量与所述混合状态嵌入向量的序列中各个混合状态嵌入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；分别以所述多个概率值中各个概率值作为权重对所述混合状态嵌入向量的序列中各个混合状态嵌入向量进行加权以得到所述多个上下文语义混合状态特征向量；将所述多个上下文语义混合状态特征向量进行级联以得到所述多个全局上下文语义混合状态特征向量。
[0021]在上述非水泥基贴片石粘结胶泥的制备方法中，对所述搅拌速度输入向量和所述搅拌角度输入向量进行关联编码以得到搅拌协同输入矩阵，包括：以如下公式对所述搅拌速度输入向量和所述搅拌角度输入向量进行关联编码以得到搅拌协同输入矩阵；其中，所述公式为：
[0022][0023]其中V
m
表示所述搅拌速度输入向量，表示所述搅拌速度输入向量的转置向量，
V
n
表示所述搅拌角度输入向量，M1表示所述搅拌协同输入矩阵，表示向量相乘。
[0024]在上述非水泥基贴片石粘结胶泥的制备方法中，将所述搅拌协同输入矩阵通过作为特征提取器的卷积神经网络模型以得到搅拌协同特征矩阵，包括：使用所述作为特征提取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：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为特征提取器的卷积神经网络的最后一层的输出为所述搅拌协同特征矩阵，所述作为特征提取器的卷积神经网络的第一层的输入为所述搅拌协同输入矩阵。
[0025]在上述非水泥基贴片石粘结胶泥的制备方法中，计算所述混合状态时序关联特征向量相对于所述搅拌协同特征矩阵的转移向量作为分类特征向量，包括：以如下公式计算所述混合状态时序关联特征向量相对于所述搅拌协同特征矩阵的转移向量作为分类特征向量；其中，所述公式为：
[0026][0027]其中V1表示所述混合状态时序关联特征向量，M表示所述搅拌协同特征矩阵，V2表示所述分类特征向量。...

【技术保护点】

【技术特征摘要】
1.一种非水泥基贴片石粘结胶泥的制备方法，其特征在于，包括：获取预定时间段内多个预定时间点的搅拌机的搅拌速度值和搅拌角度值，以及，所述多个预定时间点的石材粘合剂原料的混合状态监控图像；将所述多个预定时间点的石材粘合剂原料的混合状态监控图像分别通过包含深浅特征融合模块的卷积神经网络模型以得到多个混合状态特征图；将所述多个混合状态特征图展开为多个混合状态展开特征向量；将所述多个混合状态展开特征向量通过基于转换器的上下文编码器以得到混合状态时序关联特征向量；将所述多个预定时间点的搅拌机的搅拌速度值和搅拌角度值分别按照时间维度排列为搅拌速度输入向量和搅拌角度输入向量；对所述搅拌速度输入向量和所述搅拌角度输入向量进行关联编码以得到搅拌协同输入矩阵；将所述搅拌协同输入矩阵通过作为特征提取器的卷积神经网络模型以得到搅拌协同特征矩阵；计算所述混合状态时序关联特征向量相对于所述搅拌协同特征矩阵的转移向量作为分类特征向量；基于所述混合状态时序关联特征向量，对所述分类特征向量进行特征分布优化以得到优化分类特征向量；以及将所述优化分类特征向量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搅拌速度值应增大或应减小，且当前时间点的搅拌角度值应增大或应减小。2.根据权利要求1所述的非水泥基贴片石粘结胶泥的制备方法，其特征在于，将所述多个预定时间点的石材粘合剂原料的混合状态监控图像分别通过包含深浅特征融合模块的卷积神经网络模型以得到多个混合状态特征图，包括：从所述卷积神经网络模型的浅层提取浅层特征图；从所述卷积神经网络模型的深层提取深层特征图；以及融合所述浅层特征图和所述深层特征图以得到所述混合状态特征图；其中，所述深层与所述浅层之间的比值大于等于5且小于等于10。3.根据权利要求2所述的非水泥基贴片石粘结胶泥的制备方法，其特征在于，将所述多个混合状态展开特征向量通过基于转换器的上下文编码器以得到混合状态时序关联特征向量，包括：使用所述包含嵌入层的上下文编码器的嵌入层分别将所述多个混合状态展开特征向量中各个混合状态展开特征向量映射为混合状态嵌入向量以得到混合状态嵌入向量的序列；使用所述包含嵌入层的上下文编码器的转换器对所述混合状态嵌入向量的序列进行基于转换器思想的全局上下文语义编码以得到多个全局上下文语义混合状态特征向量；以及将所述多个全局上下文语义混合状态特征向量进行级联以得到所述混合状态时序关联特征向量。4.根据权利要求3所述的非水泥基贴片石粘结胶泥的制备方法，其特征在于，使用所述
包含嵌入层的上下文编码器的转换器对所述混合状态嵌入向量的序列进行基于转换器思想的全局上下文语义编码以得到多个全局上下文语义混合状态特征向量，包括：将所述混合状态嵌入向量的序列进行一维排列以得到全局混合状态嵌入向量；计算所述全局混合状态嵌入向量与所述混合状态嵌入向量的序列中各个混合状态嵌入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；分别以所述多个概率值中各个概率值作为权重对所述混合状态嵌入向量的序列中各个混合状态嵌入向量进行加权以得到所述多个上下文语义混合状态特征向量；将所述多个上下文语义混...

【专利技术属性】
技术研发人员：陈聪，吴银平，程晨，
申请(专利权)人：浙江久石工研建材科技有限公司，
类型：发明
国别省市：