环保日用陶瓷的制备工艺及其系统技术方案

本申请涉及智能制备技术领域，其具体地公开了一种环保日用陶瓷的制备工艺及其系统，其综合利用环保日用陶瓷的热红外监控视频以及多个预定时间点的烧制温度值，并结合深度学习技术和人工智能技术来基于陶瓷烧制的实时情况对烧制温度进行自适应控制，进而提出了一种智能化的烧制温度控制方案。该烧制温度控制方案能够自适应地基于陶瓷烧制的实时情况对陶瓷的烧制温度进行控制，以尽可能减少人工干预，提高生产效率，同时也能够有效地保证环保日用陶瓷的品质稳定。日用陶瓷的品质稳定。日用陶瓷的品质稳定。

【技术实现步骤摘要】
环保日用陶瓷的制备工艺及其系统


[0001]本申请涉及智能制备
，且更为具体地，涉及一种环保日用陶瓷的制备工艺及其系统。

技术介绍

[0002]在陶瓷的烧制过程中，整个窑炉都要经历一次升温、保温、降温的过程，陶瓷在炉内随温度发生复杂的变化，炉内温度对陶瓷烧制质量起到关键作用。
[0003]目前传统陶瓷炉窑的烧制技术还比较落后，大多数中小型陶瓷窑炉的温度控制基本上停留在手工和简单仪表操作的水平，根据烧制工人的烧制经验对窑炉温度进行人工控制，不但效率低，而且烧制质量不稳定。
[0004]在环保日用陶瓷制备时需要将陶瓷放进窑炉内进行烧制，而陶瓷烧制时，窑炉内的温度控制十分重要，这直接影响了最后成型陶瓷的质量，针对上述现存的技术问题，期待一种优化的环保日用陶瓷的制备工艺。

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环保日用陶瓷的制备工艺及其系统，其综合利用环保日用陶瓷的热红外监控视频以及多个预定时间点的烧制温度值，并结合深度学习技术和人工智能技术来基于陶瓷烧制的实时情况对烧制温度进行自适应控制，进而提出了一种智能化的烧制温度控制方案。该烧制温度控制方案能够自适应地基于陶瓷烧制的实时情况对陶瓷的烧制温度进行控制，以尽可能减少人工干预，提高生产效率，同时也能够有效地保证环保日用陶瓷的品质稳定。
[0006]相应地，根据本申请的一个方面，提供了一种环保日用陶瓷的制备工艺，其包括：获取由热红外摄像头采集的预定时间段的环保日用陶瓷的热红外监控视频以及所述预定时间段内多个预定时间点的烧制温度值；从所述环保日用陶瓷的热红外监控视频提取多个热红外监控关键；将所述多个热红外监控关键分别通过使用空间注意力的第一卷积神经网络模型以得到多个陶瓷烧制热分布特征矩阵；将所述多个陶瓷烧制热分布特征矩阵按照时间维度排列为三维输入张量后通过使用三维卷积核的第二卷积神经网络模型以得到陶瓷烧制热分布时序特征图；将所述陶瓷烧制热分布时序特征图降维为陶瓷烧制热分布时序特征向量；将所述多个预定时间点的烧制温度值按照时间维度排列为输入向量后通过一维卷积神经网络模型以得到温度时序特征向量；计算所述陶瓷烧制热分布时序特征向量相对于所述温度时序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烧制温度值应增大或应减小。
[0007]在上述环保日用陶瓷的制备工艺中，所述将所述多个热红外监控关键分别通过使用空间注意力的第一卷积神经网络模型以得到多个陶瓷烧制热分布特征矩阵，包括:使用所述第一卷积神经网络模型的各层在层的正向传递中分别对所述多个热红外监控关键进
行卷积处理、沿通道维度的池化处理和非线性激活处理以由所述第一卷积神经网络模型的最后一层输出多个初始陶瓷烧制热分布特征矩阵；以及，将所述多个初始陶瓷烧制热分布特征矩阵输入所述第一卷积神经网络模型的空间注意力层以得到所述多个陶瓷烧制热分布特征矩阵。
[0008]在上述环保日用陶瓷的制备工艺中，所述将所述多个陶瓷烧制热分布特征矩阵按照时间维度排列为三维输入张量后通过使用三维卷积核的第二卷积神经网络模型以得到陶瓷烧制热分布时序特征图，包括：使用所述使用三维卷积核的第二卷积神经网络模型的各层在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基于局部特征矩阵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，所述使用三维卷积核的第二卷积神经网络的最后一层的输出为所述陶瓷烧制热分布时序特征图，所述使用三维卷积核的第二卷积神经网络的第一层的输入为所述三维特征张量。
[0009]在上述环保日用陶瓷的制备工艺中，所述将所述多个预定时间点的烧制温度值按照时间维度排列为输入向量后通过一维卷积神经网络模型以得到温度时序特征向量，包括：使用所述一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向量进行基于一维卷积核的卷积处理、均值池化处理和非线性激活处理以由所述一维卷积神经网络模型的最后一层的输出为所述温度时序特征向量。
[0010]在上述环保日用陶瓷的制备工艺中，所述计算所述陶瓷烧制热分布时序特征向量相对于所述温度时序特征向量的响应性估计以得到分类特征矩阵，包括：计算所述陶瓷烧制热分布时序特征向量和所述温度时序特征向量的亥姆霍兹类自由能量因数以得到第一亥姆霍兹类自由能量因数和第二亥姆霍兹类自由能量因数；基于所述第一亥姆霍兹类自由能量因数和所述第二亥姆霍兹类自由能量因数，对所述陶瓷烧制热分布时序特征向量和所述温度时序特征向量进行加权以得到加权后陶瓷烧制热分布时序特征向量和加权后温度时序特征向量；以及，计算所述加权后陶瓷烧制热分布时序特征向量相对于所述加权后温度时序特征向量的响应性估计以得到所述分类特征矩阵。
[0011]在上述环保日用陶瓷的制备工艺中，所述计算所述陶瓷烧制热分布时序特征向量和所述温度时序特征向量的亥姆霍兹类自由能量因数以得到第一亥姆霍兹类自由能量因数和第二亥姆霍兹类自由能量因数，包括：分别以如下公式计算所述陶瓷烧制热分布时序特征向量和所述温度时序特征向量的亥姆霍兹类自由能量因数；其中，所述公式为：其中，表示所述陶瓷烧制热分布时序特征向量的分类概率值，表示所述温度时序特征向量的分类概率值， 表示所述陶瓷烧制热分布时序特征向量第位置的特征值，表示所述温度时序特征向量第位置的特征值，表示所述陶瓷烧制热分布时序特征向量的亥姆霍兹类自由能量因数，表示所述温度时序特
征向量的亥姆霍兹类自由能量因数，表示以2为底的对数函数，表示以自然常数 e 为底的指数运算，且是特征向量的长度。
[0012]在上述环保日用陶瓷的制备工艺中，所述计算所述加权后陶瓷烧制热分布时序特征向量相对于所述加权后温度时序特征向量的响应性估计以得到所述分类特征矩阵，包括：以如下公式计算所述加权后陶瓷烧制热分布时序特征向量相对于所述加权后温度时序特征向量的响应性估计以得到分类特征矩阵；其中，所述公式为：，其中表示所述加权后陶瓷烧制热分布时序特征向量， 表示所述加权后温度时序特征向量，表示所述分类特征矩阵，表示矩阵相乘。
[0013]在上述环保日用陶瓷的制备工艺中，所述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烧制温度值应增大或应减小，包括：将所述分类特征矩阵按照行向量或者列向量展开为分类特征向量；使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
[0014]根据本申请的另一方面，提供了一种环保日用陶瓷的制备系统，其包括：监控模块，用于获取由热红外摄像头采集的预定时间段的环保日用陶瓷的热红外监控视频以及所述预定时间段内多个预定时间点的烧制温度值；采样模块，用于从所述环保日用陶瓷的热红外监控视频提取多个热红外监控关键；空间特征提取模块，用于将所述多个热红外监控关本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种环保日用陶瓷的制备工艺，其特征在于，包括：获取由热红外摄像头采集的预定时间段的环保日用陶瓷的热红外监控视频以及所述预定时间段内多个预定时间点的烧制温度值；从所述环保日用陶瓷的热红外监控视频提取多个热红外监控关键；将所述多个热红外监控关键分别通过使用空间注意力的第一卷积神经网络模型以得到多个陶瓷烧制热分布特征矩阵；将所述多个陶瓷烧制热分布特征矩阵按照时间维度排列为三维输入张量后通过使用三维卷积核的第二卷积神经网络模型以得到陶瓷烧制热分布时序特征图；将所述陶瓷烧制热分布时序特征图降维为陶瓷烧制热分布时序特征向量；将所述多个预定时间点的烧制温度值按照时间维度排列为输入向量后通过一维卷积神经网络模型以得到温度时序特征向量；计算所述陶瓷烧制热分布时序特征向量相对于所述温度时序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烧制温度值应增大或应减小。2.根据权利要求1所述的环保日用陶瓷的制备工艺，其特征在于，将所述多个热红外监控关键分别通过使用空间注意力的第一卷积神经网络模型以得到多个陶瓷烧制热分布特征矩阵，包括:使用所述第一卷积神经网络模型的各层在层的正向传递中分别对所述多个热红外监控关键进行卷积处理、沿通道维度的池化处理和非线性激活处理以由所述第一卷积神经网络模型的最后一层输出多个初始陶瓷烧制热分布特征矩阵；以及将所述多个初始陶瓷烧制热分布特征矩阵输入所述第一卷积神经网络模型的空间注意力层以得到所述多个陶瓷烧制热分布特征矩阵。3.根据权利要求2所述的环保日用陶瓷的制备工艺，其特征在于，将所述多个陶瓷烧制热分布特征矩阵按照时间维度排列为三维输入张量后通过使用三维卷积核的第二卷积神经网络模型以得到陶瓷烧制热分布时序特征图，包括：使用所述使用三维卷积核的第二卷积神经网络模型的各层在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基于局部特征矩阵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，所述使用三维卷积核的第二卷积神经网络的最后一层的输出为所述陶瓷烧制热分布时序特征图，所述使用三维卷积核的第二卷积神经网络的第一层的输入为所述三维特征张量。4.根据权利要求3所述的环保日用陶瓷的制备工艺，其特征在于，将所述多个预定时间点的烧制温度值按照时间维度排列为输入向量后通过一维卷积神经网络模型以得到温度时序特征向量，包括：使用所述一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向量进行基于一维卷积核的卷积处理、均值池化处理和非线性激活处理以由所述一维卷积神经网络模型的最后一层的输出为所述温度时序特征向量。5.根据权利要求4所述的环保日用陶瓷的制备工艺，其特征在于，计算所述陶瓷烧制热分布时序特征向量相对于所述温度时序特征向量的响应性估计以得到分类特征矩阵，包括：计算所述陶瓷烧制热分布时序特征向量和所述温度时序特征向量的亥姆霍兹类自由能量因数以得到第一亥姆霍兹类自由能量因数和第二亥姆霍兹类自由能量因数；基于所述第一亥姆霍兹类自由能量因数和所述第二亥姆霍兹类自由能量因数，对所述陶瓷烧制热分布时序特征向量和所述温度时序特征向量进行加权以得到加权后陶瓷烧制热分布时序特征向量和加权后温度时序特征向量；以及计算所述加权后陶瓷烧制热分布时序特征向量相对于所述加权后温度时序特征向量的响应性估计以得到所述分类特征矩阵。
6.根据权利要求5所述的环保日用陶瓷的制备工...

【专利技术属性】
技术研发人员：黄培煌，张晓文，黄培元，
申请(专利权)人：广东夏和瓷业有限公司，
类型：发明
国别省市：