金属板材的热成型生产线及方法技术

本申请涉及智能生产技术领域，其具体地公开了一种金属板材的热成型生产线及方法，其利用计算机视觉技术和机器学习模型来分析金属板材的X

【技术实现步骤摘要】
金属板材的热成型生产线及方法


[0001]本申请涉及智能生产
，且更为具体地，涉及一种金属板材的热成型生产线及方法。

技术介绍

[0002]金属板材的热成型是指将金属板材加热至所需的温度，使用模具或冲压设备，将金属板材弯曲、折叠、压制或拉伸成所需的形状，再进行冷却，使冲压件得到硬化。
[0003]金属板材在加热和冷却过程中，由于表层和心部的冷却速度和时间的不一致形成温差，就会导致体积膨胀和收缩不均而产生应力，即热应力。由于冷却前期表层冷却的时候产生的收缩受到心部的牵制，那么表层产生拉应力，心部产生压应力；到了冷却后期，表层冷却速度变慢，心部冷却速度较快，心部收缩使得前期产生的拉应力和压应力降低，随着心部的继续冷却，最后导致表层是拉应力而心部是压应力。
[0004]金属板材经过加热和冷却后形成的残余应力对工件的形状、尺寸和性能都有极为重要的影响。当残余应力超过材料的屈服强度时，便引起工件的变形，超过材料的强度极限时就会使工件开裂。
[0005]因此，期待一种金属板材的热成型生产线及方法，可以对金属板材残余应力进行检测。

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金属板材的热成型生产线及方法，其利用计算机视觉技术和机器学习模型来分析金属板材的X
‑
Ray图像，提取X
‑
Ray图像的语义特征信息，并基于此判断该金属板材的残余应力是否符合标准。这样，可以快速评估金属板材的质量和性能，提高检测的准确性和效率，进而采取相应的措施来确保产品的质量。
[0007]相应地，根据本申请的一个方面，提供了一种金属板材的热成型生产线，其包括：
[0008]图像采集模块，用于获取冷却完成后的金属板材的X
‑
Ray检测图像；
[0009]图像预处理模块，用于对所述X
‑
Ray检测图像进行直方图均衡化预处理和CLAHE校正颜色以得到优化X
‑
Ray检测图像；
[0010]图像分块模块，用于对所述优化X
‑
Ray检测图像进行图像分块处理以得到多个X
‑
Ray检测图像块；
[0011]图像块语义特征提取模块，用于将所述多个X
‑
Ray检测图像块通过包含嵌入层的ViT模型以得到多个X
‑
Ray检测图像块语义特征向量；
[0012]双向注意力模块，用于将所述多个X
‑
Ray检测图像块语义特征向量排列为二维特征矩阵后通过使用双向注意力机制的卷积神经网络模型以得到分类特征矩阵；
[0013]优化模块，用于对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；
[0014]检测结果生成模块，用于将所述优化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该金属板材中的残余应力是否符合标准。
[0015]在上述金属板材的热成型生产线中，所述图像预处理模块，包括：均衡化处理单元，用于对所述X
‑
Ray检测图像进行直方图均衡化预处理以将所述X
‑
Ray检测图像通过变换函数映射为灰度分布均匀的图像以得到预处理后图像；校正颜色单元，用于对所述预处理后图像进行CLAHE校正颜色以得到所述优化X
‑
Ray检测图像。
[0016]在上述金属板材的热成型生产线中，所述图像分块模块，用于：将所述优化X
‑
Ray检测图像进行均匀划分以得到多个X
‑
Ray检测图像块。
[0017]在上述金属板材的热成型生产线中，所述图像块语义特征提取模块，包括：嵌入编码单元，用于使用所述ViT模型的嵌入层分别对所述多个X
‑
Ray检测图像块中各个X
‑
Ray检测图像块进行嵌入编码以得到图像块嵌入向量的序列；转换编码单元，用于将所述图像块嵌入向量的序列输入所述ViT模型的转换器模块以得到多个X
‑
Ray检测图像块语义特征向量。
[0018]在上述金属板材的热成型生产线中，所述转换编码单元，包括：排列子单元，用于将所述图像块嵌入向量的序列排列为输入向量；转化子单元，用于将所述输入向量通过可学习嵌入矩阵转化分别为查询向量和关键向量；自注意子单元，用于计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；标准化子单元，用于对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；注意力计算子单元，用于将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；注意力施加子单元，用于将所述自注意力特征矩阵与所述所述图像块嵌入向量的序列中各个图像块嵌入向量分别进行相乘以得到所述多个X
‑
Ray检测图像块语义特征向量。
[0019]在上述金属板材的热成型生产线中，所述双向注意力模块，包括：池化单元，用于将所述二维特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；关联单元，用于对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；权重计算单元，用于将所述双向关联矩阵输入Sigmoid激活函数以得到双向关联权重矩阵；权重施加单元，用于计算所述双向关联权重矩阵和所述二维特征矩阵之间的按位置点乘以得到所述分类特征矩阵。
[0020]在上述金属板材的热成型生产线中，所述优化模块，包括：全局均值池化单元，用于对所述分类特征矩阵进行全局均值池化以得到全局语义特征向量；协方差计算单元，用于计算所述全局语义特征向量的协方差矩阵；特征值分解单元，用于对所述协方差矩阵进行特征值分解以得到多个特征值以及与所述多个特征值对应的多个特征值向量；类单应子空间构造单元，用于从所述多个特征值向量提取K个最大的特征值对应的K个特征值向量，所述K个特征值向量构成k维的类单应子空间；拆分单元，用于将所述分类特征矩阵的各个行向量进行拆分以得到多个分类特征局部展开特征向量；映射单元，用于将所述多个分类特征局部展开特征向量分别映射到所述类单应子空间以得到多个映射后分类特征局部展开特征向量；概率化单元，用于将所述多个映射后分类特征局部展开特征向量通过Sigmoi d激活函数进行激活以得到多个映射后概率化分类特征局部展开特征向量；维度重构单元，用于将所述多个映射后概率化分类特征局部展开特征向量进行维度重构以得到优化分类特征矩阵。
[0021]在上述金属板材的热成型生产线中，所述检测结果生成模块，包括：矩阵展开单元，用于将所述优化分类特征矩阵按照行向量或列向量展开为分类特征向量；全连接编码单元，用于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全连接编码特征向量；概率获得单元，用于将所述全连接编码特征向量通过所述分类器的Softmax分类函数以得到归属于该金属板材中的残余应力符合标准的第一概率以及归属于该金属板材中的残余应力不符合标准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种金属板材的热成型生产线，其特征在于，包括：图像采集模块，用于获取冷却完成后的金属板材的X
‑
Ray检测图像；图像预处理模块，用于对所述X
‑
Ray检测图像进行直方图均衡化预处理和CLAHE校正颜色以得到优化X
‑
Ray检测图像；图像分块模块，用于对所述优化X
‑
Ray检测图像进行图像分块处理以得到多个X
‑
Ray检测图像块；图像块语义特征提取模块，用于将所述多个X
‑
Ray检测图像块通过包含嵌入层的ViT模型以得到多个X
‑
Ray检测图像块语义特征向量；双向注意力模块，用于将所述多个X
‑
Ray检测图像块语义特征向量排列为二维特征矩阵后通过使用双向注意力机制的卷积神经网络模型以得到分类特征矩阵；优化模块，用于对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；检测结果生成模块，用于将所述优化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该金属板材中的残余应力是否符合标准。2.根据权利要求1所述的金属板材的热成型生产线，其特征在于，所述图像预处理模块，包括：均衡化处理单元，用于对所述X
‑
Ray检测图像进行直方图均衡化预处理以将所述X
‑
Ray检测图像通过变换函数映射为灰度分布均匀的图像以得到预处理后图像；校正颜色单元，用于对所述预处理后图像进行CLAHE校正颜色以得到所述优化X
‑
Ray检测图像。3.根据权利要求2所述的金属板材的热成型生产线，其特征在于，所述图像分块模块，用于：将所述优化X
‑
Ray检测图像进行均匀划分以得到多个X
‑
Ray检测图像块。4.根据权利要求3所述的金属板材的热成型生产线，其特征在于，所述图像块语义特征提取模块，包括：嵌入编码单元，用于使用所述ViT模型的嵌入层分别对所述多个X
‑
Ray检测图像块中各个X
‑
Ray检测图像块进行嵌入编码以得到图像块嵌入向量的序列；转换编码单元，用于将所述图像块嵌入向量的序列输入所述ViT模型的转换器模块以得到多个X
‑
Ray检测图像块语义特征向量。5.根据权利要求4所述的金属板材的热成型生产线，其特征在于，所述转换编码单元，包括：排列子单元，用于将所述图像块嵌入向量的序列排列为输入向量；转化子单元，用于将所述输入向量通过可学习嵌入矩阵转化分别为查询向量和关键向量；自注意子单元，用于计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；标准化子单元，用于对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；注意力计算子单元，用于将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；注意力施加子单元，用于将所述自注意力特征矩阵与所述所述图像块嵌入向量的序列
中各个图像块嵌入向量分别进行相乘以得到所述多个X
‑
Ray检测图像块语义特征向量。6.根据权利要求5所述的金属板材的热成型生产线，其特征在于，所述双向注意力模块，包括：池化单元，用于将所述二维特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；关联单元，用于对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；权...

【专利技术属性】
技术研发人员：包金明，徐洪汉，路森，
申请(专利权)人：来安县明瑞金属制品有限公司，
类型：发明
国别省市：