纺织面料生产用的智能裁剪系统及方法技术方案

本申请涉及智能监控技术领域，其具体地公开了一种纺织面料生产用的智能裁剪系统及方法，其通过摄像头实时获取裁剪监控图像，利用机器学习技术对图像进行特征提取和分析，并基于图像特征判断当前时间点是否偏离裁剪路线

【技术实现步骤摘要】
纺织面料生产用的智能裁剪系统及方法


[0001]本申请涉及智能监控
，且更为具体地，涉及一种纺织面料生产用的智能裁剪系统及方法
。

技术介绍

[0002]在服装布料裁剪过程中，首先要进行排料的裁床方案计算，其次是排版人员依据裁床方案按照每床的情况进行人工排料或智能排料，再依据裁床方案和每床的排料情况进行拉布铺布作业
。
完成铺布后，裁剪人员使用人工或电脑自动裁床沿着裁剪线进行裁剪工作
。
[0003]裁剪是缝制的基础，在裁剪过程中应保证裁剪的精度，即裁出的衣片与样板间的误差
。
对批量加工的服装往往需要根据服装的规格尺寸和数量分床裁剪，按照样板方向部位合理排料，裁剪时各层衣片间的误差应符合规定
。
而目前很多的纺织布料裁剪装置裁剪精度不高，裁剪效率低，且在裁剪的过程中常会因受力不均而产生褶皱，进而出现裁偏的情况，导致裁剪质量降低
。
[0004]因此，期待一种纺织面料生产用的智能裁剪系统及方法
。

技术实现思路
/>[0005]为了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种纺织面料生产用的智能裁剪系统，其特征在于，包括：监控模块，用于获取由部署于纺织面料上方的摄像头实时采集的裁剪监控图像；目标探测模块，用于将所述裁剪监控图像通过刀具裁剪区域目标检测网络以得到感兴趣区域；图像降噪模块，用于将所述感兴趣区域通过基于自动编解码器的图像降噪器以得到降噪后感兴趣区域；剪裁特征提取模块，用于将所述降噪后感兴趣区域通过作为特征提取器的卷积神经网络模型以得到感兴趣区域特征图；特征增强模块，用于将所述感兴趣区域特征图通过非局部神经网络模型以得到增强感兴趣区域特征图；优化模块，用于对所述增强感兴趣区域特征图进行基于秩序性的先验化以得到优化增强感兴趣区域特征图；识别结果生成模块，用于将所述优化增强感兴趣区域特征图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是否偏离裁剪路线
。2.
根据权利要求1所述的纺织面料生产用的智能裁剪系统，其特征在于，所述刀具裁剪区域目标检测网络为基于无锚窗的目标检测网络，所述基于无锚窗的目标检测网络为
YOLOv1、FCOS
或
CenterNet。3.
根据权利要求2所述的纺织面料生产用的智能裁剪系统，其特征在于，所述图像降噪模块，包括：编码单元，用于将所述感兴趣区域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对所述感兴趣区域进行显式空间编码以得到感兴趣区域图像特征；解码单元，用于将所述感兴趣区域图像特征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对所述感兴趣区域图像特征进行反卷积处理以得到所述降噪后感兴趣区域
。4.
根据权利要求3所述的纺织面料生产用的智能裁剪系统，其特征在于，所述剪裁特征提取模块，用于：使用所述作为特征提取器的卷积神经网络模型以如下卷积公式对所述降噪后感兴趣区域进行处理以得到所述感兴趣区域特征图；其中，所述卷积公式为：
f
i
＝
GP{Sigmoid(N
i
×
f
i
‑1+B
i
)}
其中，
f
i
‑1为第
i
层卷积神经网络模型的输入，
f
i
为第
i
层卷积神经网络模型的输出，
N
i
为第
i
层卷积神经网络模型的过滤器，且
B
i
为第
i
层卷积神经网络模型的偏置矩阵，
Sigmoid
表示非线性激活函数，且
GP
表示对特征图的各个特征矩阵进行局部特征池化操作
。5.
根据权利要求4所述的纺织面料生产用的智能裁剪系统，其特征在于，所述特征增强模块，包括：点卷积单元，用于将所述感兴趣区域特征图分别输入所述非局部神经网络的第一点卷积层
、
第二点卷积层和第三点卷积层以得到第一特征图
、
第二特征图和第三特征图；第一融合单元，用于计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；归一化单元，用于将所述中间融合特征图输入
Softmax
函数以对所述中间融合特征图
中各个位置的特征值进行归一化以得到归一化中间融合特征图；第二融合单元，用于计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特征图...

【专利技术属性】
技术研发人员：李跃，陈强，黄宿军，吴元方，徐安，
申请(专利权)人：海宁昱品环保材料有限公司，
类型：发明
国别省市：