【技术实现步骤摘要】
本申请涉及智能加工领域，且更为具体地，涉及一种防火橱柜的智能化加工方法及其系统。
技术介绍
1、防火橱柜是由密度板等覆盖在防火板上,质地坚硬,不易老化,是一种经久耐用的建筑材料,使用周期长。在防火橱柜的智能化加工过程中，由于切割板材的时候，传统的技术很难对板材按照设计图案进行精准的切割，就会导致加工出来的零件表面质量差，可能存在毛刺、裂纹等问题，进而导致零件之间的配合不良，安装困难，影响整个防火橱柜的使用效果。
2、因此，期待一种优化的防火橱柜的智能化加工方案。
技术实现思路
1、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防火橱柜的智能化加工方法及其系统，其采用基于深度神经网络模型的人工智能技术，获取目标区域切割图像和设计图案，通过双重检测模型得到检测特征图和设计图案特征图，进行差分后，将差分特征图通过非局部神经网络进行特征增强，以得到用于表示目标区域切割图像和设计图案是否一样的分类结果。这样，构建防火橱柜的智能化加工方案，可以提高比对的准确率和效率，进而提升产品的质量。
2、根据本申请的一方面，提供了一种防火橱柜的智能化加工方法，其包括：
3、获取目标区域切割图像和设计图案；
4、将所述目标区域切割图像通过基于自动编解码器的高清图像生成器以得到增强目标区域切割图像；
5、将所述增强目标区域切割图像和所述设计图案通过包含第一卷积神经网络和第二卷积神经网络的双重检测模型以得到检测特征图和设计图案特征图，所述
6、计算所述检测特征图和所述设计图案特征图之间的差分特征图；
7、将所述差分特征图通过非局部神经网络模型以得到增强差分特征图；
8、对增强差分特征图进行鲁棒依赖性迭代以得到优化增强差分特征图；和
9、将所述优化增强差分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目标区域切割图像和设计图案是否一样。
10、在上述防火橱柜的智能化加工方法中，将所述目标区域切割图像通过基于自动编解码器的高清图像生成器以得到增强目标区域切割图像，包括：使用所述自动编解码器的编码器从所述目标区域切割图像中提取目标区域切割特征图，其中，所述自动编解码器的编码器为卷积层；以及，使用所述自动编解码器的解码器对所述目标区域切割特征图进行解码以得到所述增强目标区域切割图像，其中，所述自动编解码器的解码器为反卷积层。
11、在上述防火橱柜的智能化加工方法中，将所述增强目标区域切割图像和所述设计图案通过包含第一卷积神经网络和第二卷积神经网络的双重检测模型以得到检测特征图和设计图案特征图，包括：使用所述第一卷积神经网络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基于局部特征矩阵的池化处理以得到池化特征图；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，所述第一卷积神经网络的最后一层的输出为所述检测特征图，所述第一卷积神经网络的第一层的输入为所述增强目标区域切割图像，所述第一卷积神经网络和所述第二卷积神经网络为使用空间注意力机制的卷积神经网络模型。
12、在上述防火橱柜的智能化加工方法中，将所述增强目标区域切割图像和所述设计图案通过包含第一卷积神经网络和第二卷积神经网络的双重检测模型以得到检测特征图和设计图案特征图，包括：使用所述第二卷积神经网络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基于局部特征矩阵的池化处理以得到池化特征图；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，所述第二卷积神经网络的最后一层的输出为所述设计图案特征图，所述第二卷积神经网络的第一层的输入为所述设计图案。
13、在上述防火橱柜的智能化加工方法中，计算所述检测特征图和所述设计图案特征图之间的差分特征图，用于：以如下差分公式计算所述检测特征图和所述设计图案特征图之间的差分特征图；其中，所述差分公式为：
14、
15、其中，f1表示所述优化检测特征图，f2表示所述设计图案特征图，fc表示所述差分特征图，表示按位置差分。
16、在上述防火橱柜的智能化加工方法中，将所述差分特征图通过非局部神经网络模型以得到增强差分特征图，包括：将所述差分特征图分别输入所述非局部神经网络模型的第一点卷积层、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；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；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；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；将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得到全局感知特征图；将所述全局感知特征图通过所述非局部神经网络模型的第四点卷积层以得到通道调整全局感知特征图；以及，计算所述通道调整全局感知特征图和所述差分特征图的按位置加权和以得到所述增强差分特征图。
17、根据本申请的另一方面，提供了一种防火橱柜的智能化加工系统，其包括：
18、图像采集模块，用于获取目标区域切割图像和设计图案；
19、图像增强模块，用于将所述目标区域切割图像通过基于自动编解码器的高清图像生成器以得到增强目标区域切割图像；
20、双重检测模块，用于将所述增强目标区域切割图像和所述设计图案通过包含第一卷积神经网络和第二卷积神经网络的双重检测模型以得到检测特征图和设计图案特征图，所述第一卷积神经网络和所述第二卷积神经网络具有相同的网络结构；
21、差分模块，用于计算所述检测特征图和所述设计图案特征图之间的差分特征图；
22、感受野扩增模块，用于将所述差分特征图通过非局部神经网络模型以得到增强差分特征图；
23、优化模块，用于对增强差分特征图进行鲁棒依赖性迭代以得到优化增强差分特征图；以及
24、结果生成模块，用于将所述优化增强差分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目标区域切割图像和设计图案是否一样。
25、与现有技术相比，本申请提供的一种防火橱柜的智能化加工方法及其系统，其采用基于深度神经网络模型的人工智能技术，获取目标区域切割图像和设计图案，通过双重检测模型得到检测特征图和设计图案特征图，进行差分后，将差分特征图通过非局部神经网络进行特征增强，以得到用于表示目标区域切割图像和设计图案是否一样的分类结果。这样，构建防火橱柜的智能化加工方案，可以提高比对的准确率和效率，进而提升产品的质量。
本文档来自技高网...【技术保护点】
1.一种防火橱柜的智能化加工方法，其特征在于，包括：
2.根据权利要求1所述的防火橱柜的智能化加工方法，其特征在于，将所述目标区域切割图像通过基于自动编解码器的高清图像生成器以得到增强目标区域切割图像，包括：
3.根据权利要求2所述的防火橱柜的智能化加工方法，其特征在于，将所述增强目标区域切割图像和所述设计图案通过包含第一卷积神经网络和第二卷积神经网络的双重检测模型以得到检测特征图和设计图案特征图，包括：
4.根据权利要求3所述的防火橱柜的智能化加工方法，其特征在于，将所述增强目标区域切割图像和所述设计图案通过包含第一卷积神经网络和第二卷积神经网络的双重检测模型以得到检测特征图和设计图案特征图，包括：
5.根据权利要求4所述的防火橱柜的智能化加工方法，其特征在于，计算所述检测特征图和所述设计图案特征图之间的差分特征图，用于：
6.根据权利要求5所述的防火橱柜的智能化加工方法，其特征在于，将所述差分特征图通过非局部神经网络模型以得到增强差分特征图，包括：
7.根据权利要求6所述的防火橱柜的智能化加工方法，其特征
8.一种防火橱柜的智能化加工系统，其特征在于，包括：
9.根据权利要求8所述的防火橱柜的智能化加工系统，其特征在于，所述图像增强模块，包括：
10.根据权利要求9所述的防火橱柜的智能化加工系统，其特征在于，所述双重检测模块，用于：
...【技术特征摘要】
1.一种防火橱柜的智能化加工方法，其特征在于，包括：
2.根据权利要求1所述的防火橱柜的智能化加工方法，其特征在于，将所述目标区域切割图像通过基于自动编解码器的高清图像生成器以得到增强目标区域切割图像，包括：
3.根据权利要求2所述的防火橱柜的智能化加工方法，其特征在于，将所述增强目标区域切割图像和所述设计图案通过包含第一卷积神经网络和第二卷积神经网络的双重检测模型以得到检测特征图和设计图案特征图，包括：
4.根据权利要求3所述的防火橱柜的智能化加工方法，其特征在于，将所述增强目标区域切割图像和所述设计图案通过包含第一卷积神经网络和第二卷积神经网络的双重检测模型以得到检测特征图和设计图案特征图，包括：
5.根据权...
【专利技术属性】
技术研发人员：白彦海，沈仁霜，
申请(专利权)人：滁州扬子森工家居有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。