【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pvc装饰膜压花加工方法及其系统。
技术介绍
1、在制作完pvc装饰膜后，需要对其进行压花处理，把相应的花纹通过压花机在一定的温度和压力下印在pvc装饰膜上。不同的pvc装饰膜需要不同的参数来实现最佳的压花效果。若温度过高，pvc装饰膜可能熔化或变形，导致纹理细节模糊或丢失，而温度过低的话，会使压花效果不明显，影响压花效果。但由于现有技术中，压花机的温度很难精准地控制，导致压花出来的质量不合格，影响生产效率。
2、因此，期待一种优化的pvc装饰膜压花加工方案。
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pvc装饰膜压花加工方法及其系统，其采用基于深度神经网络模型的人工智能技术，获取pvc装饰膜压花的参考图像和预定时间段内的多个预定时间点的控制参数，将图像通过卷积神经网络进行特征提取、深浅融合，将参数进行关联后通过特征提取器提取控制参数特征，将二者特征融合以得到用于表示当前时间点的压花机温度应增大、减小或不变的分类结果。进而可以实现在pvc装饰膜压花过程中根据参考图像对温度的自适应调节，从而提高压花效果和生产效率。
2、根据本申请的一方面，提供了一种pvc装饰膜压花加工方法，其包括：
3、获取pvc装饰膜压花的参考图像和预定时间段内的多个预定时间点的控制参数，包括：温度和压力；
4、将所述pvc装饰膜压花的参考图像通过作为过滤器的卷积神经网络模型以得到装饰
5、将所述装饰膜特征图通过包含深浅融合模块的卷积神经网络模型以得到压花区域特征图；
6、将所述多个预定时间点的温度按照时间维度排列为温度输入向量和所述多个预定时间点的压力按照时间维度排列为压力输入向量，并计算所述温度输入向量与所述压力输入向量的转置之间的乘积以得到控制参数关联矩阵；
7、将所述控制参数关联矩阵通过参数特征提取的卷积神经网络模型以得到控制参数特征图；
8、融合所述压花区域特征图和所述控制参数特征图以得到分类特征图；
9、将所述分类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的压花机温度应增大、减小或不变。
10、在上述pvc装饰膜压花加工方法中，将所述pvc装饰膜压花的参考图像通过作为过滤器的卷积神经网络模型以得到装饰膜特征图，包括：使用所述作为过滤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：基于卷积核对所述输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行基于局部特征矩阵的全局均值池化处理以生成池化特征图；以及，对所述池化特征图中各个位置的特征值进行非线性激活以生成激活特征增图；其中，所述作为过滤器的卷积神经网络模型的最后一层的输出分别为所述装饰膜特征图，所述作为过滤器的卷积神经网络模型的第二层至最后一层的输入为上一层的输出，所述作为过滤器的卷积神经网络模型的输入分别为所述pvc装饰膜压花的参考图像。
11、在上述pvc装饰膜压花加工方法中，将所述装饰膜特征图通过包含深浅融合模块的卷积神经网络模型以得到压花区域特征图，包括：从所述包含深浅融合模块的卷积神经网络模型的第m层提取浅层特征图，其中，m大于等于1且小于等于6；从所述包含深浅融合模块的卷积神经网络模型的第n层提取深层特征图，其中，n/m大于等于5且小于等于10；使用所述包含深浅融合模块的卷积神经网络模型的深浅特征融合模块融合所述浅层特征图和所述深层特征图以得到压花区域特征图。
12、在上述pvc装饰膜压花加工方法中，将所述多个预定时间点的温度按照时间维度排列为温度输入向量和所述多个预定时间点的压力按照时间维度排列为压力输入向量，并计算所述温度输入向量与所述压力输入向量的转置之间的乘积以得到控制参数关联矩阵，包括：以如下关联公式计算所述温度输入向量与所述压力输入向量的转置之间的乘积以得到控制参数关联矩阵；其中，所述关联公式为：
13、
14、其中表示向量相乘，m表示所述控制参数关联矩阵，f1表示所述温度输入向量，f2表示所述压力输入向量，表示所述压力输入向量的转置。
15、在上述pvc装饰膜压花加工方法中，将所述控制参数关联矩阵通过参数特征提取的卷积神经网络模型以得到控制参数特征图，包括：使用所述参数特征提取的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行卷积处理、基于局部特征矩阵的均值池化处理和非线性激活处理以由所述参数特征提取的卷积神经网络模型的最后一层输出所述控制参数特征图，其中，所述参数特征提取的卷积神经网络模型的输入为所述控制参数关联矩阵。
16、在上述pvc装饰膜压花加工方法中，将所述分类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的压花机温度应增大、减小或不变，包括：将所述分类特征图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通过所述分类器的softmax分类函数以得到所述分类结果。
17、根据本申请的另一方面，提供了一种pvc装饰膜压花加工系统，其包括：
18、图像数据获取模块，用于获取pvc装饰膜压花的参考图像和预定时间段内的多个预定时间点的控制参数，包括：温度和压力；
19、装饰膜特征提取模块，用于将所述pvc装饰膜压花的参考图像通过作为过滤器的卷积神经网络模型以得到装饰膜特征图；
20、压花区域提取模块，用于将所述装饰膜特征图通过包含深浅融合模块的卷积神经网络模型以得到压花区域特征图；
21、控制参数关联模块，用于将所述多个预定时间点的温度按照时间维度排列为温度输入向量和所述多个预定时间点的压力按照时间维度排列为压力输入向量，并计算所述温度输入向量与所述压力输入向量的转置之间的乘积以得到控制参数关联矩阵；
22、参数特征增强模块，用于将所述控制参数关联矩阵通过参数特征提取的卷积神经网络模型以得到控制参数特征图；
23、融合模块，用于融合所述压花区域特征图和所述控制参数特征图以得到分类特征图；
24、温度控制模块，用于将所述分类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的压花机温度应增大、减小或不变。
25、与现有技术相比，本申请提供的一种pvc装饰膜压花加工方法及其系统，其采用基于深度神经网络模型的人工智能技术，获取pvc装饰膜压花的参考图像和预定时间段内的多个预定时间点的控制参数，将图像通过卷积神经网络进行特征提取、深浅融合，将参数进行关联后通过特征提取器提取控制参数特征，将二者特征融合以得到用于表示当前时间点的压花机温度应增大、减小或不变的分类结果。进而可以实现在pvc装饰膜压花过程中根据参考图像对温度的自适应调节，从而提高压花效果和生产效率。
本文档来自技高网...【技术保护点】
1.一种PVC装饰膜压花加工方法，其特征在于，包括：
2.根据权利要求1所述的PVC装饰膜压花加工方法，其特征在于，将所述PVC装饰膜压花的参考图像通过作为过滤器的卷积神经网络模型以得到装饰膜特征图，包括：
3.根据权利要求2所述的PVC装饰膜压花加工方法，其特征在于，将所述装饰膜特征图通过包含深浅融合模块的卷积神经网络模型以得到压花区域特征图，包括：
4.根据权利要求3所述的PVC装饰膜压花加工方法，其特征在于，将所述多个预定时间点的温度按照时间维度排列为温度输入向量和所述多个预定时间点的压力按照时间维度排列为压力输入向量，并计算所述温度输入向量与所述压力输入向量的转置之间的乘积以得到控制参数关联矩阵，包括：
5.根据权利要求4所述的PVC装饰膜压花加工方法，其特征在于，将所述控制参数关联矩阵通过参数特征提取的卷积神经网络模型以得到控制参数特征图，包括：
6.根据权利要求5所述的PVC装饰膜压花加工方法，其特征在于，融合所述压花区域特征图和所述控制参数特征图以得到分类特征图，包括：
7.根据权利要求6所述的
8.根据权利要求7所述的PVC装饰膜压花加工方法，其特征在于，将所述分类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的压花机温度应增大、减小或不变，包括：
9.一种PVC装饰膜压花加工系统，其特征在于，包括：
10.根据权利要求9所述的PVC装饰膜压花加工系统，其特征在于，所述装饰膜特征提取模块，用于：
...【技术特征摘要】
1.一种pvc装饰膜压花加工方法，其特征在于，包括：
2.根据权利要求1所述的pvc装饰膜压花加工方法，其特征在于，将所述pvc装饰膜压花的参考图像通过作为过滤器的卷积神经网络模型以得到装饰膜特征图，包括：
3.根据权利要求2所述的pvc装饰膜压花加工方法，其特征在于，将所述装饰膜特征图通过包含深浅融合模块的卷积神经网络模型以得到压花区域特征图，包括：
4.根据权利要求3所述的pvc装饰膜压花加工方法，其特征在于，将所述多个预定时间点的温度按照时间维度排列为温度输入向量和所述多个预定时间点的压力按照时间维度排列为压力输入向量，并计算所述温度输入向量与所述压力输入向量的转置之间的乘积以得到控制参数关联矩阵，包括：
5.根据权利要求4所述的pvc装饰膜压花加工方法，其特征在于，将所述控制参数关联矩阵通...
【专利技术属性】
技术研发人员：朱林海，邱建明，左文博，
申请(专利权)人：安徽安奇新材料有限公司，
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。