电缆的智能化制备方法及其系统技术方案

本申请公开了一种电缆的智能化制备方法及其系统，其利用具有非对称卷积核模块的卷积神经网络模型来分别挖掘待检测电缆的多个电缆段中各个电缆段的表面状态特征。进一步地，以电缆段图像的特征向量作为节点，以两个特征向量之间的欧式距离作为节点与节点之间的关联，并通过图神经网路模型来进行特征融合以得到所述待检测电缆的包含各个节点的相似度的全局表面状态特征表示，以此来提高对于所述待检测电缆的表面状态的质检精度，从而保证所述待检测电缆的成型质量。待检测电缆的成型质量。待检测电缆的成型质量。

【技术实现步骤摘要】
电缆的智能化制备方法及其系统


[0001]本申请涉及电缆制造
，且更为具体地，涉及一种电缆的智能化制备方法及其系统。
技术背景
[0002]电线绝缘表面缺陷(凹凸不平、鼓包、塑化不良)对电线用于线束中的可靠性有很大影响，一直以来困扰着行业内所有企业，它的具体成因：1、生胶现象：绝缘线芯在生产过程中有时会出现生胶现象，也成为绝缘僵块或硬块；2、老胶现象：绝缘线芯在生产过程中有时会出现老胶现象，是由于挤出时机头温度过高或材料料长期停留在流道内的死角所引起的，停留时间越长，其颜色越深，温度越高其颜色也越深；3、材料稳定性：特指材料中含有杂质，树脂加工过程过度聚合形成高分子的聚合物，导致熔点增加，挤出时会出现大的晶粒。
[0003]在线缆的制备过程中，通过人工来观察制备成型的电缆半产品的表面状态以对其进行质检，但一方面人眼分辨率有限，无法对观察出细微缺陷，另一方面，由于线缆为长线条状，人工检查容易造成疏忽与纰漏。
[0004]因此，期待一种电缆的智能化制备方案，其能够对制备成型的电缆进行表面状态智能监测与评估，以确保其成型质量。

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电缆的智能化制备方法及其系统，其利用具有非对称卷积核模块的卷积神经网络模型来分别挖掘待检测电缆的多个电缆段中各个电缆段的表面状态特征。进一步地，以电缆段图像的特征向量作为节点，以两个特征向量之间的欧式距离作为节点与节点之间的关联，并通过图神经网路模型来进行特征融合以得到所述待检测电缆的包含各个节点的相似度的全局表面状态特征表示，以此来提高对于所述待检测电缆的表面状态的质检精度，从而保证所述待检测电缆的成型质量。
[0006]根据本申请的一个方面，提供了一种电缆的智能化制备方法，其包括：沿着待检测电缆的延伸方向采集所述待检测电缆的多个电缆段图像；将所述多个电缆段图像中各个电缆段图像分别通过具有非对称卷积核模块的第一卷积神经网络模型以得到多个电缆段表面状态特征向量；计算所述多个电缆段表面状态特征向量中任意两个电缆段表面状态特征向量之间的欧式距离以得到表面状态关联矩阵；将所述表面状态关联矩阵通过作为特征提取器的第二卷积神经网络模型以得到表面状态关联特征矩阵；将所述多个电缆段表面状态特征向量进行二维矩阵排列以得到全局表面状态特征矩阵；将所述全局表面状态特征矩阵和所述表面状态关联特征矩阵通过图神经网络以得到拓扑全局表面状态特征矩阵；对所述拓扑全局表面状态特征矩阵中各个行向量或列向量进行相位感知的按位置聚合以得到校正后拓扑全局表面状态特征矩阵，其中，所述相位感知的按位置聚合基于所述拓扑全局表面状态特征矩阵中各个行向量或列向量的所有特征值的均值的倒数来进行；以及
[0007]将所述校正后拓扑全局表面状态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待检测电缆的表面状态是否满足预定要求。
[0008]在上述电缆的智能化制备方法中，所述将所述多个电缆段图像中各个电缆段图像分别通过具有非对称卷积核模块的第一卷积神经网络模型以得到多个电缆段表面状态特征向量，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输入数据进行：基于二维卷积核对所述输入数据进行卷积处理以得到第一卷积特征图；基于第一一维卷积核对所述输入数据进行一维卷积处理以得到第二卷积特征图；基于第二二维卷积核对所述输入数据进行一维卷积处理以得到第三卷积特征图；融合所述第一卷积特征图、所述第二卷积特征图和所述第三卷积特征图以得到融合卷积特征图；对所述融合卷积特征图进行基于局部通道维度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处理以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述电缆段表面状态特征向量。
[0009]在上述电缆的智能化制备方法中，所述计算所述多个电缆段表面状态特征向量中任意两个电缆段表面状态特征向量之间的欧式距离以得到表面状态关联矩阵，包括：以如下公式来计算所述多个电缆段表面状态特征向量中任意两个电缆段表面状态特征向量之间的欧式距离以得到多个欧式距离；其中，所述公式为：
[0010][0011]其中V
i
和V
j
分别表示所述多个电缆段表面状态特征向量中任意两个电缆段表面状态特征向量，和分别表示所述多个电缆段表面状态特征向量中任意两个电缆段表面状态特征向量的各个位置的特征值；以及，将所述多个欧式距离进行二维排列为所述表面状态关联矩阵。
[0012]在上述电缆的智能化制备方法中，所述将所述表面状态关联矩阵通过作为特征提取器的第二卷积神经网络模型以得到表面状态关联特征矩阵，包括：使用所述第二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：对所述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沿通道维度的全局均值池化以得到池化特征矩阵；以及，对所述池化特征矩阵进行非线性激活处理以得到激活特征矩阵；其中，所述第二卷积神经网络模型的最后一层的输出为所述表面状态关联特征矩阵。
[0013]在上述电缆的智能化制备方法中，所述对所述拓扑全局表面状态特征矩阵中各个行向量或列向量进行相位感知的按位置聚合以得到校正后拓扑全局表面状态特征矩阵，包括：以如下公式对所述拓扑全局表面状态特征矩阵中各个行向量或列向量进行相位感知的按位置聚合以得到所述校正后拓扑全局表面状态特征矩阵；其中，所述公式为：按位置聚合以得到所述校正后拓扑全局表面状态特征矩阵；其中，所述公式为：
[0014]其中V表示所述拓扑全局表面状态特征矩阵中与所述电缆段表面状态特征向量相同维度的各个行向量或列向量，表示所述拓扑全局表面状态特征矩阵中各个行向量或列向量的所有特征值的均值的倒数，
⊙
表示按位置点乘。
[0015]在上述电缆的智能化制备方法中，所述将所述校正后拓扑全局表面状态特征矩阵通过分类器以得到分类结果，包括：将所述校正后拓扑全局表面状态特征矩阵按照行向量或列向量进行展开以得到分类特征向量；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类分布特征向量；以及，将所述类分布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。
[0016]在上述电缆的智能化制备方法中，所述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类分布特征向量，包括：使用所述分类器的全连接层以如下公式对所述分类特征向量进行全连接编码以提取出所述分类特征向量中各个位置的特征值的高维隐含特征以得到类分布特征向量，其中，所述公式为：其中X是所述分类特征向量，Y是所述类分布特征向量，W是权重矩阵，B是偏置向量，表示矩阵乘。
[0017]根据本申请的另一方面，提供了一种电缆的智能化制备系统，包括：
[0018]电缆段图像采集单元，用于沿着待检测电缆的延伸方向采集所述待检测电缆的多个电缆段图像；表面状态特征提取单元，用于将所述多个电缆段图像中各个电缆段图像分别通过具有非对称卷积核模块的第一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电缆的智能化制备方法，其特征在于，包括：沿着待检测电缆的延伸方向采集所述待检测电缆的多个电缆段图像；将所述多个电缆段图像中各个电缆段图像分别通过具有非对称卷积核模块的第一卷积神经网络模型以得到多个电缆段表面状态特征向量；计算所述多个电缆段表面状态特征向量中任意两个电缆段表面状态特征向量之间的欧式距离以得到表面状态关联矩阵；将所述表面状态关联矩阵通过作为特征提取器的第二卷积神经网络模型以得到表面状态关联特征矩阵；将所述多个电缆段表面状态特征向量进行二维矩阵排列以得到全局表面状态特征矩阵；将所述全局表面状态特征矩阵和所述表面状态关联特征矩阵通过图神经网络以得到拓扑全局表面状态特征矩阵；对所述拓扑全局表面状态特征矩阵中各个行向量或列向量进行相位感知的按位置聚合以得到校正后拓扑全局表面状态特征矩阵，其中，所述相位感知的按位置聚合基于所述拓扑全局表面状态特征矩阵中各个行向量或列向量的所有特征值的均值的倒数来进行；以及将所述校正后拓扑全局表面状态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待检测电缆的表面状态是否满足预定要求。2.根据权利要求1所述的电缆的智能化制备方法，其特征在于，所述将所述多个电缆段图像中各个电缆段图像分别通过具有非对称卷积核模块的第一卷积神经网络模型以得到多个电缆段表面状态特征向量，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输入数据进行：基于二维卷积核对所述输入数据进行卷积处理以得到第一卷积特征图；基于第一一维卷积核对所述输入数据进行一维卷积处理以得到第二卷积特征图；基于第二二维卷积核对所述输入数据进行一维卷积处理以得到第三卷积特征图；融合所述第一卷积特征图、所述第二卷积特征图和所述第三卷积特征图以得到融合卷积特征图；对所述融合卷积特征图进行基于局部通道维度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处理以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述电缆段表面状态特征向量。3.根据权利要求2所述的电缆的智能化制备方法，其特征在于，所述计算所述多个电缆段表面状态特征向量中任意两个电缆段表面状态特征向量之间的欧式距离以得到表面状态关联矩阵，包括：以如下公式来计算所述多个电缆段表面状态特征向量中任意两个电缆段表面状态特征向量之间的欧式距离以得到多个欧式距离；其中，所述公式为：其中V
i
和V
j
分别表示所述多个电缆段表面状态特征向量中任意两个电缆段表面状态特征向量，和分别表示所述多个电缆段表面状态特征向量中任意两个电缆段表面状态特征向量的各个位置的特征值；以及将所述多个欧式距离进行二维排列为所述表面状态关联矩阵。4.根据权利要求3所述的电缆的智能化制备方法，其特征在于，所述将所述表面状态关联矩阵通过作为特征提取器的第二卷积神经网络模型以得到表面状态关联特征矩阵，包
括：使用所述第二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：对所述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沿通道维度的全局均值池化以得到池化特征矩阵；以及对所述池化特征矩阵进行非线性激活处理以得到激活特征矩阵；其中，所述第二卷积神经网络模型的最后一层的输出为所述表面状态关联特征矩阵。5.根据权利要求4所述的电缆的智能化制备方法，其特征在于，所述对所述拓扑全局表面状态特征矩阵中各个行向量或列向量进行相位感知的按位置聚合以得到校正后拓扑全局表面状态特征矩阵，包括：以如下公式对所述拓扑全局表面状态特征矩阵中各个行向量或列向量进行相位感知的按位置聚合以得到所述校正后拓扑全局表面状态特征矩阵；其中，所述公式为：其中V表示所述拓扑全局表面状态特征矩阵中与所述电缆段表面状态特征向量相同维度的各个行向量或列向量，表示所述拓扑全局表面状态特征矩阵...

【专利技术属性】
技术研发人员：连素芬，郑冬有，陈加元，
申请(专利权)人：温州丹悦线缆科技有限公司，
类型：发明
国别省市：