防裂匣钵的智能化生产方法及其控制系统技术方案

本申请涉及智能检测领域，其具体地公开了一种防裂匣钵的智能化生产方法及其控制系统，其通过采用基于深度学习的人工智能算法来对于生产制造的待检测防裂匣钵的底表面图像进行多尺度的特征挖掘，进一步通过分类器来对防裂匣钵的底表面是否存在缺陷进行判断。这样，就能够在制备过程中，智能地对匣钵的底部进行缺陷检测，进而在节省防裂匣钵的生产制造时间的同时保证防裂匣钵的生产质量。的同时保证防裂匣钵的生产质量。的同时保证防裂匣钵的生产质量。

【技术实现步骤摘要】
防裂匣钵的智能化生产方法及其控制系统


[0001]本申请涉及智能检测领域，且更为具体地，涉及一种防裂匣钵的智能化生产方法及其控制系统。

技术介绍

[0002]匣钵通常是由耐火材料经压制或模制成型后，经烧结而成的窑具，能够防止气体及有害物质对胚体和釉面造成破坏及污损，具有一定的导热性和热稳定性，匣钵在使用时，由于其底面一般是温度最高的迎火面，因此匣钵的底部十分容易开裂。
[0003]因此，期望一种防裂匣钵的智能化生产方案，其能够在制备过程中，对匣钵的底部进行缺陷检测。

技术实现思路

[0004]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裂匣钵的智能化生产方法及其控制系统，其通过采用基于深度学习的人工智能算法来对于生产制造的待检测防裂匣钵的底表面图像进行多尺度的特征挖掘，进一步通过分类器来对防裂匣钵的底表面是否存在缺陷进行判断。这样，就能够在制备过程中，智能地对匣钵的底部进行缺陷检测，进而在节省防裂匣钵的生产制造时间的同时保证防裂匣钵的生产质量。
[0005]根据本申请的一个方面，提供了一种防裂匣钵的智能化生产方法，其包括：
[0006]获取待检测防裂匣钵的底表面图像；
[0007]将所述待检测防裂匣钵的底表面图像进行灰度转化以得到底表面灰度图像；
[0008]对所述底表面灰度图像进行直方图均衡化预处理和CLAHE校正颜色以得到增强底表面检测图像；
[0009]将所述增强底表面检测图像通过混合卷积层以得到检测特征图；以及
[0010]将所述检测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防裂匣钵的底表面是否存在缺陷。
[0011]在上述防裂匣钵的智能化生产方法中，所述对所述底表面灰度图像进行直方图均衡化预处理和CLAHE校正颜色以得到增强底表面检测图像，包括：对所述底表面灰度图像进行直方图均衡化预处理以将所述底表面灰度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；以及，对所述预处理后图像进行CLAHE校正颜色以得到所述增强底表面检测图像。
[0012]在上述防裂匣钵的智能化生产方法中，所述将所述增强底表面检测图像通过混合卷积层以得到检测特征图，包括：将所述增强底表面检测图像通过作为特征提取器的卷积神经网络模型以得到初始特征图；以及，将所述初始特征图输入所述混合卷积层以得到所述检测特征图。
[0013]在上述防裂匣钵的智能化生产方法中，所述将所述增强底表面检测图像通过作为特征提取器的卷积神经网络模型以得到初始特征图，包括：使用所述作为特征提取器的卷
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：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沿通道维度的池化以得到池化特征图；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，所述作为特征提取器的卷积神经网络的最后一层的输出为所述初始特征图，所述作为特征提取器的卷积神经网络的第一层的输入为所述增强底表面检测图像。
[0014]在上述防裂匣钵的智能化生产方法中，所述将所述初始特征图输入所述混合卷积层以得到所述检测特征图，包括：将所述初始特征图输入所述混合卷积层的第一卷积层以得到第一尺度特征图，其中，所述第一卷积层使用具有第一尺寸的第一卷积核；将所述初始特征图输入所述混合卷积层的第二卷积层以得到第二尺度特征图，其中，所述第二卷积层使用具有第一空洞率的第一空洞卷积核；将所述初始特征图输入所述混合卷积层的第三卷积层以得到第三尺度特征图，其中，所述第三卷积层使用具有第二空洞率的第二空洞卷积核；将所述初始特征图输入所述混合卷积层的第四卷积层以得到第四尺度特征图，其中，所述第四卷积层使用具有第三空洞率的第三空洞卷积核；融合所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图以得到所述检测特征图。
[0015]在上述防裂匣钵的智能化生产方法中，所述第一空洞率、所述第二空洞率和所述第三空洞率相互不等,所述第一空洞卷积核、所述第二空洞卷积核和所述第三空洞卷积核具有相同的第二尺寸，且所述第二尺寸等于所述第一卷积核的第一尺寸。
[0016]在上述防裂匣钵的智能化生产方法中，所述融合所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图以得到所述检测特征图，包括：分别对所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图进行特征分布校正以得到校正后第一尺度特征图、校正后第二尺度特征图、校正后第三尺度特征图和校正后第四尺度特征图；计算所述校正后第一尺度特征图、所述校正后第二尺度特征图、所述校正后第三尺度特征图和所述校正后第四尺度特征图的按位置加权和以得到所述检测特征图。
[0017]在上述防裂匣钵的智能化生产方法中，所述分别对所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图进行特征分布校正以得到校正后第一尺度特征图、校正后第二尺度特征图、校正后第三尺度特征图和校正后第四尺度特征图，包括：以如下公式分别计算所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图的类小波函数族能量聚合因数；
[0018]其中，所述公式为：
[0019][0020]其中f
si,j,k
表示所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图中第s尺度特征图的各个位置的特征值，W
s
为所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图中第s尺度特征图的宽度，H
s
为所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图中第s尺度特征图的高度，C
s
为所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图中第s尺度特征图的通道维度，log表示以2为底的对
数函数值；以及，以所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图的类小波函数族能量聚合因数作为加权权重分别对于所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图进行加权优化以得到所述校正后第一尺度特征图、所述校正后第二尺度特征图、所述校正后第三尺度特征图和所述校正后第四尺度特征图。
[0021]在上述防裂匣钵的智能化生产方法中，所述将所述检测特征图通过分类器以得到分类结果，包括：使用所述分类器以如下公式对所述检测特征图进行处理以生成分类结果；其中，所述公式为：
[0022]O＝softmax{(W
n
,B
n
):
…
:(W1,B1)
│
Project(F)}，其中Project(F)表示将所述检测特征图投影为向量，W1至W
n
为各层全连接层的权重矩阵，B1至B
n
表示各层全连接层的偏置向量。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种防裂匣钵的智能化生产方法，其特征在于，包括：获取待检测防裂匣钵的底表面图像；将所述待检测防裂匣钵的底表面图像进行灰度转化以得到底表面灰度图像；对所述底表面灰度图像进行直方图均衡化预处理和CLAHE校正颜色以得到增强底表面检测图像；将所述增强底表面检测图像通过混合卷积层以得到检测特征图；以及将所述检测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防裂匣钵的底表面是否存在缺陷。2.根据权利要求1所述的防裂匣钵的智能化生产方法，其特征在于，所述对所述底表面灰度图像进行直方图均衡化预处理和CLAHE校正颜色以得到增强底表面检测图像，包括：对所述底表面灰度图像进行直方图均衡化预处理以将所述底表面灰度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；以及对所述预处理后图像进行CLAHE校正颜色以得到所述增强底表面检测图像。3.根据权利要求2所述的防裂匣钵的智能化生产方法，其特征在于，所述将所述增强底表面检测图像通过混合卷积层以得到检测特征图，包括：将所述增强底表面检测图像通过作为特征提取器的卷积神经网络模型以得到初始特征图；以及将所述初始特征图输入所述混合卷积层以得到所述检测特征图。4.根据权利要求3所述的防裂匣钵的智能化生产方法，其特征在于，所述将所述增强底表面检测图像通过作为特征提取器的卷积神经网络模型以得到初始特征图，包括：使用所述作为特征提取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：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沿通道维度的池化以得到池化特征图；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，所述作为特征提取器的卷积神经网络的最后一层的输出为所述初始特征图，所述作为特征提取器的卷积神经网络的第一层的输入为所述增强底表面检测图像。5.根据权利要求4所述的防裂匣钵的智能化生产方法，其特征在于，所述将所述初始特征图输入所述混合卷积层以得到所述检测特征图，包括：将所述初始特征图输入所述混合卷积层的第一卷积层以得到第一尺度特征图，其中，所述第一卷积层使用具有第一尺寸的第一卷积核；将所述初始特征图输入所述混合卷积层的第二卷积层以得到第二尺度特征图，其中，所述第二卷积层使用具有第一空洞率的第一空洞卷积核；将所述初始特征图输入所述混合卷积层的第三卷积层以得到第三尺度特征图，其中，所述第三卷积层使用具有第二空洞率的第二空洞卷积核；将所述初始特征图输入所述混合卷积层的第四卷积层以得到第四尺度特征图，其中，所述第四卷积层使用具有第三空洞率的第三空洞卷积核；融合所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图以得到所述检测特征图。6.根据权利要求5所述的防裂匣钵的智能化生产方法，其特征在于，所述第一空洞率、
所述第二空洞率和所述第三空洞率相互不等,所述第一空洞卷积核、所述第二空洞卷积核和所述第三空洞卷积核具有相同的第二尺寸，且所述第二尺寸等于所述第一卷积核的第一尺寸。7.根据权利要求6所述的防裂匣钵的智能化生产方法，其特征在于，所述融合所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图以得到所述检测特征图，包括：分别对所述第一尺度特征图、所述第二尺度特征图、所述第...

【专利技术属性】
技术研发人员：王膑，王家邦，顾耀成，谢峰，
申请(专利权)人：浙江吉昌新材料有限公司，
类型：发明
国别省市：