【技术实现步骤摘要】
本申请涉及智能控制领域，且更为具体的涉及一种沥青防水卷材加工制备系统及其方法。
技术介绍
1、沥青防水卷材是一种常用的防水材料，用于建筑物屋面、地下室、地基等部位的防水工程。常见的沥青防水卷材加工制备步骤包括：材料准备、沥青制备、纤维增强材料处理、卷材制备、干燥和固化、切割和包装。在沥青制备的过程中，需要使用加热炉将沥青加热至一定温度使其变为液态。沥青的加热温度过高可能导致其热分解或氧化，影响产品质量；加热温度过低则可能使沥青无法达到液态，影响涂布或浸渍效果。因此，在实际操作中，需要根据经验或工艺规范确定适宜的加热温度范围，并通过温度控制系统进行监控和调节，以确保沥青在合适的温度下达到液态状态。然而，这种控制温度的方法需要工人具有较高的熟练度，且耗费人力和时间成本。而且，因为人的主观误差，容易存在温度控制不精确的情况。
2、因此，期待一种优化的沥青防水卷材加工制备方案。
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沥青防水卷材加工制备系统及其方法，其使用基于深度神经网络模型的人工智能技术来智能地对沥青加热监控视频以及多个预定时间点的加热温度值进行特征编码与提取，以得到更为精准的用于表示当前时间点的加热温度应增大或减小的分类标签。这样，提高了控制精度，降低了人力成本。
2、根据本申请的一个方面，提供了一种沥青防水卷材加工制备系统，其包括：
3、数据获取模块，用于获取预定时间段的沥青加热监控视频、所述预定时间段内多个
4、关键帧提取模块，用于从所述预定时间段的沥青加热监控视频提取多个沥青监控关键帧；
5、深浅特征融合模块，用于将所述多个沥青监控关键帧通过包含深浅融合模块的第一卷积神经网络模型以得到多个沥青监控特征矩阵；
6、三维卷积模块，用于将所述多个沥青监控特征矩阵沿着样本维度聚合为三维特征张量后通过使用三维卷积核的第二卷积神经网络模型以得到沥青状态变化特征向量；
7、时序编码模块，用于将所述多个预定时间点的加热温度值按照时间维度排列为加热温度输入向量后通过时序编码器以得到加热温度特征向量；
8、响应性估计模块，用于计算所述加热液温度特征向量相对于所述沥青状态变化特征向量的响应性估计以得到分类特征矩阵；
9、优化模块，用于对所述分类特征矩阵进行基于局部特征分布的密度域概率化以得到优化分类特征矩阵；
10、分类结果生成模块，用于将所述优化分类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当前时间点的加热温度应增大或减小。
11、在上述的沥青防水卷材加工制备系统中，所述关键帧提取模块，用于：
12、以预定采样频率从所述预定时间段的沥青加热监控视频中提取所述多个沥青监控关键帧。
13、在上述的沥青防水卷材加工制备系统中，所述深浅特征融合模块，包括：
14、浅层特征提取单元，用于从所述第一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；
15、深层特征提取单元，用于从所述第一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；
16、特征融合单元，用于使用所述第一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融合特征图；
17、池化单元，用于对所述融合特征图进行沿通道维度的全局池化以得到所述沥青监控特征矩阵。
18、在上述的沥青防水卷材加工制备系统中，所述三维卷积模块，包括：
19、三维卷积单元，用于使用所述第二卷积神经网络模型对所述三维特征张量进行三维卷积编码以得到沥青状态变化特征图；
20、降维单元，用于对所述沥青状态变化特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到所述沥青状态变化特征向量。
21、在上述的沥青防水卷材加工制备系统中，所述三维卷积单元，包括：
22、使用所述使用三维卷积核的第二卷积神经网络模型在层的正向传递中对输入数据分别进行：
23、基于所述三维卷积核对所述输入数据进行三维卷积处理以得到卷积特征图；
24、对所述卷积特征图进行基于局部特征矩阵的均值池化处理以得到池化特征图；
25、对所述池化特征图进行非线性激活以得到激活特征图；
26、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沥青状态变化特征图，所述第二卷积神经网络模型的第一层的输入为所述三维特征张量。
27、在上述的沥青防水卷材加工制备系统中，所述时序编码模块，包括：
28、归一化映射单元，用于将所述加热温度输入向量进行基于最大值的归一化处理以得到归一化后加热温度输入向量；
29、全连接编码单元，用于使用所述时序编码器的全连接层对所述归一化后加热温度输入向量进行全连接编码以提取所述归一化后加热温度输入向量中各个位置的特征值的高维隐含特征；
30、一维卷积编码单元，用于使用所述时序编码器的一维卷积层对所述归一化后加热温度输入向量进行一维编码以提取所述归一化后加热温度输入向量中各个位置的特征值间的关联的高维隐含关联特征。
31、在上述的沥青防水卷材加工制备系统中，所述响应性估计模块，包括：
32、以如下响应性估计公式计算所述加热液温度特征向量相对于所述沥青状态变化特征向量的响应性估计以得到分类特征矩阵；
33、其中，所述响应性估计公式为：
34、
35、其中va表示所述加热液温度特征向量，vb表示所述沥青状态变化特征向量，m表示所述分类特征矩阵，表示矩阵相乘。
36、在上述的沥青防水卷材加工制备系统中，所述优化模块，包括：
37、块状切分单元，用于对所述分类特征矩阵进行块状切分以得到多个分类子块特征矩阵；
38、均值池化单元，用于对所述多个解码子块特征矩阵分别进行均值池化以得到多个解码子块全局语义特征向量；
39、按位均值单元，用于计算所述多个解码子块全局语义特征向量的全局按位置均值向量以得到解码全局语义枢轴特征向量；
40、相对密度单元，用于计算所述多个解码子块全局语义特征向量中各个解码子块全局语义特征向量与所述解码全局语义枢轴特征向量之间的交叉熵以得到由多个交叉熵值组成的局部特征分布相对密度语义特征向量；
41、激活单元，用于将所述局部特征分布相对密度语义特征向量输入softmax激活函数以得到局部特征分布相对密度概率化特征向量；
42、加权单元，用于以所述局部特征分布相对密度概率化特征向量中各个位置的特征值对所述各个解码子块特征矩阵进行加权以得到多个加权后解码子块特征矩阵；
43、拼接单元，用于将所述多个加权后分类子块特征矩阵进行拼接以得到所述优化分类特征矩阵。
本文档来自技高网...
【技术保护点】
1.一种沥青防水卷材加工制备系统，其特征在于，包括：
2.根据权利要求1所述的沥青防水卷材加工制备系统，其特征在于，所述关键帧提取模块，用于：
3.根据权利要求2所述的沥青防水卷材加工制备系统，其特征在于，所述深浅特征融合模块，包括：
4.根据权利要求3所述的沥青防水卷材加工制备系统，其特征在于，所述三维卷积模块，包括：
5.根据权利要求4所述的沥青防水卷材加工制备系统，其特征在于，所述三维卷积单元，包括：
6.根据权利要求5所述的沥青防水卷材加工制备系统，其特征在于，所述时序编码模块，包括：
7.根据权利要去6所述的沥青防水卷材加工制备系统，其特征在于，所述响应性估计模块，包括：
8.根据权利要求7所述的沥青防水卷材加工制备系统，其特征在于，所述优化模块，包括：
9.根据权利要求8所述的沥青防水卷材加工制备系统，其特征在于，所述分类结果生成模块，包括：
10.一种沥青防水卷材加工制备方法，其特征在于，包括：
【技术特征摘要】
1.一种沥青防水卷材加工制备系统，其特征在于，包括：
2.根据权利要求1所述的沥青防水卷材加工制备系统，其特征在于，所述关键帧提取模块，用于：
3.根据权利要求2所述的沥青防水卷材加工制备系统，其特征在于，所述深浅特征融合模块，包括：
4.根据权利要求3所述的沥青防水卷材加工制备系统，其特征在于，所述三维卷积模块，包括：
5.根据权利要求4所述的沥青防水卷材加工制备系统，其特征在于，所述三维卷积单元，包括：
【专利技术属性】
技术研发人员：蒋胜，项淑娜，肖皓泽，
申请(专利权)人：安徽快来防水防腐有限公司，
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。