纸张的智能覆膜系统及其方法与流程

本技术涉及智能化制造领域，且更为具体地，涉及一种纸张的智能覆膜系统及其方法。

背景技术：

1、纸张的覆膜系统是一种印刷后的表面加工工艺，它可以在纸张的表面覆盖一层透明的塑料薄膜，从而提高纸张的光泽度、耐久性和美观度。然而，传统的纸张覆膜过程需要通过人工操作，手工涂覆工艺效率低下、不易控制，同时也容易出现品质问题。

2、因此，期望一种优化的纸张的智能覆膜系统。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种纸张的智能覆膜系统及其方法。其首先将待覆膜的纸张送入覆膜机，接着，将黏合剂涂布在所述覆膜机的塑料薄膜上以得到涂布黏合剂的塑料薄膜，然后，将所述涂布黏合剂的塑料薄膜进行干燥，去除溶剂或水分以得到干燥塑料薄膜，接着，将所述干燥塑料薄膜与纸张进行热压结合以得到被覆膜后的纸张，然后，将所述被覆膜后的纸张进行切割，去除多余的边缘以得到切割后纸张，最后，将所述切割后纸张送出覆膜机。通过这样的方式，对品质进行控制。

2、根据本技术的一个方面，提供了一种纸张的智能覆膜系统，其包括：

3、上料模块，用于将待覆膜的纸张送入覆膜机；

4、涂布模块，用于将黏合剂涂布在所述覆膜机的塑料薄膜上以得到涂布黏合剂的塑料薄膜；

5、干燥模块，用于将所述涂布黏合剂的塑料薄膜进行干燥，去除溶剂或水分以得到干燥塑料薄膜；

6、热压模块，用于将所述干燥塑料薄膜与纸张进行热压结合以得到被覆膜后的纸张；

7、切割模块，用于将所述被覆膜后的纸张进行切割，去除多余的边缘以得到切割后纸张；以及

8、下料模块，用于将所述切割后纸张送出覆膜机。

9、在上述的纸张的智能覆膜系统中，所述热压模块，包括：

10、图像采集单元，用于获取所述被覆膜后的纸张的监控图像；

11、包装空间识别单元，用于将所述监控图像通过包装空间识别网络以得到包装空间区域；

12、包装空间特征提取单元，用于将所述包装空间区域通过包含深浅特征融合模块的图像特征提取器以得到包装特征图；

13、特征优化单元，用于对所述包装特征图进行特征分布优化以得到优化包装特征图；

14、矩阵展开单元，用于将所述优化包装特征图沿通道维度的各个特征矩阵进行特征矩阵展开以得到多个包装特征向量；

15、全局包装语义理解单元，用于将所述多个包装特征向量通过基于转换器的上下文编码器以得到全局包装语义理解特征向量；以及

16、包装空间缺陷检测单元，用于将所述全局包装语义理解特征向量通过分类器以得到分类结果，所述分类结果用于表示被覆膜后的纸张的包装空间是否存在缺陷。

17、在上述的纸张的智能覆膜系统中，所述包装空间识别网络为基于锚窗的目标检测网络，所述基于锚窗的目标检测网络为fast r-cnn、faster r-cnn或retinanet。

18、在上述的纸张的智能覆膜系统中，所述包装空间特征提取单元，用于：

19、将所述包装空间区域输入所述图像特征提取器以从所述图像特征提取器的浅层提取浅层特征图以及从所述图像特征提取器的深层提深层特征图；以及

20、使用所述图像特征提取器的所述深浅特征融合模块来将所述浅层特征图和所述深层特征图进行级联以得到所述包装特征图。

21、在上述的纸张的智能覆膜系统中，所述特征优化单元，包括：

22、优化因数计算子单元，用于计算所述包装特征图中各个位置特征值的位置信息图式注意力响应因数以得到多个位置信息图式注意力响应因数；以及

23、加权优化子单元，用于以所述多个位置信息图式注意力响应因数作为加权系数对所述包装特征图的各个位置特征值进行加权优化以得到所述优化分类特征图。

24、在上述的纸张的智能覆膜系统中，所述优化因数计算子单元，用于：

25、以如下优化公式计算所述包装特征图中各个位置特征值的位置信息图式注意力响应因数以得到所述多个位置信息图式注意力响应因数；

26、其中，所述优化公式为：

27、

28、其中，fi是所述包装特征图中各个位置特征值，(xi,yi,zi)为所述包装特征图的各个位置特征值的位置坐标，且是所述包装特征图的所有特征值的全局均值，和分别代表将三维实数和二维实数映射为一维实数的函数，w、h和c分别是所述包装特征图的宽度、高度和通道数，log表示以2为底的对数函数，wi表示所述多个位置信息图式注意力响应因数中的各个位置信息图式注意力响应因数。

29、在上述的纸张的智能覆膜系统中，所述全局包装语义理解单元，用于：

30、将所述多个包装特征向量进行一维排列以得到全局包装特征向量；

31、计算所述全局包装特征向量与所述多个包装特征向量中各个包装特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；

32、分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；

33、将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过softmax分类函数以得到多个概率值；

34、分别以所述多个概率值中各个概率值作为权重对所述多个包装特征向量中各个包装特征向量进行加权以得到多个全局包装语义理解特征向量；以及

35、将所述多个全局包装语义理解特征向量进行级联以得到所述全局包装语义理解特征向量。

36、在上述的纸张的智能覆膜系统中，所述包装空间缺陷检测单元，用于：

37、使用所述分类器的多个全连接层对所述全局包装语义理解特征向量进行全连接编码以得到编码分类特征向量；以及

38、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。

39、根据本技术的另一个方面，提供了一种纸张的智能覆膜方法，其包括：

40、将待覆膜的纸张送入覆膜机；

41、将黏合剂涂布在所述覆膜机的塑料薄膜上以得到涂布黏合剂的塑料薄膜；

42、将所述涂布黏合剂的塑料薄膜进行干燥，去除溶剂或水分以得到干燥塑料薄膜；

43、将所述干燥塑料薄膜与纸张进行热压结合以得到被覆膜后的纸张；

44、将所述被覆膜后的纸张进行切割，去除多余的边缘以得到切割后纸张；以及

45、将所述切割后纸张送出覆膜机。

46、在上述的纸张的智能覆膜方法中，将所述干燥塑料薄膜与纸张进行热压结合以得到被覆膜后的纸张，包括：

47、获取所述被覆膜后的纸张的监控图像；

48、将所述监控图像通过包装空间识别网络以得到包装空间区域；

49、将所述包装空间区域通过包含深浅特征融合模块的图像特征提取器以得到包装特征图；

50、对所述包装特征图进行特征分布优化以得到优化包装特征图；

51、将所述优化包装特征图沿通道维度的各个特征矩阵进行特征矩阵展开以得到多个包装特征向量；

52、将所述多个包装特征向量通过基于转换器的上下文编码器以得到全局包装语义理解特征向量；以及

53、将所述全局包装语义理解特征向量通过分类器以得到分类结果，所述分类结果用于表示被覆膜后的纸张的包装空间是否存在缺陷。

54、与现有技术相比，本技术提供的纸张的智能覆膜系统及其方法，其首先将待覆膜的纸张送入覆膜机，接着，将黏合剂涂布在所述覆膜机的塑料薄膜上以得到涂布黏合剂的塑料薄膜，然后，将所述涂布黏合剂的塑料薄膜进行干燥，去除溶剂或水分以得到干燥塑料薄膜，接着，将所述干燥塑料薄膜与纸张进行热压结合以得到被覆膜后的纸张，然后，将所述被覆膜后的纸张进行切割，去除多余的边缘以得到切割后纸张，最后，将所述切割后纸张送出覆膜机。通过这样的方式，对品质进行控制。