吸音棉加工设备的控制方法及其系统与流程

本技术涉及吸音棉加工领域，且更为具体地，涉及一种吸音棉加工设备的控制方法及其系统。

背景技术：

1、吸音棉加工设备通常是用于制造吸音材料，如吸音棉板、吸音棉片等，吸音棉加工涉及材料准备、混合、熔融、压制成型、固化冷却等步骤。吸音棉加工设备通过将聚酯纤维、玻璃纤维或岩棉等原材料送入设备的料斗或进料口，并在原材料中添加适量的粘合剂和其他需要的添加剂，然后将原材料和添加剂送入混合器中，混合器可以是搅拌器、螺旋混合器或其他适当的设备，混合器会将原材料和添加剂充分混合，以确保粘合剂均匀地分布在原材料中。

2、在吸音棉加工过程中，不均匀的混合会导致吸音棉产品的质量不稳定，影响其吸音性能。在现有技术中，混合原材料和粘合剂的过程发生在一个封闭的容器内，操作人员无法直接看到混合的过程，这导致无法准确判断原材料和粘合剂是否混合均匀，并且由于操作人员无法准确掌握原材料和粘合剂在机器中的分布情况，而每个操作人员有不同的判断标准，会出现主观判断的情况。

3、因此，期望一种更为优化的吸音棉加工设备的控制方法及其系统方案。

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吸音棉加工设备的控制方法及其系统，其首先获取待粘合吸音棉混合材料图像，然后将所述待粘合吸音棉混合材料图像通过作为特征提取器的第一卷积神经网络后通过非局部神经网络以得到全局关联特征图，进一步地，将所述待粘合吸音棉混合材料图像通过具有多重感受野的第二卷积神经网络以得到第二特征图，接着，将所述全局关联特征图和所述第二特征图进行基于秩序性的位移过渡并通过分类器以得到分类结果，以得到待粘合吸音棉材料与粘合剂是否混合均匀，以便于进行吸音棉加工下一步骤，以减少成本和提高生产效率，有助于提升产品质量和一致性。

2、根据本技术的一个方面，提供了一种吸音棉加工设备的控制方法，其包括：

3、获取待粘合吸音棉混合材料图像；

4、将所述待粘合吸音棉混合材料图像通过作为特征提取器的第一卷积神经网络以得到高维关联局部特征图；

5、将所述高维关联局部特征图通过非局部神经网络以得到全局关联特征图；

6、将所述待粘合吸音棉混合材料图像通过具有多重感受野的第二卷积神经网络以得到第二特征图，其中，所述第二卷积神经网络的各层使用所述第一卷积核和第二卷积核先后对输入数据进行卷积处理，其中，所述第二卷积核的尺寸小于所述第一卷积核的尺寸；

7、对所述全局关联特征图和所述第二特征图进行基于秩序性的位移过渡以得到分类特征图；

8、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待粘合吸音棉材料与粘合剂是否混合均匀。

9、在上述吸音棉加工设备的控制方法中，将所述待粘合吸音棉混合材料图像通过作为特征提取器的第一卷积神经网络以得到高维关联局部特征图，包括：从所述第一卷积神经网络的第m层提取浅层特征图，其中，m大于等于4且小于等于6；从所述第一卷积神经网络的第n层提取深层特征图，其中，n/m大于等于10且小于等于15；融合所述浅层特征图和所述深层特征图以得到所述高维关联局部特征图。

10、在上述吸音棉加工设备的控制方法中，将所述高维关联局部特征图通过非局部神经网络以得到全局关联特征图，包括：将所述高维关联局部特征图分别输入所述非局部神经网络的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；将所述中间融合特征图输入softmax函数以对所述中间融合特征图中各个位置的特征值进行归一化以得到归一化中间融合特征图；计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特征图；将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得到全局感知特征图；将所述全局感知特征图通过所述非局部神经网络的第四点卷积层以得到通道调整全局感知特征图；计算所述通道调整全局感知特征图和所述高维关联局部特征图的按位置加权和以得到所述全局关联特征图。

11、在上述吸音棉加工设备的控制方法中，将所述待粘合吸音棉混合材料图像通过具有多重感受野的第二卷积神经网络以得到第二特征图，包括：进一步用于使用所述第二卷积神经网络的各层在层的正向传递中对输入数据分别进行：使用所述第一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；使用所述第二卷积核对所述第一卷积特征图进行卷积处理以得到第二卷积特征图；对所述第二卷积特征图进行池化处理以得到池化特征图；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，所述第二卷积神经网络的最后一层的输出为所述第二特征图。

12、在上述吸音棉加工设备的控制方法中，对所述全局关联特征图和所述第二特征图进行基于秩序性的位移过渡以得到分类特征图，包括：基于所述全局关联特征图的沿通道维度的各个特征矩阵的全局均值，对所述全局关联特征图进行特征矩阵序列化重排以得到序列化全局关联特征图；基于所述第二特征图的沿通道维度的各个特征矩阵的全局均值，对所述第二特征图进行特征矩阵序列化重排以得到序列化第二特征图；计算所述序列化全局关联特征图和所述序列化第二特征图中任意两个通道维度的特征矩阵之间的欧式距离以得到位移过渡拓扑矩阵；计算所述序列化全局关联特征图和所述序列化第二特征图的每组对应通道维度的特征矩阵之间的按位置均值矩阵以得到融合特征矩阵的序列；将所述融合特征矩阵的序列和所述位移过渡拓扑矩阵通过图神经网络模型以得到所述分类特征图。

13、在上述吸音棉加工设备的控制方法中，将所述分类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分类公式对所述分类特征图进行处理以生成分类结果，其中，所述分类公式为：

14、o＝softmax}(wn,bn):…:(w1,b1)|project(fn)}

15、其中o为所述分类结果，project(fn)表示将所述分类特征图投影为向量，w1至wn为各层全连接层的权重矩阵，b1至bn表示各层全连接层的偏置向量，softmax为激活函数。

16、根据本技术的另一方面，提供了吸音棉加工设备的控制系统，其包括：

17、数据获取模块，用于获取待粘合吸音棉混合材料图像；

18、第一特征提取模块，用于将所述待粘合吸音棉混合材料图像通过作为特征提取器的第一卷积神经网络以得到高维关联局部特征图；

19、全局编码模块，用于将所述高维关联局部特征图通过非局部神经网络以得到全局关联特征图；

20、第二特征提取模块，用于将所述待粘合吸音棉混合材料图像通过具有多重感受野的第二卷积神经网络以得到第二特征图，其中，所述第二卷积神经网络的各层使用所述第一卷积核和第二卷积核先后对输入数据进行卷积处理，其中，所述第二卷积核的尺寸小于所述第一卷积核的尺寸；

21、位移过渡模块，用于对所述全局关联特征图和所述第二特征图进行基于秩序性的位移过渡以得到分类特征图；

22、分类模块，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待粘合吸音棉材料与粘合剂是否混合均匀。

23、在上述吸音棉加工设备的控制系统中，所述第一特征提取模块，包括：浅层特征提取单元，用于从所述第一卷积神经网络的第m层提取浅层特征图，其中，m大于等于4且小于等于6；深层特征提取单元，用于从所述第一卷积神经网络的第n层提取深层特征图，其中，n/m大于等于10且小于等于15；融合单元，用于融合所述浅层特征图和所述深层特征图以得到所述高维关联局部特征图。

24、在上述吸音棉加工设备的控制系统中，所述全局编码模块，包括：点卷积单元，用于将所述高维关联局部特征图分别输入所述非局部神经网络的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；第一融合单元，用于计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；归一化单元，用于将所述中间融合特征图输入softmax函数以对所述中间融合特征图中各个位置的特征值进行归一化以得到归一化中间融合特征图；第二融合单元，用于计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特征图；全局感知单元，用于将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得到全局感知特征图；通道数调整单元，用于将所述全局感知特征图通过所述非局部神经网络的第四点卷积层以得到通道调整全局感知特征图；第三融合单元，用于计算所述通道调整全局感知特征图和所述高维关联局部特征图的按位置加权和以得到所述全局关联特征图。

25、在上述吸音棉加工设备的控制系统中，所述第二特征提取模块，包括：进一步用于使用所述第二卷积神经网络的各层在层的正向传递中对输入数据分别进行：使用所述第一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；使用所述第二卷积核对所述第一卷积特征图进行卷积处理以得到第二卷积特征图；对所述第二卷积特征图进行池化处理以得到池化特征图；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，所述第二卷积神经网络的最后一层的输出为所述第二特征图。

26、根据本技术的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的吸音棉加工设备的控制方法。

27、根据本技术的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的吸音棉加工设备的控制方法。

28、与现有技术相比，本技术提供的一种吸音棉加工设备的控制方法及其系统，其首先获取待粘合吸音棉混合材料图像，然后将所述待粘合吸音棉混合材料图像通过作为特征提取器的第一卷积神经网络后通过非局部神经网络以得到全局关联特征图，进一步地，将所述待粘合吸音棉混合材料图像通过具有多重感受野的第二卷积神经网络以得到第二特征图，接着，将所述全局关联特征图和所述第二特征图进行基于秩序性的位移过渡并通过分类器以得到分类结果，以得到待粘合吸音棉材料与粘合剂是否混合均匀，以便于进行吸音棉加工下一步骤，以减少成本和提高生产效率，有助于提升产品质量和一致性。