双纤维工业地板及其智能化制备方法与流程

本技术涉及智能化制备，且更为具体地，涉及一种双纤维工业地板及其智能化制备方法。

背景技术：

1、双纤维工业地板即为采用双层纤维结构生产的可应用于工业车间地面使用的地板。双层纤维稳定层结构，产品热胀冷缩率更小且平展性抗拉伸性更优异，因此被广泛的应用于各大生成车间中。

2、在生产制备中，需要对双纤维工业地板的多项性能指标进行检测(包括耐水性、耐磨等级、残余凹陷、摩擦系数、耐压性等)，以确保其是否为合格产品。上述产品质检过程中，不仅需要对产品各项性能进行逐一检验，而且在某些性能检验环节中，还可能对产品造成损伤。

3、因此，期待一种优化的智能化制备方案。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种双纤维工业地板及其智能化制备方法，其通过双向长短期记忆神经网络模型和基于转换器的上下文编码器提取待检测双纤维工业地板的检测图像中的多尺度短距离局部隐含特征信息和长距离全局隐含特征信息，并利用二者之间的融合特征分布来进行双纤维工业地板的质量检测。这样，可以准确地对于所述待检测双纤维工业地板的质量进行智能检测，以提高对于双纤维工业地板的质量检测的精准度的同时保证双纤维工业地板的智能化生产。

2、根据本技术的一个方面，提供了一种双纤维工业地板，其包括：

3、第一工业地板组件，包括第一纤维布匹和设置于所述第一纤维布匹的相对的上表面和下表面的第一胶结构；

4、第二工业地板组件，包括：第二纤维布匹和设置于所第二纤维布匹的相对的上表面和下表面的第二胶结构；

5、其中，所述第一工业地板组件和所述第二工业地板组件相互叠置。

6、根据本技术的另一方面，提供了一种双纤维工业地板的智能化制备方法，其包括：

7、获取待检测双纤维工业地板的检测图像；

8、对所述检测图像进行分块处理以得到二维图像序列块；

9、将所述二维图像序列块输入线性嵌入层以得到多个图像块特征向量；

10、将所述多个图像块特征向量通过双向长短期记忆神经网络模型以得到第一尺度图像块语义特征向量；

11、将所述多个图像块特征向量通过基于转换器的上下文编码器以得到第二尺度图像块语义特征向量；

12、融合所述第一尺度图像块语义特征向量和所述第二尺度图像块语义特征向量以得到分类特征向量；以及

13、将所述分类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待检测双纤维工业地板的质量是否符合预定标准。

14、在上述双纤维工业地板的智能化制备方法中，所述对所述检测图像进行分块处理以得到二维图像序列块，包括：对所述检测图像进行均匀分块处理以得到所述二维图像序列块，其中，所述二维图像序列块中各个图像块具有相同的尺寸。

15、在上述双纤维工业地板的智能化制备方法中，所述将所述二维图像序列块输入线性嵌入层以得到多个图像块特征向量，包括：所述线性嵌入层以可学习嵌入矩阵分别对所述二维图像序列块中各个图像块进行嵌入编码以得到所述多个图像块特征向量。

16、在上述双纤维工业地板的智能化制备方法中，所述将所述多个图像块特征向量通过基于转换器的上下文编码器以得到第二尺度图像块语义特征向量，包括：将所述多个图像块特征向量通过基于转换器的上下文编码器以得到多个上下文语义图像块特征向量；以及，将所述多个上下文语义图像块特征向量进行级联以得到所述第二尺度图像块语义特征向量。

17、在上述双纤维工业地板的智能化制备方法中，所述将所述多个图像块特征向量通过基于转换器的上下文编码器以得到多个上下文语义图像块特征向量，包括：使用所述基于转换器的上下文编码器对由所述多个图像块特征向量排列的向量的序列进行基于全局的上下文语义编码以得到多个上下文语义图像块特征向量。

18、在上述双纤维工业地板的智能化制备方法中，所述融合所述第一尺度图像块语义特征向量和所述第二尺度图像块语义特征向量以得到分类特征向量，包括：以如下公式来融合所述第一尺度图像块语义特征向量和所述第二尺度图像块语义特征向量以得到分类特征向量；其中，所述公式为：

19、vc＝concat[v1，v2]

20、其中，v1，v2表示所述第一尺度图像块语义特征向量和所述第二尺度图像块语义特征向量，concat[·]表示级联函数，vc表示所述分类特征向量。

21、在上述双纤维工业地板的智能化制备方法中，所述将所述分类特征向量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分类特征向量进行处理以生成分类结果；其中，所述公式为：softmax{(mc，bc)|y}，其中y表示所述分类特征向量，mc为全连接层的权重矩阵，bc表示全连接层的偏向向量。

22、在上述双纤维工业地板的智能化制备方法中，还包括训练步骤：对所述线性嵌入层、所述双向长短期记忆神经网络模型、所述基于转换器的上下文编码器和所述分类器进行训练；其中，所述训练步骤，包括：获取训练数据，所述训练数据包括训练检测图像，以及，所述待检测双纤维工业地板的质量是否符合预定标准的真实值；对所述训练检测图像进行分块处理以得到训练二维图像序列块；将所述训练二维图像序列块输入所述线性嵌入层以得到多个训练图像块特征向量；将所述多个训练图像块特征向量通过所述双向长短期记忆神经网络模型以得到训练第一尺度图像块语义特征向量；将所述多个训练图像块特征向量通过所述基于转换器的上下文编码器以得到训练第二尺度图像块语义特征向量；融合所述训练第一尺度图像块语义特征向量和所述训练第二尺度图像块语义特征向量以得到训练分类特征向量；将所述训练分类特征向量通过所述分类器以得到分类损失函数值；以及，基于所述分类损失函数值并通过梯度下降的方向传播来对所述线性嵌入层、所述双向长短期记忆神经网络模型、所述基于转换器的上下文编码器和所述分类器进行训练，其中，在所述训练的每一轮迭代中，基于远程迁移矩阵和惩罚向量对所述训练分类特征向量进行迭代。

23、在上述双纤维工业地板的智能化制备方法中，在所述训练的每一轮迭代中，基于所述远程迁移矩阵和所述惩罚向量以如下公式对所述训练分类特征向量进行迭代，其中，所述公式为：

24、

25、其中v表示所述训练分类特征向量，m1表示具有可学习的参数的所述远程迁移矩阵，m2表示每次迭代时所述分类器的初始全连接权重矩阵，且vp为所述惩罚向量，relu(·)表示relu激活函数，表示按位置加法，表示按位置减法，表示矩阵相乘，exp(·)表示向量的指数运算，所述向量的指数运算表示计算以向量中各个位置的特征值为幂的自然指数函数值。

26、与现有技术相比，本技术提供的双纤维工业地板及其智能化制备方法，其通过双向长短期记忆神经网络模型和基于转换器的上下文编码器提取待检测双纤维工业地板的检测图像中的多尺度短距离局部隐含特征信息和长距离全局隐含特征信息，并利用二者之间的融合特征分布来进行双纤维工业地板的质量检测。这样，可以准确地对于所述待检测双纤维工业地板的质量进行智能检测，以提高对于双纤维工业地板的质量检测的精准度的同时保证双纤维工业地板的智能化生产。