[發明專利]用于監控油漆的攪拌混合均勻性的神經網絡的訓練方法

在審

• 申請號: 202110050046.4
• 申請日: 2021-01-14
• 公開（公告）號: CN112862066A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 王偉名
• 申請（專利權）人: 成都市維旺銘網絡科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06T7/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請涉及智能制造領域下的智能質量檢測，其具體地公開了一種用于監控油漆的攪拌混合均勻性的神經網絡的訓練方法。在訓練的過程中，通過計算所述基于特定形狀紋理的均勻性損失函數和分類損失函數值的加權值來更新卷積神經網絡的參數，并以此來訓練卷積神經網絡，以使得被訓練后的卷積神經網絡在特征提取時，能夠關注到攪拌設備實質上攪拌的油漆部分，并相應地表達出這部分的圖像的高維均勻性特征，通過這樣的方式，利于提高油漆的攪拌均勻性的檢測準確度。

技術領域

本申請涉及智能制造領域下的智能質量檢測，且更為具體地，涉及一種用于監控油漆的攪拌混合均勻性的神經網絡的訓練方法、基于深度神經網絡的用于油漆攪拌混合均勻性的檢測方法、用于監控油漆的攪拌混合均勻性的神經網絡的訓練系統、基于深度神經網絡的用于油漆攪拌混合均勻性的檢測系統和電子設備。

背景技術

油漆是一種能牢固覆蓋在物體表面，起保護、裝飾、標志和其他特殊用途的化學混合物涂料。且其涂料一般由成膜物質、填料(顏填料)、溶劑、助劑等四部分組成。根據性能要求有時成份會略有變化，如清漆沒有顏填料、粉末涂料中可以沒有溶劑。并且油漆屬于有機化工高分子材料，所形成的涂膜屬于高分子化合物類型。按照現代通行的化工產品的分類，涂料屬于精細化工產品。現代的涂料正在逐步成為一類多功能性的工程材料，是化學工業中的一個重要行業。

目前，油漆在進行生產時，常常需要進行調漆處理，現在的調漆設備都是將原料倒入調漆桶內，通過攪拌設備進行攪動混合。由于油漆屬于粘稠狀的液體，因此在攪拌混合的過程中，需要監控油漆是否通過攪拌混合均勻；并且在監控油漆是否混合均勻時，都是通過人工觀察確定，這樣就會增加人們的勞動負擔，且還會降低工作效率，同時這樣還會增加誤差產生的幾率。

因此，期望一種監控油漆的攪拌混合均勻性的自動監控方案。

目前，深度學習以及神經網絡已經廣泛應用于計算機視覺、自然語言處理、語音信號處理等領域。此外，深度學習以及神經網絡在圖像分類、物體檢測、語義分割、文本翻譯等領域，也展現出了接近甚至超越人類的水平。

近年來，深度學習以及神經網絡的發展，為監控油漆的攪拌混合均勻性提供的解決思路和方案。

發明內容

為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種用于監控油漆的攪拌混合均勻性的神經網絡的訓練方法、基于深度神經網絡的用于油漆攪拌混合均勻性的檢測方法、用于監控油漆的攪拌混合均勻性的神經網絡的訓練系統、基于深度神經網絡的用于油漆攪拌混合均勻性的檢測系統和電子設備，其中，在訓練的過程中，通過計算所述基于特定形狀紋理的均勻性損失函數和分類損失函數值的加權值來更新卷積神經網絡的參數，并以此來訓練卷積神經網絡，以使得被訓練后的卷積神經網絡在特征提取時，能夠關注到攪拌設備實質上攪拌的油漆部分，并相應地表達出這部分的圖像的高維均勻性特征，通過這樣的方式，能夠利于提高油漆的攪拌均勻性的檢測準確度。

根據本申請的一個方面，提供了一種用于監控油漆的攪拌混合均勻性的神經網絡的訓練方法，其包括：

步驟1：獲取訓練圖像，所述訓練圖像為油漆的攪拌設備在對油漆進行攪拌混合時的攪拌圖像；

步驟2：將所述訓練圖像通過深度卷積神經網絡，以獲得訓練特征圖；

步驟3：確定所述訓練特征圖中對應于所述攪拌設備對油漆進行攪拌的攪拌中心的像素點作為定位攪拌基準點；

步驟4：在所述訓練特征圖上，獲取以所述定位攪拌基準點為中心以第一距離為半徑的圓區域的邊緣上的多個第一特征點；

步驟5：計算所述多個第一特征點的特征值的平均值與所述定位攪拌基準點的特征值的差值，以獲得第一差值；

步驟6：通過步驟3和步驟4的方式，設置預定數目的不同的預定距離并獲得預定數目的第二差值到第N差值，其中，N為大于2的正整數；