[發明專利]辦公桌椅的智能化制造方法及其系統

在審

• 申請號: 202310253478.4
• 申請日: 2023-03-09
• 公開（公告）號: CN116129251A
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 段元朝;薛旭
• 申請（專利權）人: 湖州藝鳴智能家居有限公司
• 主分類號: G06V20/00
• 分類號: G06V20/00;G06V10/44;G06V10/82;G06V10/764;G06N3/08;G06N3/0464
• 代理公司: 北京恒泰銘睿知識產權代理有限公司 11642
• 代理人: 謝福存

1.一種辦公桌椅的智能化制造方法，其特征在于，包括：

獲取被檢測第一辦公家具的六視圖和被檢測第二辦公家具的六視圖，其中，將所述被檢測第一辦公家具的六視圖定義為第一至第六檢測圖像，將所述被檢測第二辦公家具的六視圖定義為第七至第十二檢測圖像；

將所述第一至第六檢測圖像分別通過包含圖像塊嵌入層的ViT模型以得到第一至第六局部圖像特征向量；

將所述第七至第十二檢測圖像分別通過所述包含圖像塊嵌入層的ViT模型以得到第七至第十二局部圖像特征向量；

將所述第一至第六局部圖像特征向量進行二維排列為第一輸入矩陣后通過作為特征提取器的卷積神經網絡模型以得到第一全局關聯特征圖；

將所述第七至第十二局部圖像特征向量進行二維排列為第二輸入矩陣后通過所述作為特征提取器的卷積神經網絡模型以得到第二全局關聯特征圖；

計算所述第一全局關聯特征圖和所述第二全局關聯特征圖之間的差分特征圖；以及

將所述差分特征圖通過分類器以得到分類結果，所述分類結果用于表示所述被檢測第一辦公家具和所述被檢測第二辦公家具之間的一致性是否符合預定標準。

2.根據權利要求1所述的辦公桌椅的智能化制造方法，其特征在于，將所述第一至第六檢測圖像分別通過包含圖像塊嵌入層的ViT模型以得到第一至第六局部圖像特征向量，包括：

對所述第一檢測圖像進行圖像分塊處理以得到第一圖像塊的序列；

使用所述圖像塊嵌入層分別對所述第一圖像塊的序列中的各個第一圖像塊進行嵌入編碼以得到第一圖像塊嵌入向量的序列；

使用所述ViT模型的轉換器結構對所述第一圖像塊嵌入向量的序列進行基于自注意力機制的全局上下文語義編碼以得到多個第一上下文圖像塊特征向量；以及

將所述多個第一上下文圖像塊特征向量進行級聯以得到所述第一局部圖像特征向量。

3.根據權利要求2所述的辦公桌椅的智能化制造方法，其特征在于，將所述第七至第十二檢測圖像分別通過所述包含圖像塊嵌入層的ViT模型以得到第七至第十二局部圖像特征向量，包括：

對所述第七檢測圖像進行圖像分塊處理以得到第七圖像塊的序列；

使用所述圖像塊嵌入層分別對所述第七圖像塊的序列中的各個第七圖像塊進行嵌入編碼以得到第七圖像塊嵌入向量的序列；

使用所述ViT模型的轉換器結構對所述第七圖像塊嵌入向量的序列進行基于自注意力機制的全局上下文語義編碼以得到多個第七上下文圖像塊特征向量；以及

將所述多個第七上下文圖像塊特征向量進行級聯以得到所述第七局部圖像特征向量。

4.根據權利要求3所述的辦公桌椅的智能化制造方法，其特征在于，將所述第一至第六局部圖像特征向量進行二維排列為第一輸入矩陣后通過作為特征提取器的卷積神經網絡模型以得到第一全局關聯特征圖，包括：使用所述作為特征提取器的卷積神經網絡模型的各層在層的正向傳遞中對輸入數據分別進行卷積處理、基于特征矩陣的均值池化處理和非線性激活處理以由所述作為特征提取器的卷積神經網絡模型的最后一層的輸出為所述第一全局關聯特征圖，其中，所述作為特征提取器的卷積神經網絡模型的第一層的輸入為所述第一輸入矩陣。

5.根據權利要求4所述的辦公桌椅的智能化制造方法，其特征在于，將所述第七至第十二局部圖像特征向量進行二維排列為第二輸入矩陣后通過所述作為特征提取器的卷積神經網絡模型以得到第二全局關聯特征圖，包括：使用所述作為特征提取器的卷積神經網絡模型的各層在層的正向傳遞中對輸入數據分別進行卷積處理、基于特征矩陣的均值池化處理和非線性激活處理以由所述作為特征提取器的卷積神經網絡模型的最后一層的輸出為所述第二全局關聯特征圖，其中，所述作為特征提取器的卷積神經網絡模型的第一層的輸入為所述第二輸入矩陣。