[发明专利]办公桌椅的智能化制造方法及其系统

说明书

一种办公桌椅的智能化制造方法及其系统，其获取被检测第一办公家具的六视图和被检测第二办公家具的六视图；采用基于深度学习的人工智能技术，对被检测第一办公家具和被检测第二办公家具进行基于全局和/或基于局部的多维度图像对比，基于此对被检测第一办公家具和被检测第二办公家具进行一致性检测，以确保同一批次的办公家具具有高度的一致性。

技术领域

本申请涉及智能化制造技术领域，并且更具体地，涉及一种办公桌椅的智能化制造方法及其系统。

背景技术

办公桌椅是指用于办公使用的桌子和椅子。随着物联网、5G等技术的发展，传统的制备办公桌椅的制造厂商在往智能化和无人化的方向发展，以提高制备效率且提高产品的可控性。

在办公桌椅的智能化制备中，期待能够对同一批次的桌子或椅子进行一致性检测，以确保同一批次的桌子或椅子能够具有高度的一致性。这样如果产品的制备工序出现问题，能够通过产品的一致性检测来及时地发现并预警，以提升办公桌椅智能化产线的鲁棒性。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种办公桌椅的智能化制造方法及其系统，其获取被检测第一办公家具的六视图和被检测第二办公家具的六视图；采用基于深度学习的人工智能技术，对被检测第一办公家具和被检测第二办公家具进行基于全局和/或基于局部的多维度图像对比，基于此对被检测第一办公家具和被检测第二办公家具进行一致性检测，以确保同一批次的办公家具具有高度的一致性。

第一方面，提供了一种办公桌椅的智能化制造方法，其包括：

获取被检测第一办公家具的六视图和被检测第二办公家具的六视图，其中，将所述被检测第一办公家具的六视图定义为第一至第六检测图像，将所述被检测第二办公家具的六视图定义为第七至第十二检测图像；

将所述第一至第六检测图像分别通过包含图像块嵌入层的ViT模型以得到第一至第六局部图像特征向量；

将所述第七至第十二检测图像分别通过所述包含图像块嵌入层的ViT模型以得到第七至第十二局部图像特征向量；

将所述第一至第六局部图像特征向量进行二维排列为第一输入矩阵后通过作为特征提取器的卷积神经网络模型以得到第一全局关联特征图；

将所述第七至第十二局部图像特征向量进行二维排列为第二输入矩阵后通过所述作为特征提取器的卷积神经网络模型以得到第二全局关联特征图；

计算所述第一全局关联特征图和所述第二全局关联特征图之间的差分特征图；以及

将所述差分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所述被检测第一办公家具和所述被检测第二办公家具之间的一致性是否符合预定标准。

在上述办公桌椅的智能化制造方法中，将所述第一至第六检测图像分别通过包含图像块嵌入层的ViT模型以得到第一至第六局部图像特征向量，包括：对所述第一检测图像进行图像分块处理以得到第一图像块的序列；使用所述图像块嵌入层分别对所述第一图像块的序列中的各个第一图像块进行嵌入编码以得到第一图像块嵌入向量的序列；使用所述ViT模型的转换器结构对所述第一图像块嵌入向量的序列进行基于自注意力机制的全局上下文语义编码以得到多个第一上下文图像块特征向量；以及，将所述多个第一上下文图像块特征向量进行级联以得到所述第一局部图像特征向量。

在上述办公桌椅的智能化制造方法中，将所述第七至第十二检测图像分别通过所述包含图像块嵌入层的ViT模型以得到第七至第十二局部图像特征向量，包括：对所述第七检测图像进行图像分块处理以得到第七图像块的序列；使用所述图像块嵌入层分别对所述第七图像块的序列中的各个第七图像块进行嵌入编码以得到第七图像块嵌入向量的序列；使用所述ViT模型的转换器结构对所述第七图像块嵌入向量的序列进行基于自注意力机制的全局上下文语义编码以得到多个第七上下文图像块特征向量；以及，将所述多个第七上下文图像块特征向量进行级联以得到所述第七局部图像特征向量。