CN113255692A - 片材排版优化方法、装置、系统、电子装置和存储介质 - Google Patents

片材排版优化方法、装置、系统、电子装置和存储介质 Download PDF

Info

Publication number
CN113255692A
CN113255692A CN202110529732.XA CN202110529732A CN113255692A CN 113255692 A CN113255692 A CN 113255692A CN 202110529732 A CN202110529732 A CN 202110529732A CN 113255692 A CN113255692 A CN 113255692A
Authority
CN
China
Prior art keywords
typesetting
layout
area
sheet
optimizing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110529732.XA
Other languages
English (en)
Inventor
凌凯尧
邱进忠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhishou Technology Hangzhou Co ltd
Original Assignee
Zhishou Technology Hangzhou Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhishou Technology Hangzhou Co ltd filed Critical Zhishou Technology Hangzhou Co ltd
Priority to CN202110529732.XA priority Critical patent/CN113255692A/zh
Publication of CN113255692A publication Critical patent/CN113255692A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Multimedia (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Manufacturing & Machinery (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Editing Of Facsimile Originals (AREA)

Abstract

本申请涉及一种片材排版优化方法、装置、系统、电子装置和存储介质，其中，该方法包括：获取待排版片材的轮廓区域信息、预设的工艺等级及对应的工艺参数；按工艺等级对轮廓区域信息进行划分，并为划分得到的区域图像配备对应等级的排版模板；利用排版算法对区域图像、排版模板以及工艺参数进行优化，得到每个区域图像对应的排版结果和未利用区域图像；按预设排版策略对未利用区域图像进行优化，生成最终排版结果和片材利用率。通过本申请，解决了相关技术中，由人工排版，存在排版效率慢，片材利用率低造成片材浪费的问题，实现了自动化片材排版优化，有效提高片材利用率，降低耗材成本和人力成本，提高生产效率。

Description

片材排版优化方法、装置、系统、电子装置和存储介质
技术领域
本申请涉及片材排版技术领域，特别是涉及片材排版优化方法、装置、系统、电子装置和存储介质。
背景技术
随着数控裁剪技术的快速发展，数控裁剪机在服装、家纺、鞋业等行业中的使用越来越普及。但随着企业用工成本的不断增加，企业盈利空间不断被压缩。传统的数控裁剪机，对于不规则形状的片材(比如真皮)的裁剪一直是个难题，不能满足企业对于高效率、高精度、高品质的切割要求。
目前数控裁剪机在对不规则形状片材的裁剪过程中，主要采用的方式是先由轮廓读取装置对片材的轮廓进行识别，然后采用人工根据片材的轮廓进行排版，再进行裁剪的方案。该种方案存在的缺陷是：由人工排版，存在排版效率慢，片材利用率低造成片材浪费的问题。
目前针对相关技术中，由人工排版，存在排版效率慢，片材利用率低造成片材浪费的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种片材排版优化方法、装置、系统、电子装置和存储介质，以至少解决相关技术中由人工排版，存在排版效率慢，片材利用率低造成片材浪费的问题。
第一方面，本申请实施例提供了一种片材排版优化方法，包括：
获取待排版片材的轮廓区域信息、预设的工艺等级及对应的工艺参数；
按所述工艺等级对所述轮廓区域信息进行划分，并为划分得到的区域图像配备对应等级的排版模板；
利用排版算法对所述区域图像、排版模板以及工艺参数进行优化，得到每个区域图像对应的排版结果和未利用区域图像；
按预设排版策略对未利用区域图像进行优化，生成最终排版结果和片材利用率。
在其中一些实施例中，还包括：
利用图像处理技术对所述轮廓区域信息进行瑕疵识别，得到瑕疵图像区域；
将所述瑕疵图像区域对所述轮廓区域信息进行分割，得到可利用区域。
在其中一些实施例中，获取待排版片材的轮廓区域信息，包括：
根据校正后的相机获取待排版片材图像，并利用图像处理技术对待排版片材图像进行处理，得到待排版片材的轮廓区域信息。
在其中一些实施例中，利用排版算法对所述区域图像、排版模板以及工艺参数进行优化，得到每个区域图像对应的排版结果和未利用区域图像，包括：
根据对排的方式按模板旋转角度和X平移量对每个区域图像中对应的排版模板进行排版，得到单对排版模型占用面积；
利用遗传算法对单对排版模型占用面积进行优化，得到单对排版模型区域；
按矩形排版区域平移量a和矩形排版区域平移量b将单对排版模型区域进行平移，得到矩形排版区域；
利用全局优化算法对矩形排版区域与对应的区域图像的占用率进行优化，得到每个区域图像对应的排版结果和未利用区域图像。
在其中一些实施例中，利用遗传算法对单对排版模型占用面积进行优化，包括：
将模板旋转角度和X平移量设定为染色体组合，适应度设置为占用面积的倒数，初始化可行解种群，然后经过选择、交叉、变异处理，不断筛选出规定迭代次数内的最小占用面积，直到满足收敛条件，最后将染色体解码为最优解。
在其中一些实施例中，按预设排版策略对未利用区域图像进行优化，生成最终排版结果和片材利用率，包括：
利用可行解的几何算法将排版模板按外包络多边形面积从大到小排序，从高到低依次降级，使用左顶的策略对未利用区域图像进行遍历排版，生成最终排版结果和片材利用率。
第二方面，本申请实施例提供了一种片材排版优化装置，包括：获取模块、划分模块、第一优化模块以及第二优化模块；
所述获取模块，用于获取待排版片材的轮廓区域信息、预设的工艺等级及对应的工艺参数；
所述划分模块，用于按所述工艺等级对所述轮廓区域信息进行划分，并为划分得到的区域图像配备对应等级的排版模板；
所述第一优化模块，用于利用排版算法对所述区域图像、排版模板以及工艺参数进行优化，得到每个区域图像对应的排版结果和未利用区域图像；
所述第二优化模块，用于按预设排版策略对未利用区域图像进行优化，生成最终排版结果和片材利用率。
第三方面，本申请实施例提供了一种片材排版优化系统，包括：终端设备、传输设备以及服务器设备；其中，所述终端设备通过传输设备连接服务器设备；
所述终端设备用于获取待排版片材的轮廓区域信息、预设的工艺等级及对应的工艺参数；
所述传输设备用于传输所述轮廓区域信息、预设的工艺等级及对应的工艺参数；
所述服务器设备用于执行如上述第一方面所述的片材排版优化方法。
第四方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的片材排版优化方法。
第五方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的片材排版优化方法。
相比于相关技术，本申请实施例提供的片材排版优化方法、装置、系统、电子装置和存储介质，通过获取待排版片材的轮廓区域信息、预设的工艺等级及对应的工艺参数；按工艺等级对轮廓区域信息进行划分，并为划分得到的区域图像配备对应等级的排版模板；利用排版算法对区域图像、排版模板以及工艺参数进行优化，得到每个区域图像对应的排版结果和未利用区域图像；按预设排版策略对未利用区域图像进行优化，生成最终排版结果和片材利用率。解决了相关技术中，由人工排版，存在排版效率慢，片材利用率低造成片材浪费的问题，实现了自动化片材排版优化，有效提高片材利用率，降低耗材成本和人力成本，提高生产效率。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本申请一实施例提供的片材排版优化方法的终端的硬件结构框图；
图2是本申请一实施例提供的片材排版优化方法的流程图；
图3是本申请一实施例提供的单对排版模型的示意图；
图4是本申请一实施例提供的区域排版模型的示意图；
图5是本申请一实施例提供的未利用区域排版模型的示意图；
图6是本申请一实施例提供的片材排版优化装置的结构框图。
图中：100、获取模块；200、划分模块；300、第一优化模块；400、第二优化模块。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本实施例提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。以运行在终端上为例，图1是本发明实施例的片材排版优化方法的终端的硬件结构框图。如图1所示，终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限定。例如，终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的片材排版优化方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括终端10的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(NetworkInterfaceController，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(RadioFrequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
本实施例提供了一种片材排版优化方法，图2是根据本申请实施例的片材排版优化方法的流程图，如图2所示，该流程包括如下步骤：
步骤S210，获取待排版片材的轮廓区域信息、预设的工艺等级及对应的工艺参数；
步骤S220，按工艺等级对轮廓区域信息进行划分，并为划分得到的区域图像配备对应等级的排版模板；
步骤S230，利用排版算法对区域图像、排版模板以及工艺参数进行优化，得到每个区域图像对应的排版结果和未利用区域图像；
步骤S240，按预设排版策略对未利用区域图像进行优化，生成最终排版结果和片材利用率。
需要说明的是，片材包括不限于真皮、布料、塑料、皮革等。待排版片材的轮廓区域信息的获取可以通过图像获取装置结合相应的图像处理技术来实现，轮廓区域信息包括外轮廓信息、瑕疵点信息等。工艺等级是预先设置的，工艺等级由高到底，每个工艺等级有对应的工艺参数。工艺参数包括拉力方向、纹理方向等要求。一般来说工艺等级高的适用在区域大的，距离中心或远离瑕疵点的区域。工艺等级低的适用在区域小的，距离边缘或瑕疵点的区域。因此能够按工艺等级对轮廓区域信息进行划分，并为划分得到的区域图像配备对应等级的排版模板，从而提高片材的适用效益，避免高级的片材被浪费。
为了适应多个区域图像同时进行处理的高效和相互之间不会依赖性，可以将区域图像、排版模板以及工艺参数封装成结构体对象，创建线程池，设定排版算法，将结构体对象绑定到排版算法的参数里，放入线程池，启动线程处理，等待所有线程处理完成信号，所有线程处理完成，得到每个区域图像的排版结果，将排版结果合并，求取所有未利用区域图像。最后按预设排版策略对未利用区域图像进行优化，生成最终排版结果和片材利用率。于本实施例中，片材利用率＝有效排版面积/总面积。
本申请通过获取待排版片材的轮廓区域信息、预设的工艺等级及对应的工艺参数；按工艺等级对轮廓区域信息进行划分，并为划分得到的区域图像配备对应等级的排版模板；利用排版算法对区域图像、排版模板以及工艺参数进行优化，得到每个区域图像对应的排版结果和未利用区域图像；按预设排版策略对未利用区域图像进行优化，生成最终排版结果和片材利用率。解决了相关技术中，由人工排版，存在排版效率慢，片材利用率低造成片材浪费的问题，实现了自动化片材排版优化，有效提高片材利用率，降低耗材成本和人力成本，提高生产效率。
在其中一些实施例中，获取待排版片材的轮廓区域信息，包括以下步骤；
根据校正后的相机获取待排版片材图像，并利用图像处理技术对待排版片材图像进行处理，得到待排版片材的轮廓区域信息。
在其中一些实施例中，还包括以下步骤；
利用图像处理技术对轮廓区域信息进行瑕疵识别，得到瑕疵图像区域；
将瑕疵图像区域对轮廓区域信息进行分割，得到可利用区域。
图像处理技术，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。于本实施例中，可以借助图像处理软件来实现，将片材中存在瑕疵的区域去除，有利于提高片材的使用率。
在其中一些实施例中，利用排版算法对所述区域图像、排版模板以及工艺参数进行优化，得到每个区域图像对应的排版结果和未利用区域图像，包括以下步骤；
步骤S231，根据对排的方式按模板旋转角度和X平移量对每个区域图像中对应的排版模板进行排版，得到单对排版模型占用面积；
步骤S232，利用遗传算法对单对排版模型占用面积进行优化，得到单对排版模型区域；
步骤S233，按矩形排版区域平移量a和矩形排版区域平移量b将单对排版模型区域进行平移，得到矩形排版区域；
步骤S234，利用全局优化算法对矩形排版区域与对应的区域图像的占用率进行优化，得到每个区域图像对应的排版结果和未利用区域图像。
具体的，模板对排指的是将两块完全相同的排版模板按照标准拼接在一起形成一个整体，保证这个整体的面积利用率最大。这里的标准是模板旋转角度和X平移量。然后将该整体向右复制成一排，保证这一整排面积利用率最大，然后向下复制，保证整个区域内面积利用率最大。也就是只要保证整体(单对排版模型占用面积)是最小的，那么复制后整个区域内面积利用率最大。如图3所示为单对排版模型的示意图。
下面对单对排版模型占用面积的优化过程进行说明：假设原始排版模板为M；将原始排版模板M旋转一个角度(即待优化的参数1(模板旋转角度))得到排版模板M1，并计算排版模板M1的左下角基准点；以该基准点为原点建立坐标系；将排版模板M1以坐标系原点为中心旋转180°，得到排版模板M2，并计算排版模板M2的左下角基准点。此时排版模板M1和排版模板M2中心对称；将排版模板M2以基准点平移到X轴上；以上几何变换过程仅与参数1(模板旋转角度)有关。将排版模板M2沿X轴向右平移，X平移量(待优化的参数2)为优化参数。将平移后的排版模板M2向上移动，直到排版模板M1和排版模板M2恰好不相交的位置。于此，排版模板M1和排版模板M2的相对位置就可以确定下来。将排版模板M1和排版模板M2组成一个整体为U1，并将U1复制一份为U2，将U2向右移动直到与U1恰好不相交的位置，X平移量即横向冲裁步距X。将U1、U2组成一个整体为W1，并将W1复制一份为W2，将W2向下平移直到W2恰好不与W1不相交，此时向下的Y平移量为竖向冲裁步距Y。此时得到优化目标，即：单对排版模板占用面积S＝横向冲裁步距X*竖向冲裁步距Y。以上过程含有两个参数，其中参数2(X平移量)又受参数1(模板旋转角度)的影响，最终决定占用面积。由于几何形状很难用函数表达，这个过程很难用一个二元函数表示出来，因此可以使用遗传算法来优化这个过程。
具体的，利用遗传算法对单对排版模型占用面积进行优化，包括以下步骤；
将模板旋转角度和X平移量设定为染色体组合，适应度设置为占用面积的倒数，初始化可行解种群，然后经过选择、交叉、变异处理，不断筛选出规定迭代次数内的最小占用面积，直到满足收敛条件，最后将染色体解码为最优解。
于一个优化实施例中，如下：(初始种群个体个数50，交叉比例0.7，变异比例0.3，迭代次数100)。迭代次数：第1代；优化参数1:137(模板旋转角度)；优化参数2:36(X平移量)；优化目标：64080(单对排版模型占用面积)；横向冲裁步距X:178；纵向冲裁步距Y:360。第50代；优化参数1:40(模板旋转角度)；优化参数2:80(X平移量)；优化目标：68411(单对排版模型占用面积)；横向冲裁步距X:203；纵向冲裁步距Y:337。第100代；优化参数1:237(模板旋转角度)；优化参数2:-95(X平移量)；优化目标：46292(单对排版模型占用面积)；横向冲裁步距X:163；纵向冲裁步距Y:284。由此可以得到，优化目标在第100代时收敛到最小占用面积46292，可以得到排版模板的模板旋转角度和X平移量作为对排参数。同时也得到横向冲裁步距X；纵向冲裁步距Y用于区域排版优化参数的取值范围。
将占用面积最小的对排模板向右平移复制成一排，再向下平移复制成一块矩形排版区域，该区域要完全覆盖该模板的目标排版区域，并且上下左右各预留几排。使用全局优化算法，优化参数为矩形排版区域平移量a和矩形排版区域平移量b，优化目标为矩形排版区域落在目标排版区域中排版模板的个数，也就是让目标排版区域内模板数量最多。如图4所示为区域模板排版的示意图。
具体的优化过程为：将单对排版模板复制成矩形排版区域，该区域完全覆盖目标排版区域；
将矩形排版区域按照参数3(矩形排版区域平移量a)在横轴方向平移，然后按照参数4(矩形排版区域平移量b)在纵轴方向上平移，得到平移后的排版区域，求取落在目标区域内的排版模板以及模板个数。将矩形排版区域内每个模板拿出来与目标排版区域进行判断，如果它们的交集的面积为零，说明落在了目标区域外部；如果交集的面积小于单个模板面积，说明有交叉；如果交集的面积等于单个模板面积，说明落在目标区域内。
以上过程含有两个参数(参数3(矩形排版区域平移量a)和参数4(矩形排版区域平移量b))，使用遗传算法来优化这个过程。将参数3和参数4编码为染色体组合，适应度设置为落在区域内的模板个数，即模板个数越多，适应度越高。初始化可行解种群，然后经过选择、交叉、变异处理，不断筛选出规定迭代次数内落在目标区域内的模板最多个数，直到满足收敛条件，最后将染色体解码为最优解。利用率＝(落在排版区域内的模板个数*单个模板的面积)/排版区域的面积。
于一个优化实施例中，如下：(初始种群个体个数50，交叉比例0.7，变异比例0.3，迭代次数100)。迭代次数：第1代；优化参数3:0(矩形排版区域平移量a)；优化参数4:0(矩形排版区域平移量b)；优化目标：0.685(利用率)。迭代次数：第50代；优化参数3:70(矩形排版区域平移量a)；优化参数4:40(矩形排版区域平移量b)；优化目标：0.699(利用率)。迭代次数：第100代；优化参数3:11(矩形排版区域平移量a)；优化参数4:87(矩形排版区域平移量b)；优化目标：0.748(利用率)。目标在第100代时收敛到最大利用率74.8％，可以得到模板的X平移和Y平移作为区域排参数。
在其中一些实施例中，按预设排版策略对未利用区域图像进行优化，生成最终排版结果和片材利用率，如图5所示为未利用区域排版示意图。包括以下步骤；
利用可行解的几何算法将排版模板按外包络多边形面积从大到小排序，从高到低依次降级，使用左顶的策略对未利用区域图像进行遍历排版，按照从左到右、从上到下的顺序，不断旋转模板，如果落在目标排版区域内并且与其他已放置的模板没有接触，则确定当前模板的位置，否则继续寻找位置；生成最终排版结果和片材利用率。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种片材排版优化装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图6是根据本申请实施例的片材排版优化装置的结构框图，如图6所示，该装置包括获取模块100、划分模块200、第一优化模块300以及第二优化模块400；获取模块100，用于获取待排版片材的轮廓区域信息、预设的工艺等级及对应的工艺参数；划分模块200，用于按工艺等级对轮廓区域信息进行划分，并为划分得到的区域图像配备对应等级的排版模板；第一优化模块300，用于利用排版算法对区域图像、排版模板以及工艺参数进行优化，得到每个区域图像对应的排版结果和未利用区域图像；第二优化模块400，用于按预设排版策略对未利用区域图像进行优化，生成最终排版结果和片材利用率。
本申请解决了相关技术中，由人工排版，存在排版效率慢，片材利用率低造成片材浪费的问题，实现了自动化片材排版优化，有效提高片材利用率，降低耗材成本和人力成本，提高生产效率。
在其中一些实施例中，该装置包括图6所示的所有模块，此外还包括识别模块；识别模块，用于利用图像处理技术对所述轮廓区域信息进行瑕疵识别，得到瑕疵图像区域；将所述瑕疵图像区域对所述轮廓区域信息进行分割，得到可利用区域。
在其中一些实施例中，第一优化模块300，还用于根据对排的方式按模板旋转角度和X平移量对每个区域图像中对应的排版模板进行排版，得到单对排版模型占用面积；
利用遗传算法对单对排版模型占用面积进行优化，得到单对排版模型区域；
按矩形排版区域平移量a和矩形排版区域平移量b将单对排版模型区域进行平移，得到矩形排版区域；
利用全局优化算法对矩形排版区域与对应的区域图像的占用率进行优化，得到每个区域图像对应的排版结果和未利用区域图像。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，根据对排的方式按模板旋转角度和X平移量对每个区域图像中对应的排版模板进行排版，得到单对排版模型占用面积；
S2，利用遗传算法对单对排版模型占用面积进行优化，得到单对排版模型区域；
S3，按矩形排版区域平移量a和矩形排版区域平移量b将单对排版模型区域进行平移，得到矩形排版区域；
S4，利用全局优化算法对矩形排版区域与对应的区域图像的占用率进行优化，得到每个区域图像对应的排版结果和未利用区域图像。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
另外，结合上述实施例中的片材排版优化方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种片材排版优化方法。
本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种片材排版优化方法，其特征在于，包括：
获取待排版片材的轮廓区域信息、预设的工艺等级及对应的工艺参数；
按所述工艺等级对所述轮廓区域信息进行划分，并为划分得到的区域图像配备对应等级的排版模板；
利用排版算法对所述区域图像、排版模板以及工艺参数进行优化，得到每个区域图像对应的排版结果和未利用区域图像；
按预设排版策略对未利用区域图像进行优化，生成最终排版结果和片材利用率。
2.根据权利要求1所述的片材排版优化方法，其特征在于，还包括：
利用图像处理技术对所述轮廓区域信息进行瑕疵识别，得到瑕疵图像区域；
将所述瑕疵图像区域对所述轮廓区域信息进行分割，得到可利用区域。
3.根据权利要求1所述的片材排版优化方法，其特征在于，获取待排版片材的轮廓区域信息，包括：
根据校正后的相机获取待排版片材图像，并利用图像处理技术对待排版片材图像进行处理，得到待排版片材的轮廓区域信息。
4.根据权利要求1所述的片材排版优化方法，其特征在于，利用排版算法对所述区域图像、排版模板以及工艺参数进行优化，得到每个区域图像对应的排版结果和未利用区域图像，包括：
根据对排的方式按模板旋转角度和X平移量对每个区域图像中对应的排版模板进行排版，得到单对排版模型占用面积；
利用遗传算法对单对排版模型占用面积进行优化，得到单对排版模型区域；
按矩形排版区域平移量a和矩形排版区域平移量b将单对排版模型区域进行平移，得到矩形排版区域；
利用全局优化算法对矩形排版区域与对应的区域图像的占用率进行优化，得到每个区域图像对应的排版结果和未利用区域图像。
5.根据权利要求4所述的片材排版优化方法，其特征在于，利用遗传算法对单对排版模型占用面积进行优化，包括：
将模板旋转角度和X平移量设定为染色体组合，适应度设置为占用面积的倒数，初始化可行解种群，然后经过选择、交叉、变异处理，不断筛选出规定迭代次数内的最小占用面积，直到满足收敛条件，最后将染色体解码为最优解。
6.根据权利要求1所述的片材排版优化方法，其特征在于，按预设排版策略对未利用区域图像进行优化，生成最终排版结果和片材利用率，包括：
利用可行解的几何算法将排版模板按外包络多边形面积从大到小排序，从高到低依次降级，使用左顶的策略对未利用区域图像进行遍历排版，生成最终排版结果和片材利用率。
7.一种片材排版优化装置，其特征在于，包括：获取模块、划分模块、第一优化模块以及第二优化模块；
所述获取模块，用于获取待排版片材的轮廓区域信息、预设的工艺等级及对应的工艺参数；
所述划分模块，用于按所述工艺等级对所述轮廓区域信息进行划分，并为划分得到的区域图像配备对应等级的排版模板；
所述第一优化模块，用于利用排版算法对所述区域图像、排版模板以及工艺参数进行优化，得到每个区域图像对应的排版结果和未利用区域图像；
所述第二优化模块，用于按预设排版策略对未利用区域图像进行优化，生成最终排版结果和片材利用率。
8.一种片材排版优化系统，其特征在于，包括：终端设备、传输设备以及服务器设备；其中，所述终端设备通过传输设备连接服务器设备；
所述终端设备用于获取待排版片材的轮廓区域信息、预设的工艺等级及对应的工艺参数；
所述传输设备用于传输所述轮廓区域信息、预设的工艺等级及对应的工艺参数；
所述服务器设备用于执行如权利要求1至6中任一项所述的片材排版优化方法。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至6中任一项所述的片材排版优化方法。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至6中任一项所述的片材排版优化方法。
CN202110529732.XA 2021-05-14 2021-05-14 片材排版优化方法、装置、系统、电子装置和存储介质 Pending CN113255692A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110529732.XA CN113255692A (zh) 2021-05-14 2021-05-14 片材排版优化方法、装置、系统、电子装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110529732.XA CN113255692A (zh) 2021-05-14 2021-05-14 片材排版优化方法、装置、系统、电子装置和存储介质

Publications (1)

Publication Number Publication Date
CN113255692A true CN113255692A (zh) 2021-08-13

Family

ID=77182085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110529732.XA Pending CN113255692A (zh) 2021-05-14 2021-05-14 片材排版优化方法、装置、系统、电子装置和存储介质

Country Status (1)

Country Link
CN (1) CN113255692A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070208996A1 (en) * 2006-03-06 2007-09-06 Kathrin Berkner Automated document layout design
CN101844464A (zh) * 2010-04-30 2010-09-29 西安环球印务股份有限公司 药品包装盒排版系统及排版方法
CN104298820A (zh) * 2014-09-30 2015-01-21 广东瑞洲科技有限公司 一种皮革切割的排版方法及其系统
CN105844341A (zh) * 2016-03-14 2016-08-10 华北理工大学 毛皮料优化排版系统及方法
CN106971242A (zh) * 2017-03-21 2017-07-21 上海大学 一种服装自动优化排料方法
CN111080467A (zh) * 2019-12-17 2020-04-28 广东工业大学 一种面向卷型材的二维不规则零件排样下料方法
CN111666717A (zh) * 2020-06-05 2020-09-15 南方科技大学 一种零件排版优化方法、装置、电子设备和存储介质
CN112685806A (zh) * 2020-12-24 2021-04-20 方正株式(武汉)科技开发有限公司 一种柔版制版的优化排版方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070208996A1 (en) * 2006-03-06 2007-09-06 Kathrin Berkner Automated document layout design
CN101844464A (zh) * 2010-04-30 2010-09-29 西安环球印务股份有限公司 药品包装盒排版系统及排版方法
CN104298820A (zh) * 2014-09-30 2015-01-21 广东瑞洲科技有限公司 一种皮革切割的排版方法及其系统
CN105844341A (zh) * 2016-03-14 2016-08-10 华北理工大学 毛皮料优化排版系统及方法
CN106971242A (zh) * 2017-03-21 2017-07-21 上海大学 一种服装自动优化排料方法
CN111080467A (zh) * 2019-12-17 2020-04-28 广东工业大学 一种面向卷型材的二维不规则零件排样下料方法
CN111666717A (zh) * 2020-06-05 2020-09-15 南方科技大学 一种零件排版优化方法、装置、电子设备和存储介质
CN112685806A (zh) * 2020-12-24 2021-04-20 方正株式(武汉)科技开发有限公司 一种柔版制版的优化排版方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
单文霞等: "童装的排版与产品质量要求", 《童装造型与制作技术》 *

Similar Documents

Publication Publication Date Title
CN110378413A (zh) 神经网络模型处理方法、装置以及电子设备
CN109978964B (zh) 一种图像制作方法、装置、存储介质及终端设备
CN106485668A (zh) 用于过曝修正的方法、系统和装置
CN110991560A (zh) 一种结合上下文信息的目标检测方法及系统
CN113256782B (zh) 三维模型的生成方法、装置、存储介质、电子设备
CN110570445A (zh) 一种图像分割方法、装置、终端及可读介质
CN115170571B (zh) 胸腹水细胞病理图像识别方法、图像识别装置、介质
CN111161288B (zh) 图像处理方法和装置
CN114359665A (zh) 全任务人脸识别模型的训练方法及装置、人脸识别方法
CN113255692A (zh) 片材排版优化方法、装置、系统、电子装置和存储介质
CN114241444A (zh) 车道线的识别方法和装置、存储介质及电子装置
CN114358252A (zh) 目标神经网络模型中的操作执行方法及装置、存储介质
CN113506216A (zh) 一种全景图像拼接的快速缝合线寻优方法
CN112446951A (zh) 三维重建方法、装置、电子设备及计算机存储介质
WO2020245556A1 (en) Obtaining patterns for surfaces of objects
CN116737301A (zh) 图层元素的对齐方法及装置
KR20180105210A (ko) 이미지 처리 방법 및 장치
CN114140579A (zh) 用于构建三维模型的lod模型简化方法以及相关装置
CN111126395B (zh) R-cnn网络中选择性搜索算法的优化方法、存储介质
CN113674142A (zh) 图像中目标物的消融方法、装置、计算机设备及介质
CN113421203A (zh) 图像处理方法、打印方法、打印相关装置及可读存储介质
CN115221103A (zh) 计算装置、数据处理方法及相关产品
CN114781016B (zh) 一种图案尺寸自适配的鞋体模型填充方法及装置
CN114861247B (zh) 基于简易设计生成鞋体模型方法、装置、设备及存储介质
CN112862701B (zh) 一种自动排版方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination