CN116512340B - 一种用于数控剪裁的智能控制方法及系统 - Google Patents
一种用于数控剪裁的智能控制方法及系统 Download PDFInfo
- Publication number
- CN116512340B CN116512340B CN202310496423.6A CN202310496423A CN116512340B CN 116512340 B CN116512340 B CN 116512340B CN 202310496423 A CN202310496423 A CN 202310496423A CN 116512340 B CN116512340 B CN 116512340B
- Authority
- CN
- China
- Prior art keywords
- information
- cutting
- target material
- boundary
- target
- 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.)
- Active
Links
- 238000005520 cutting process Methods 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000013077 target material Substances 0.000 claims description 92
- 230000033001 locomotion Effects 0.000 claims description 23
- 238000005516 engineering process Methods 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 238000012797 qualification Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 239000002649 leather substitute Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004745 nonwoven fabric Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B26—HAND CUTTING TOOLS; CUTTING; SEVERING
- B26D—CUTTING; DETAILS COMMON TO MACHINES FOR PERFORATING, PUNCHING, CUTTING-OUT, STAMPING-OUT OR SEVERING
- B26D5/00—Arrangements for operating and controlling machines or devices for cutting, cutting-out, stamping-out, punching, perforating, or severing by means other than cutting
- B26D5/005—Computer numerical control means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Forests & Forestry (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种用于数控剪裁的智能控制方法及系统，涉及数据处理技术领域，方法包括：通过数控技术对目标材料进行剪裁的运动控制，获取目标材料的第一剪裁信息，通过机器视觉对目标材料进行视频采集，对目标视频信息进行关键帧分析，对N个关键帧进行特征提取，根据目标材料特征信息确定目标材料的第二剪裁信息，根据剪裁边界信息对第一剪裁信息与第二剪裁信息进行剪裁边界信息的验证，获取目标材料的最优边界结果对目标材料进行数控剪裁的对齐控制，本发明解决了现有技术在由于数控剪裁的单一性，导致剪裁成品合格率低的技术问题，实现了在数控剪裁的同时使用机器视觉做辅助，进而提高剪裁成品合格率。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种用于数控剪裁的智能控制方法及系统。
背景技术
随着自动控制技术的发展和计算机的广泛应用，以及电子技术的结合，由计算机控制的面料自动裁剪系统，正逐步取代传统的手工操作，使得集成度和工作稳定性越来越高，功能越来越强；自动裁剪机是技术含量较高的机电一体化产品，包含有最先进的机械技术、计算机与信息处理技术、系统技术、自动控制技术、传感与检测技术、伺服传动技术，其机械结构复杂，运动速度极快。
目前，随着我国机械制造技术的发展，数控剪裁机越来越大众化，但是随着使用的普及，也存在着一些问题，材料切割是进行手袋深加工过程中的第一道工序，也是使用最多的工艺，但由于现有技术使用数控剪裁的单一性，使得存在最终的手袋剪裁成品合格率低的技术问题。
发明内容
本申请提供了一种用于数控剪裁的智能控制方法及系统，用于针对解决现有技术中存在的使用数控剪裁的单一性，使得存在最终的手袋剪裁成品合格率低的技术问题。
鉴于上述问题，本申请提供了一种用于数控剪裁的智能控制方法及系统。
第一方面，本申请提供了一种用于数控剪裁的智能控制方法，所述方法包括：通过数控技术对目标材料进行剪裁的运动控制，获取所述目标材料的第一剪裁信息；通过机器视觉对所述目标材料进行视频采集，获取目标视频信息，其中，所述目标视频信息包含所述目标材料；对所述目标视频信息进行关键帧分析，获取N个关键帧，其中，N为大于1的正整数；对所述N个关键帧进行特征提取，根据目标材料特征信息确定所述目标材料的第二剪裁信息；根据剪裁边界信息对所述第一剪裁信息与所述第二剪裁信息进行剪裁边界的验证，获取所述目标材料的最优边界结果；根据所述最优边界结果对所述目标材料进行数控剪裁的对齐控制。
第二方面，本申请提供了一种用于数控剪裁的智能控制系统，所述系统包括：运动控制模块，所述运动控制模块用于通过数控技术对目标材料进行剪裁的运动控制，获取所述目标材料的第一剪裁信息；视频采集模块，所述视频采集模块用于通过机器视觉对所述目标材料进行视频采集，获取目标视频信息，其中，所述目标视频信息包含所述目标材料；关键帧分析模块，所述关键帧分析模块用于对所述目标视频进行关键帧分析，获取N个关键帧，其中，N为大于1的正整数；特征提取模块，所述特征提取模块用于对所述N个关键帧进行特征提取，根据目标材料特征信息确定所述目标材料的第二剪裁信息；验证模块，所述验证模块用于根据剪裁边界信息对所述第一剪裁信息与所述第二剪裁信息进行剪裁边界的验证，获取所述目标材料的最优边界结果；对齐控制模块，所述对齐控制模块用于根据所述最优边界结果对所述目标材料进行数控剪裁的对齐控制。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请提供的一种用于数控剪裁的智能控制方法及系统，涉及数据处理技术领域，解决了现有技术中使用数控剪裁的单一性，使得存在最终的手袋剪裁成品合格率低的技术问题，实现了在数控剪裁的同时使用机器视觉做辅助，进而提高剪裁成品合格率。
附图说明
图1为本申请提供了一种用于数控剪裁的智能控制方法流程示意图；
图2为本申请提供了一种用于数控剪裁的智能控制方法中获得N个关键帧流程示意图；
图3为本申请提供了一种用于数控剪裁的智能控制方法中目标材料特征信息流程示意图；
图4为本申请提供了一种用于数控剪裁的智能控制方法中最优边界结果流程示意图；
图5为本申请提供了一种用于数控剪裁的智能控制系统结构示意图。
附图标记说明：运动控制模块1，视频采集模块2，关键帧分析模块3，特征提取模块4，验证模块5，对齐控制模块6。
具体实施方式
本申请通过提供一种用于数控剪裁的智能控制方法及系统，用于解决现有技术中使用数控剪裁的单一性，使得存在最终的手袋剪裁成品合格率低的技术问题。
实施例一
如图1所示，本申请实施例提供了一种用于数控剪裁的智能控制方法，该方法包括：
步骤S100：通过数控技术对目标材料进行剪裁的运动控制，获取所述目标材料的第一剪裁信息；
进一步而言，本申请步骤S100还包括：
步骤S110：获取所述目标材料剪裁运动基础数据；
步骤S120：所述剪裁运动基础数据包含第一剪裁角度、第一剪裁位置、第一剪裁速度；
步骤S130：通过所述剪裁运动基础数据获取数控剪裁的初始剪裁路线；
步骤S140：将所述初始剪裁路线添加至所述第一剪裁信息中。
具体而言，本申请实施例提供的一种用于数控剪裁的智能控制方法应用于一种用于数控剪裁的智能控制系统，为获取目标材料的剪裁信息，首先通过数控技术对目标材料剪裁运动基础数据进行采集，目标材料可以包含皮质材料、人造革材料、无纺布材料、牛仔布材料等，剪裁运动基础数据包含第一剪裁角度、第一剪裁位置、第一剪裁速度，第一剪裁角度可以控制在0.5°至2°之间，第一剪裁位置是指基于成品样本的边界进行对应设定，第一剪裁速度可以控制在180m/min至200m/min，进一步的，在上述所获剪裁运动基础数据的基础上，对目标材料在进行数控剪裁时的剪裁路线进行提取，剪裁路线是指根据第一剪裁位置进行对第一剪裁角度以及第一剪裁速度的调整所获得的大致剪裁路线，并将其记作初始剪裁录像，最终将所获初始剪裁路线添加至第一剪裁信息中进行剪裁过程中剪裁位置的完善，为后期实现对目标材料进行数控剪裁的控制作为重要参考依据。
步骤S200：通过机器视觉对所述目标材料进行视频采集，获取目标视频信息，其中，所述目标视频信息包含所述目标材料；
具体而言，在通过机器视觉设备的基础上，对目标材料进行视频采集，所采集视频为多组连续图像的采集，同时对所采集到目标材料的多组连续图像进行记录与监控，其机器视觉设备可以是摄像头，摄像机，相机，扫描仪，或其他带有拍照功能的设备，进一步，根据所采集到目标材料的多组连续图像记作目标视频信息，同时目标视频信息中包含待剪裁的目标材料，进而为实现对目标材料进行数控剪裁的控制做保障。
步骤S300：对所述目标视频信息进行关键帧分析，获取N个关键帧，其中，N为大于1的正整数；
进一步而言，如图2所示，本申请步骤S300还包括：
步骤S310：基于镜头边界检测算法对所述目标视频进行视频分割，获取多个视频段信息；
步骤S320：对所述多个视频段信息中的关键帧进行提取，获得所述N个关键帧。
具体而言，以上述所获目标视频信息作为基础，对所获目标视频信息进行关键帧分析，首先需要利用镜头边界检测法对所获目标视频信息进行视频分割，
其中镜头边界检测法的输入为目标视频信息，进一步的，可以将目标视频信息中的每一帧压缩到统一的小尺寸48x27x3，每隔100帧作为一个片段，继而将所有片段记作多个视频段信息，
并将上述所分割的多个视频段信息片段中对定义镜头的起始帧为关键帧，并动态对所分割的多个视频段信息进行N个关键帧的提取，且N为大于1的正整数，进一步的，不应根据当前镜头的长短，而应根据当前镜头的变化剧烈程度，即当前镜头变化越剧烈，则应提取越多的关键帧，即便当前镜头不长，相反，即便一段很长的镜头，若画面基本没变，也应提取较少的关键帧，若当前镜头画面为全黑，则不提取任何关键帧，示例性的，若从M帧开始，往后寻找8帧中的最大帧，若最大帧的间隔小于M，则M帧得以保留，否则进行下一步，若存在大于M帧的帧，我们将其命名为P，计算M和P之间帧间隔的平均值，并判断P是否大于平均值的倍数，若没有大于，则M得以保留，否则P为新的M帧，并接下来继续判断，并从新的关键帧开始，后面的每一帧与之相比较，直至最后一帧，比较完之后，判断实际得到的关键帧个数是否满足关系式，不满足则重组关键帧，重复上面的步骤，直到关键帧的数目达到要求，算法结束，在此基础上对N个关键帧进行获取，为后续实现对目标材料进行数控剪裁的控制夯实基础。
步骤S400：对所述N个关键帧进行特征提取，根据目标材料特征信息确定所述目标材料的第二剪裁信息；
进一步而言，如图3所示，本申请步骤S400还包括：
步骤S410：提取I帧图像；
步骤S420：按照预设分块标准对所述I帧图像进行分割，确定目标I帧图像块；
步骤S430：基于所述目标I帧图像块进行离散余弦变化系数计算，获得第一特征值、第二特征值；
步骤S440：根据所述第一特征值、所述第二特征值，计算I帧图像特征值；
步骤S450：将所述I帧图像特征值添加至所述目标材料特征信息中。
进一步而言，本申请步骤S430包括：
步骤S431：所述第一特征值的计算公式如下：
(a+b＝1,且,a＞b)
Tn是指第一特征值，DCn(x′,y′)是指第一直流系数，ACn(x′,y′)是指第一交流系数，n是指第一I帧图像，(x′,y′)是指第一I帧图像的第(x′,y′)个子块，a是指第一直流系数对第一特征值的影响因子，b是指第一交流系数对第一特征值的影响因子。
步骤S432：所述第二特征值的计算公式如下：
(c+d＝1,且,c＞d)
Tn+1是指第二特征值，DCn+1(x″,y″)是指第二直流系数，ACn+1(x″,y″)是指第二交流系数，n+1是指第二I帧图像，(x″,y″)是指第二I帧图像的第(x″,y″)个子块，c是指第二直流系数对第二特征值的影响因子，d是指第二交流系数对第二特征值的影响因子。
进一步而言，本申请步骤S400还包括：
步骤S460：利用移动测绘对目标物体的形状进行测绘，获取所述目标物体的三维形状数据；
步骤S470：对所述目标物体的三维形状进行多面拆解，获得所述目标物体的M个平铺图；
步骤S480：基于所述目标物体的M个平铺图、所述目标材料特征信息中所述I帧图像特征值，对所述N个关键帧中的图像进行网格划分，获取划分图像信息；
步骤S490：基于卷积核，对所述划分图像信息内所述M个平铺图中目标材料边界进行遍历识别，获取边界识别信息；
步骤S4100：根据所述边界识别信息，确定所述目标材料的第二剪裁信息。
具体而言，为保证目标材料剪裁边界的精准度，则需要对N个关键帧中所包含的目标材料特征信息进行确定，因此首先对N个关键帧中的I帧图像进行提取，进一步根据预设分块标准对所提取的I帧图像进行分割，其中所获预设分块标准由相关技术人员根据I帧图像中的像素块进行预设，对目标I帧图像块进行确定，从而在所确定的目标I帧图像块的基础上，通过离散余弦变化系数进行特征值计算，由于仅计算一次特征值无法进行比较判断，因此随机在所确定的目标I帧图像块中取任意两组数据通过如下公式进行第一特征值以及第二特征值的计算，其中第一特征值与第二特征值为两组不同的特征值数据，且第一特征值对应第一离散余弦变换系数，第二特征值对应第二离散余弦变换系数，进一步的，提取第一离散余弦变换系数中的第一直流系数、第一交流系数，根据所述第一直流系数、所述第一交流系数，计算得到所述第一特征值，其中，计算公式如下：
(a+b＝1,且,a＞b)
Tn是指第一特征值，DCn(x′,y′)是指第一直流系数，ACn(x′,y′)是指第一交流系数，n是指第一I帧图像，(x′,y′)是指第一I帧图像的第(x′,y′)个子块，a是指第一直流系数对第一特征值的影响因子，b是指第一交流系数对第一特征值的影响因子。
进一步的，提取第二离散余弦变换系数中的第二直流系数、第二交流系数；
根据第二直流系数、第二交流系数，计算得到第二特征值，其中，计算公式如下：
(c+d＝1,且,c＞d)
Tn+1是指第二特征值，DCn+1(x″,y″)是指第二直流系数，ACn+1(x″,y″)是指第二交流系数，n+1是指第二I帧图像，(x″,y″)是指第二I帧图像的第(x″,y″)个子块，c是指第二直流系数对第二特征值的影响因子，d是指第二交流系数对第二特征值的影响因子。
最终通过第一特征值与第二特征值对相邻I帧图像的特征值进行计算，即I帧图像的特征值是指由第一特征值与第二特征值中所包含的白色矩形像素之和减去黑色矩形像素之和，从而反映了图像的灰度变化情况，对I帧图像特征值进行获取，并同时将所获I帧特征值添加至目标材料特征信息中进行完善。
进一步的利用移动测绘对目标物体的形状进行360°全方位测绘，移动测绘是由水平/倾斜激光雷达、全景相机、GPS、IMU以及配套控制器等所组成，目标物体是指已经加工完成的成品，其测绘过程可以首先对目标物体的尺寸和体积确定、再测量目标物体的表面形状、目标物体的线段长度、目标物体的细节尺寸，对测量数据进行核实后，将其记作目标物体的三维形状数据，进一步的，对测绘所获目标物体的三维形状中每个平面进行拆解，从而对目标物体的M个平铺图进行获取，进一步的，在所获目标物体的M个平铺图、目标次啊聊特征信息中所包含的I帧图像特征值，对N个关键帧的图像进行网格的划分，是指根据I帧图像特征值的大小，确定所划分区域的网格大小，示例性的，若I帧图像特征值大，则重要性高，因此需要将所划分的网格变小，使得能够更好的得到图像细节，将N个关键帧中包含M个平铺图的图像进行提取，进而将所提取出的图像进行网格划分，再根据每一个划分的网格块所捕捉到的图像信息进行遍历、识别和筛查，在对所提取出的图像进行图像识别的过程中，可以通过以卷积核特征比对的方式进行实现，示例性的，在所提取出的图像的基础上，进行以I帧图像特征值为基础的网格块划分，同时将网格划分中第一个区域设为起始点，即所获得的第一区域，标识为零点区域，再从第一区域开始进行遍历，将每一个区域中所包含的M个平铺图中目标材料边界的信息与I帧图像特征值进行匹配，若匹配成功，则将匹配成功的网格块记作第二剪裁信息中的剪裁位置点，将所有匹配成功的剪裁位置点进行整合汇总后记作边界识别信息，其中，边界识别信息中包含多个剪裁位置点，最终根据所获边界识别信息对第二剪裁信息进行确定，实现对目标材料进行数控剪裁的控制有着辅助限定的作用。
步骤S500：根据剪裁边界信息对所述第一剪裁信息与所述第二剪裁信息进行剪裁边界的验证，获取所述目标材料的最优边界结果；
进一步而言，如图4所示，本申请步骤S500包括：
步骤S510：对所述第一剪裁信息与所述第二剪裁信息对应的剪裁来源进行不同来源间的边界信息匹配，获得重合边界信息集和单一边界信息集；
步骤S520：通过所述单一边界信息集的边界特征和来源特征，确定准确值域；
步骤S530：基于所述准确值域对所述单一边界信息集进行筛选，根据筛选后的所述单一边界信息集和所述重合边界信息集完成边界验证，确定所述目标材料的最优边界结果。
具体而言，为保证在对目标材料进行剪裁时剪裁边界的精准度，因此需要对第一剪裁信息与第二剪裁信息进行剪裁识别来源的来源分类，剪裁识别来源的来源分类是指第一剪裁信息是由数控技术进行确定的，因此第一剪裁信息的剪裁来源为数控技术，第二剪裁信息是由机器视觉进行确定的，因此第二剪裁信息的剪裁来源为机器视觉，进一步的，通过对不同来源所获的第一剪裁信息中所包含的第一剪裁位置与第二剪裁信息中的第二剪裁位置之间进行剪裁位置的匹配，并对重合边界信息集和单一边界信息集进行获取，重合边界信息集是指通过数控技术以及机器视觉均确定的剪裁位置，单一边界信息集是指通过数控技术或机器视觉中仅一个所确定出的剪裁位置，
进一步的，对单一边界信息集中的边界特征以及来源特征进行提取，单一边界信息集中的边界特征是指通过数控技术或机器视觉中仅一个所确定出的剪裁位置边界的特征，来源特征是指目标材料通过数控技术或机器视觉中仅一个所确定出的剪裁位置边界的来源技术特征，从而通过边界特征以及来源特征对当前边界的准确值域进行获取，示例性的，若机器视觉对目标材料的剪裁边界的识别准确率为80％，而数控技术仅为40％，此时若仅由数控技术所识别出目标材料中的任意一个剪裁边界位置点，而机器视觉未识别出该剪裁边界位置点，此时降低该剪裁边界位置点的准确度，最终在准确值域的基础上，对所获单一边界信息集进行偏离修正，即在单一边界信息集中将准确值低的单一边界信息进行剔除，继而基于修正后的单一边界信息集与重合边界信息集完成边界验证，并将所有通过边界验证的剪裁边界位置点记作目标材料的最优边界结果进行输出，以便为后期对目标材料进行数控剪裁的控制时作为参照数据。
步骤S600：根据所述最优边界结果对所述目标材料进行数控剪裁的对齐控制。
具体而言，为使得最终对目标材料进行剪裁时的剪裁边界的准确率，因此需要在上述所获最优边界结果的基础上，对目标材料在数控剪裁时进行剪裁边界的对齐控制，是指当仅使用数控剪裁对目标材料沿第一剪裁信息进行剪裁时，通过最优边界结果中所确定的剪裁边界对数控剪裁中的剪裁边界进行校正对齐，当二者为相同边界数据时，则可以对目标材料根据对齐边界进行剪裁，实现了在数控剪裁的同时使用机器视觉做辅助，进而提高剪裁成品合格率。
综上所述，本申请实施例提供的一种用于数控剪裁的智能控制方法，至少包括如下技术效果，实现了在数控剪裁的同时使用机器视觉做辅助，进而提高剪裁成品合格率。
实施例二
基于与前述实施例中一种用于数控剪裁的智能控制方法相同的发明构思，如图5所示，本申请提供了一种用于数控剪裁的智能控制系统，系统包括：
运动控制模块1，所述运动控制模块1用于通过数控技术对目标材料进行剪裁的运动控制，获取所述目标材料的第一剪裁信息；
视频采集模块2，所述视频采集模块2用于通过机器视觉对所述目标材料进行视频采集，获取目标视频信息，其中，所述目标视频信息包含所述目标材料；
关键帧分析模块3，所述关键帧分析模块3用于对所述目标视频信息进行关键帧分析，获取N个关键帧，其中，N为大于1的正整数；
特征提取模块4，所述特征提取模块4用于对所述N个关键帧进行特征提取，根据目标材料特征信息确定所述目标材料的第二剪裁信息；
验证模块5，所述验证模块5用于根据剪裁边界信息对第一剪裁信息与第二剪裁信息进行剪裁边界信息的验证，获取目标材料的最优边界结果；
对齐控制模块6，所述对齐控制模块6用于根据最优边界结果对目标材料进行数控剪裁的对齐控制。
进一步而言，系统还包括：
第一数据获取模块，所述第一数据获取模块用于获取所述目标材料剪裁运动基础数据；
第二数据获取模块，所述第二数据获取模块用于所述剪裁运动基础数据包含第一剪裁角度、第一剪裁位置、第一剪裁速度；
初始剪裁路线模块，所述初始剪裁路线模块用于通过所述剪裁运动基础数据获取数控剪裁的初始剪裁路线；
第一添加模块，所述第一添加模块用于将所述初始剪裁路线添加至所述第一剪裁信息中。
进一步而言，系统还包括：
视频分割模块，所述视频分割模块用于基于镜头边界检测算法对所述目标视频进行视频分割，获取多个视频段信息；
关键帧提取模块，所述关键帧提取模块用于对所述多个视频段信息中的关键帧进行提取，获得所述N个关键帧。
进一步而言，系统还包括：
提取模块，所述提取模块用于提取I帧图像；
图像块模块，所述图像块模块用于按照预设分块标准对所述I帧图像进行分割，确定目标I帧图像块；
第一计算模块，所述第一计算模块用于基于所述目标I帧图像块进行离散余弦变化系数计算，获得第一特征值、第二特征值；
第二计算模块，所述第二计算模块用于根据所述第一特征值、所述第二特征值，计算I帧图像特征值；
第二添加模块，所述第二添加模块用于将所述I帧图像特征值添加至所述目标材料特征信息中。
进一步而言，系统还包括：
第一公式模块，所述第一公式模块用于所述第一特征值的计算公式如下：
(a+b＝1,且,a＞b)
Tn是指第一特征值，DCn(x′,y′)是指第一直流系数，ACn(x′,y′)是指第一交流系数，n是指第一I帧图像，(x′,y′)是指第一I帧图像的第(x′,y′)个子块，a是指第一直流系数对第一特征值的影响因子，b是指第一交流系数对第一特征值的影响因子。
第二公式模块，所述第二公式模块用于所述第二特征值的计算公式如下：
(c+d＝1,且,c＞d)
Tn+1是指第二特征值，DCn+1(x″,y″)是指第二直流系数，ACn+1(x″,y″)是指第二交流系数，n+1是指第二I帧图像，(x″,y″)是指第二I帧图像的第(x″,y″)个子块，c是指第二直流系数对第二特征值的影响因子，d是指第二交流系数对第二特征值的影响因子。
进一步而言，系统还包括：
测绘模块，所述测绘模块用于利用移动测绘对目标物体的形状进行测绘，获取所述目标物体的三维形状数据；
多面拆解模块，所述多面拆解模块用于对所述目标物体的三维形状进行多面拆解，获得所述目标物体的M个平铺图；
网格划分模块，所述网格划分模块用于基于所述目标物体的M个平铺图、所述目标材料特征信息中所述I帧图像特征值，对所述N个关键帧中的图像进行网格划分，获取划分图像信息；
遍历识别模块，所述遍历识别模块用于基于卷积核，对所述划分图像信息内所述M个平铺图中目标材料边界进行遍历识别，获取边界识别信息；
信息确定模块，所述信息确定模块用于根据所述边界识别信息，确定所述目标材料的第二剪裁信息。
进一步而言，系统还包括：
边界信息匹配模块，所述边界信息匹配模块用于对所述第一剪裁信息与所述第二剪裁信息对应的剪裁来源进行不同来源间的边界信息匹配，获得重合边界信息集和单一边界信息集；
值域确定模块，所述值域确定模块用于通过所述单一边界信息集的边界特征和来源特征，确定准确值域；
边界验证模块，所述边界验证模块用于基于所述准确值域对所述单一边界信息集进行筛选，根据筛选后的所述单一边界信息集和所述重合边界信息集完成边界验证，确定所述目标材料的最优边界结果。
本说明书通过前述对一种用于数控剪裁的智能控制方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种用于数控剪裁的智能控制系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种用于数控剪裁的智能控制方法，其特征在于，所述方法包括：
通过数控技术对目标材料进行剪裁的运动控制，获取所述目标材料的第一剪裁信息；
通过机器视觉对所述目标材料进行视频采集，获取目标视频信息，其中，所述目标视频信息包含所述目标材料；
对所述目标视频信息进行关键帧分析，获取N个关键帧，其中，N为大于1的正整数；
对所述N个关键帧进行特征提取，根据目标材料特征信息确定所述目标材料的第二剪裁信息；
根据剪裁边界信息对所述第一剪裁信息与所述第二剪裁信息进行剪裁边界的验证，获取所述目标材料的最优边界结果；
根据所述最优边界结果对所述目标材料进行数控剪裁的对齐控制。
2.如权利要求1所述的方法，其特征在于，获取所述目标材料的第一剪裁信息，所述方法还包括：
获取所述目标材料剪裁运动基础数据；
所述剪裁运动基础数据包含第一剪裁角度、第一剪裁位置、第一剪裁速度；
通过所述剪裁运动基础数据获取数控剪裁的初始剪裁路线；
将所述初始剪裁路线添加至所述第一剪裁信息中。
3.如权利要求1所述的方法，其特征在于，获得所述N个关键帧，所述方法还包括：
基于镜头边界检测算法对所述目标视频进行视频分割，获取多个视频段信息；
对所述多个视频段信息中的关键帧进行提取，获得所述N个关键帧。
4.如权利要求1所述的方法，其特征在于，获取所述目标材料特征信息，所述方法还包括：
提取I帧图像；
按照预设分块标准对所述I帧图像进行分割，确定目标I帧图像块；
基于所述目标I帧图像块进行离散余弦变化系数计算，获得第一特征值、第二特征值；
根据所述第一特征值、所述第二特征值，计算I帧图像特征值；
将所述I帧图像特征值添加至所述目标材料特征信息中。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
所述第一特征值的计算公式如下：
Tn是指第一特征值，DCn(x′,y′)是指第一直流系数，ACn(x′,y′)是指第一交流系数，n是指第一I帧图像，(x′,y′)是指第一I帧图像的第(x′,y′)个子块，a是指第一直流系数对第一特征值的影响因子，b是指第一交流系数对第一特征值的影响因子；
所述第二特征值的计算公式如下：
Tn+1是指第二特征值，DCn+1(x″,y″)是指第二直流系数，ACn+1(x″,y″)是指第二交流系数，n+1是指第二I帧图像，(x″,y″)是指第二I帧图像的第(x″,y″)个子块，c是指第二直流系数对第二特征值的影响因子，d是指第二交流系数对第二特征值的影响因子。
6.如权利要求4所述的方法，其特征在于，确定所述第二剪裁信息，所述方法还包括：
利用移动测绘对目标物体的形状进行测绘，获取所述目标物体的三维形状数据；
对所述目标物体的三维形状进行多面拆解，获得所述目标物体的M个平铺图；
基于所述目标物体的M个平铺图、所述目标材料特征信息中所述I帧图像特征值，对所述N个关键帧中的图像进行网格划分，获取划分图像信息；
基于卷积核，对所述划分图像信息内所述M个平铺图中目标材料边界进行遍历识别，获取边界识别信息；
根据所述边界识别信息，确定所述目标材料的第二剪裁信息。
7.如权利要求1所述的方法，其特征在于，确定所述目标材料的最优边界结果，所述方法还包括：
对所述第一剪裁信息与所述第二剪裁信息对应的剪裁来源进行不同来源间的边界信息匹配，获得重合边界信息集和单一边界信息集；
通过所述单一边界信息集的边界特征和来源特征，确定准确值域；
基于所述准确值域对所述单一边界信息集进行筛选，根据筛选后的所述单一边界信息集和所述重合边界信息集完成边界验证，确定所述目标材料的最优边界结果。
8.一种用于数控剪裁的智能控制系统，其特征在于，所述系统包括：
运动控制模块，所述运动控制模块用于通过数控技术对目标材料进行剪裁的运动控制，获取所述目标材料的第一剪裁信息；
视频采集模块，所述视频采集模块用于通过机器视觉对所述目标材料进行视频采集，获取目标视频信息，其中，所述目标视频信息包含所述目标材料；
关键帧分析模块，所述关键帧分析模块用于对所述目标视频进行关键帧分析，获取N个关键帧，其中，N为大于1的正整数；
特征提取模块，所述特征提取模块用于对所述N个关键帧进行特征提取，根据目标材料特征信息确定所述目标材料的第二剪裁信息；
验证模块，所述验证模块用于根据剪裁边界信息对所述第一剪裁信息与所述第二剪裁信息进行剪裁边界的验证，获取所述目标材料的最优边界结果；
对齐控制模块，所述对齐控制模块用于根据所述最优边界结果对所述目标材料进行数控剪裁的对齐控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310496423.6A CN116512340B (zh) | 2023-05-04 | 2023-05-04 | 一种用于数控剪裁的智能控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310496423.6A CN116512340B (zh) | 2023-05-04 | 2023-05-04 | 一种用于数控剪裁的智能控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116512340A CN116512340A (zh) | 2023-08-01 |
| CN116512340B true CN116512340B (zh) | 2023-11-03 |
Family
ID=87389936
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310496423.6A Active CN116512340B (zh) | 2023-05-04 | 2023-05-04 | 一种用于数控剪裁的智能控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116512340B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107492096A (zh) * | 2017-08-03 | 2017-12-19 | 深圳市布易科技有限公司 | 一种实现数控裁床设备物料定位的方法 |
| CN207105053U (zh) * | 2017-08-23 | 2018-03-16 | 浙江工业大学 | 一种基于机器视觉的裁断机刀模矫正装置 |
| CN109944052A (zh) * | 2019-04-28 | 2019-06-28 | 季华实验室 | 一种基于视觉识别技术的智能裁布系统 |
| CN111823303A (zh) * | 2020-07-16 | 2020-10-27 | 中科龙人高新技术有限公司 | 一种3d智能布料及皮革切割机控制系统 |
| CN115499670A (zh) * | 2022-11-17 | 2022-12-20 | 广东电网有限责任公司中山供电局 | 一种基于边缘计算的视频图像压缩处理设备 |
| CN115625435A (zh) * | 2022-11-14 | 2023-01-20 | 广东瑞洲科技有限公司 | 智能识别切割方法、装置及系统 |
-
2023
- 2023-05-04 CN CN202310496423.6A patent/CN116512340B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107492096A (zh) * | 2017-08-03 | 2017-12-19 | 深圳市布易科技有限公司 | 一种实现数控裁床设备物料定位的方法 |
| CN207105053U (zh) * | 2017-08-23 | 2018-03-16 | 浙江工业大学 | 一种基于机器视觉的裁断机刀模矫正装置 |
| CN109944052A (zh) * | 2019-04-28 | 2019-06-28 | 季华实验室 | 一种基于视觉识别技术的智能裁布系统 |
| CN111823303A (zh) * | 2020-07-16 | 2020-10-27 | 中科龙人高新技术有限公司 | 一种3d智能布料及皮革切割机控制系统 |
| CN115625435A (zh) * | 2022-11-14 | 2023-01-20 | 广东瑞洲科技有限公司 | 智能识别切割方法、装置及系统 |
| CN115499670A (zh) * | 2022-11-17 | 2022-12-20 | 广东电网有限责任公司中山供电局 | 一种基于边缘计算的视频图像压缩处理设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116512340A (zh) | 2023-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109934847B (zh) | 弱纹理三维物体姿态估计的方法和装置 | |
| CN108229475B (zh) | 车辆跟踪方法、系统、计算机设备及可读存储介质 | |
| EP2375376B1 (en) | Method and arrangement for multi-camera calibration | |
| Lee et al. | Depth-assisted real-time 3D object detection for augmented reality | |
| US6701005B1 (en) | Method and apparatus for three-dimensional object segmentation | |
| CN109632808B (zh) | 棱边缺陷检测方法、装置、电子设备及存储介质 | |
| CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
| CN110473221B (zh) | 一种目标物体自动扫描系统及方法 | |
| KR20120138627A (ko) | 안면 추적 장치 및 방법 | |
| CN108470178B (zh) | 一种结合深度可信度评价因子的深度图显著性检测方法 | |
| CN112017210A (zh) | 目标物体跟踪方法及装置 | |
| CN111127556B (zh) | 基于3d视觉的目标物体识别和位姿估算方法以及装置 | |
| CN116977341B (zh) | 一种尺寸测量方法及相关装置 | |
| CN106778777A (zh) | 一种车辆匹配方法及系统 | |
| CN110120012A (zh) | 基于双目摄像头的同步关键帧提取的视频拼接方法 | |
| CN116512340B (zh) | 一种用于数控剪裁的智能控制方法及系统 | |
| CN112991159A (zh) | 人脸光照质量评估方法、系统、服务器与计算机可读介质 | |
| US9098746B2 (en) | Building texture extracting apparatus and method thereof | |
| CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
| CN106156774A (zh) | 影像处理方法及影像处理系统 | |
| CN116188826A (zh) | 一种复杂光照条件下的模板匹配方法及装置 | |
| CN113705487B (zh) | 精密工件识别及工艺参数关联系统以及识别方法 | |
| CN114187269A (zh) | 小零器件表面缺陷边缘快速检测方法 | |
| CN113919393A (zh) | 车位识别的方法、装置和设备 | |
| CN114419489A (zh) | 特征提取网络的训练方法、装置、终端设备和介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |