[发明专利]用于门加工的来料合格检验系统及方法

权利要求书

1.一种用于门加工的来料合格检验系统，其特征在于，包括：

数据调取模块，用于获取用于门加工的来料的文本描述说明和所述来料的检测图像；

分辨率增强模块，用于将所述来料的检测图像通过基于自动编解码器的图像像素增强器以得到分辨率优化检测图像；

来料图像特征提取模块，用于将所述分辨率优化检测图像通过包含深浅特征融合模块的卷积神经网络模型以得到来料图像特征矩阵；

来料文本描述理解模块，用于将所述来料的文本描述说明通过包含嵌入层的上下文编码器以得到来料文本描述特征向量；

对抗生成模块，用于将所述来料文本描述特征向量通过基于对抗生成网络的文本理解模型以得到来料生成图像；

生成来料图像特征提取模块，用于将所述来料生成图像通过所述包含深浅特征融合模块的卷积神经网络模型以得到来料生成图像特征矩阵；

差分模块，用于计算所述来料生成图像特征矩阵和所述来料图像特征矩阵之间的差分特征矩阵；

类中心偏移校正模块，用于基于所述来料生成图像特征矩阵和所述来料图像特征矩阵，对所述差分特征矩阵进行类中心偏移校正以得到校正后差分特征矩阵；以及

检验结果生成模块，用于将所述校正后差分特征矩阵通过分类器以得到分类结果，所述分类结果用于表示来料是否合格。

2.根据权利要求1所述的用于门加工的来料合格检验系统，其特征在于，所述分辨率增强模块，包括：

信号编码单元，用于使用所述自动编码器的编码器从所述来料的检测图像提取来料的检测特征图，其中，所述自动编码器的编码器为卷积层；以及

信号解码单元，用于使用所述自动编码器的解码器对所述来料的检测特征图进行解码以得到所述分辨率优化检测图像，其中，所述自动编码器的解码器为反卷积层。

3.根据权利要求2所述的用于门加工的来料合格检验系统，其特征在于，所述来料图像特征提取模块，进一步用于：

使用所述包含深浅特征融合模块的卷积神经网络模型的浅层提取浅层特征矩阵；

使用所述包含深浅特征融合模块的卷积神经网络模型的深层提取深层特征矩阵；以及

融合所述浅层特征矩阵和所述深层特征矩阵以得到所述来料图像特征矩阵；

其中，所述深层与所述浅层之间的比值大于等于5且小于等于10。

4.根据权利要求3所述的用于门加工的来料合格检验系统，其特征在于，所述来料文本描述理解模块，包括：

分词单元，用于对所述来料的文本描述说明进行分词处理以将所述来料的文本描述说明转化为由多个词组成的词序列；

嵌入编码单元，用于使用所述包含嵌入层的上下文编码器的嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列；

上下文编码单元，用于使用所述包含嵌入层的上下文编码器的转化器对所述词向量的序列进行基于全局的上下文语义编码以得到多个上下文语义特征向量；以及

融合单元，用于将所述多个上下文语义特征向量进行级联以得到所述来料文本描述特征向量。

5.根据权利要求4所述的用于门加工的来料合格检验系统，其特征在于，所述上下文编码单元，包括：

查询向量构造子单元，用于将所述词向量的序列进行一维排列以得到全局词特征向量；

自注意子单元，用于计算所述全局词特征向量与所述词向量的序列中各个词向量的转置向量之间的乘积以得到多个自注意力关联矩阵；

标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；

关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；

注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述词向量的序列中各个词向量进行加权以得到所述多个上下文语义特征向量。

6.根据权利要求5所述的用于门加工的来料合格检验系统，其特征在于，所述对抗生成网络包括生成器和鉴别器。