买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：慈溪市远辉照明电器有限公司

摘要：本申请涉及智能调控的领域，其具体地公开了一种带顶出机构的三防灯灯罩注塑模具，其通过利用基于深度学习的人工智能算法对于拔模的实时状态进行监控，且对于拔模速度的动态特征进行提取分析，以此来对于当前时间点的拔模速度进行自适应控制，进而避免因拔模而造成产品发生破损，保证三防灯灯罩产品的生产质量。

主权项：1.一种带顶出机构的三防灯灯罩注塑模具，其特征在于，包括：拔模监控单元，用于获取预定时间段内多个预定时间点的拔模速度以及所述预定时间段的拔模监控视频；关键帧提取单元，用于从所述拔模监控视频提取多个拔模关键帧；拔模过程特征提取单元，用于将所述多个拔模关键帧通过训练完成的使用时间注意力机制的卷积神经网络模型以得到拔模跟踪特征图；拔模速度特征提取单元，用于将所述预定时间段内多个预定时间点的拔模速度按照时间维度排列为拔模输入向量后通过训练完成的多尺度邻域特征提取模块以得到多尺度拔模特征向量；降维单元，用于对所述拔模跟踪特征图的沿通道维度的各个特征矩阵进行全局均值池化处理以得到拔模跟踪特征向量；转移单元，用于计算所述多尺度拔模特征向量相对于所述拔模跟踪特征向量的转移矩阵作为分类特征矩阵；以及，控制结果生成单元，用于将所述分类特征矩阵通过训练完成的分类器以得到分类结果，所述分类结果用于表示当前时间点的拔模速度应增大或应减小；其中，所述拔模过程特征提取单元，包括：相邻帧提取子单元，用于从所述多个拔模关键帧提取相邻的第一帧和第二帧；第一图像局部特征提取子单元，用于将所述第一帧和所述第二帧分别通过所述卷积神经网络模型的第一卷积层和第二卷积层以得到对应于所述第一帧的第一帧特征图和对应于所述第二帧的第二帧特征图；时间注意力子单元，用于将所述第一帧特征图与所述第二帧特征图进行按位置点乘后通过Softmax激活函数以得到时间注意力图；第二图像局部特征提取子单元，用于将所述第一帧通过所述卷积神经网络模型的第三卷积层以得到局部特征图；时间注意力施加子单元，用于将所述局部特征图与所述时间注意力图进行按位置点乘以得到所述拔模跟踪特征图；其中，所述拔模速度特征提取单元，包括：第一尺度特征提取子单元，用于将所述拔模输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度拔模特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度特征提取子单元，用于将所述拔模输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度拔模特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，多尺度特征融合子单元，用于将所述第一邻域尺度拔模特征向量和所述第二邻域尺度温度拔模特征向量进行级联以得到所述多尺度拔模特征向量；其中，所述转移单元，进一步用于：以如下公式计算所述多尺度拔模特征向量相对于所述拔模跟踪特征向量的转移矩阵作为分类特征矩阵；其中，所述公式为： 其中V1表示所述多尺度拔模特征向量，M2表示所述拔模跟踪特征向量的转移矩阵，M表示所述分类特征矩阵，表示向量相乘；其中，所述控制结果生成单元，进一步用于：使用所述分类器以如下公式对所述分类特征矩阵进行处理以获得分类结果，所述公式为：softmax{Wn，Bn：...：W1，B1|PojectF}，其中ProjectF表示将所述分类特征矩阵投影为向量，W1至Wn为各层全连接层的权重矩阵，B1至Bn表示各层全连接层的偏置矩阵。

全文数据：

权利要求：

百度查询： 慈溪市远辉照明电器有限公司 一种带顶出机构的三防灯灯罩注塑模具