[发明专利]一种基于3D扫描和视觉纠偏的鞋底喷胶系统

权利要求书

1.一种基于3D扫描和视觉纠偏的鞋底喷胶系统，其特征在于，包括：3D扫描模块，用于获取待喷胶鞋底的三维图像信息并将获取的三维图像信息传输至三维图像处理模块；

三维图像处理模块，用于将接收的三维图像信息进行图像增强、形态学处理、滤波以及图像分割以提取出待喷胶鞋底的边缘轮廓图像；

喷胶路径预测模块，用于将所述边缘轮廓图像输入深度神经网络模型并预测出待喷胶鞋底的第一喷胶路径；

视觉特征提取模块，用于通过拍照的方式直接抓取待喷胶鞋底的特征并计算出待喷胶鞋底的第二喷胶路径；

控制模块，用于将所述第一喷胶路径和所述第二喷胶路径进行比较，当所述第一喷胶路径和所述第二喷胶路径相同时，则所述控制模块驱动喷胶终端模块按照所述第一喷胶路径动作，当所述第一喷胶路径和所述第二喷胶路径不同时，则所述控制模块计算出所述第一喷胶路径与所述第二喷胶路径的偏移误差量，并将所述第一喷胶路径按照所述偏移误差量进行补偿，然后驱动所述喷胶终端模块按照补偿后的所述第一喷胶路径动作；

喷胶终端模块，用于对待喷胶鞋底执行喷胶动作。

2.根据权利要求1所述的一种基于3D扫描和视觉纠偏的鞋底喷胶系统，其特征在于，所述喷胶路径预测模块中的深度神经网络模型的建立包括以下步骤：

S1：在标准神经网络模型中插入归一化层、线性整流层、平均池化层来构建辅助分类器；

S2：在标准神经网络模型中插入辅助损失函数，并与标准神经网络模型的重构损失函数构成目标损失函数；

S3：利用所述目标损失函数结合通道的表征能力，对所述辅助分类器进行训练，进而获得所述深度神经网络模型。

3.根据权利要求2所述的一种基于3D扫描和视觉纠偏的鞋底喷胶系统，其特征在于，在步骤S2中，标准神经网络模型中插入的辅助损失函数为交叉恼损失函数。

4.根据权利要求2或3所述的一种基于3D扫描和视觉纠偏的鞋底喷胶系统，其特征在于，步骤S3的具体内容为：利用所述目标损失函数并结合通道的表征能力，在标准神经网络模型中选择待剪枝的冗余通道；然后在标准神经网络模型中，剪去所述冗余通道，进而获得深度神经网络模型。

5.根据权利要求4所述的一种基于3D扫描和视觉纠偏的鞋底喷胶系统，其特征在于，步骤S3中，选择所述冗余通道的方式为：获取表征标准神经网络模型中各个通道的通道选择向量，利用所述目标损失函数对通道选择向量和模型参数进行优化，将优化后通道选择向量的向量元素为0的通道确定为冗余通道。

6.根据权利要求5所述的一种基于3D扫描和视觉纠偏的鞋底喷胶系统，其特征在于，步骤S3中，利用所述目标损失函数对通道选择向量和模型参数进行优化的方式为：随机选择训练样本，并利用随机梯度下降算法和贪婪算法，令目标损失函数L(x,y)＝LM(x,y)+ALS(x,y)收敛；其中，LM为重构损失函数，LS为指定辅助损失函数，x为模型参数，y为通道选择向量；A为所述指定辅助损失函数的权重。

7.根据权利要求1所述的一种基于3D扫描和视觉纠偏的鞋底喷胶系统，其特征在于，所述喷胶终端模块包括机架(1)、工作台(11)、喷胶件(3)及设置在所述机架(1)上的移动手臂(2)，所述工作台(11)设置在所述机架(1)上，所述移动手臂(2)位于工作台(11)的正上方，所述移动手臂(2)包括X轴子臂(21)及Y轴子臂(22)，所述X轴子臂(21)用于带动所述喷胶件(3)沿X轴方向移动，所述Y轴子臂(22)用于带动所述喷胶件(3)沿Y轴方向移动。