[发明专利]布局模型训练方法、装置以及设备

权利要求书

1.一种布局模型训练方法，包括：

获取样本部件集合和样本布局图，其中，所述样本部件集合包括需要布局到所述样本布局图中的样本部件，且可拼装成样本产品；

提取所述样本部件集合的样本特征张量和所述样本布局图的样本布局矩阵；

利用所述样本部件集合的样本特征张量和所述样本布局图的样本布局矩阵对原始模型进行训练，得到布局模型，其中，所述布局模型用于从部件集合中选取下一个布局到布局图中的部件。

2.根据权利要求1所述的方法，其中，所述获取所述样本部件集合的样本特征张量，包括：

获取所述样本部件集合中的样本部件的样本特征张量；

对所述样本部件集合中的样本部件的样本特征张量进行组合，得到所述样本部件集合的样本特征张量。

3.根据权利要求1或2所述的方法，其中，所述利用所述样本部件集合的样本特征张量和所述样本布局图的样本布局矩阵对原始模型进行训练，得到布局模型，包括：

将所述样本部件集合的样本特征张量和所述样本布局图的样本布局矩阵输入至所述原始模型，得到样本目标部件的样本布局信息，其中，所述样本目标部件是下一个布局到所述样本布局图中的样本部件；

基于所述样本目标部件的样本布局信息计算损失函数；

基于所述损失函数更新所述初始模型的参数，得到所述布局模型。

4.根据权利要求3所述的方法，其中，所述将所述样本部件集合的样本特征张量和所述样本布局图的样本布局矩阵输入至所述原始模型，得到样本目标部件的样本布局信息，包括：

将所述样本部件集合的样本特征张量输入至第一人工神经网络，得到所述样本部件集合的样本嵌入表征张量；

将所述样本布局图的样本布局矩阵输入至卷积神经网络，得到所述样本布局图的样本嵌入表征张量；

聚合所述样本部件集合的样本嵌入表征张量和所述样本布局图的样本嵌入表征张量，得到状态表征张量；

将所述状态表征张量输入到第二人工神经网络，得到所述样本目标部件的样本布局信息。

5.根据权利要求3所述的方法，其中，所述基于所述样本目标部件的样本布局信息计算损失函数，包括：

计算所述样本目标部件的部件面积与所述样本部件集合的平均部件面积的差值；

计算将所述样本目标部件布局到所述样本布局图中之后的剩余空间面积和可放入部件占比，以及基于所述剩余空间面积和所述可放入部件占比计算确定性浪费空间；

计算将所述样本目标部件布局到所述样本布局图中之后的切割刀数增量和旋转次数增量，以及基于所述切割刀数增量和所述旋转次数增量计算布局复杂度；

基于所述面积差值、所述确定性浪费空间和所述布局复杂度，计算第一损失函数。

6.根据权利要求5所述的方法，其中，所述基于所述样本目标部件的样本布局信息计算损失函数，还包括：

计算所述样本布局图布局完成之后的布局利用率和操作用时；

基于所述布局利用率和所述操作用时，计算第二损失函数。

7.根据权利要求6所述的方法，其中，其中，所述基于所述样本目标部件的样本布局信息计算损失函数，还包括：

计算所述样本部件集合布局完成之后的实际板材数量和预估板材数量的差值，作为第三损失函数；

对所述第一损失函数、所述第二损失函数和所述第三损失函数进行加权组合，得到所述损失函数。

8.一种部件布局方法，包括：

获取部件集合和布局图，其中，所述部件集合包括需要布局到所述布局图中的部件，可拼装成产品；

提取所述部件集合的特征张量和所述布局图的布局矩阵；

将所述部件集合的特征张量和所述布局图的布局矩阵输入到布局模型，得到目标部件，其中，所述布局模型是采用权利要求1-7中任一项所述的方法训练得到的，所述目标部件是下一个布局到所述布局图中的部件；

基于所述目标部件的布局信息，将所述目标部件布局到所述布局图中，以及将所述目标部件从所述部件集合中删除。