[发明专利]基于古代长沙窑陶瓷风格的可生产器型的智能生成算法

摘要

本发明涉及一种基于古代长沙窑陶瓷风格的可生产器型的智能生成算法，属于人工智能、现代陶瓷设计、陶瓷生产工艺设计、文化遗产传承领域。本发明通过构建深度神经网络VesselNet，该网络包括2个子模块，一个子模块VesselShapeNet负责生成新的器形，另外一个VesselVertexNet模块生成器形的轮廓曲线，并通过最后的参数约束数据集去除不能生产的异常器形。本发明的优点在于，能够快速、低成本的生成大量参考模型，并保持其很高的可生产性。为陶瓷生产企业及设计师作参考与基样。提高整体生产效率。

主权项

1.基于古代长沙窑陶瓷风格的可生产器型的智能生成算法，其特征是包括以下步骤：步骤1：(1)通过3D立体扫描仪对长沙窑器形进行3D建模，构成长沙窑3D立体器形参数库及平面图片库；(2)从网络中以爬虫的方式收集到现代家用常用器形参数数据库，构成陶瓷日常用具3D器物库及平面图片库；(3)与合作工厂工坊共同建立加工参数约束数据集，包含生产线及关键约束参数；步骤2：构建深度神经网络VesselNet，该网络包括两个子模块，一个子模块VesselShapeNet负责生成新的器形，另外一个VesselVertexNet模块生成器形的轮廓曲线，并通过最后的参数约束数据集去除不能生产的异常器形；步骤3：VesselShapeNet采用GAN生成对抗网络的思路来生成新的瓷器器形；GAN模型通过框架中的两个模块，即生成模型和判别模型的互相博弈学习产生符合生产的输出，最终达到博弈中的纳什均衡；此时生成模型学习到的分布接近于原始数据分布，并用训练好的生成模型来生成新的数据样本；步骤4：定义VesselShapeNet网络的生成模型结构，网络包含1个输入层，3个全连接层，1个输出层；定义VesselShapeNet网络的判别模型结构，网络包含1个输入层，3个全连接层，1个输出层；步骤5：VesselShapeNet的输入是经过预处理的瓷器平面图像：图像预处理包括；1.对背景进行尽可能的去除，2.对多余的区域尽量裁剪；3.将瓷器图像统一按比例缩放到50x50的区域；4.将瓷器图像处理为灰度图像；5.将灰度图像进行归一化处理；步骤6：将数据输入VesselShapeNet进行训练，当VesselShapeNet收敛时，便将VesselShapeNet的生成模型用于新的瓷器器形轮廓图像的生成；步骤7：生成新的瓷器器形轮廓图像后，将其作为VesselVertexNet的输入，从而生成目标瓷器器形轮廓曲线顶点参数；VesselVertexNet网络是从生成的瓷器轮廓封闭区域出发，首先通过Convolutional Neural Network(卷积神经网络)在器形图像轮廓上寻找一个起点，随后基于CONVGRU(Convolutional Gated Recurrent Units，带卷积的门控循环单元)算法来预测一个目标瓷器器形封闭的多边形轮廓；步骤8：构建深度神经网络VesselVertexNet，该网络由3层卷积层(Convolutional Layer)，2层池化层(Pooling Layer)，以及1个CONVGRU带卷积的门控循环单元，1个全连接层(Dense Layer)组成。步骤9：CONVGRU网络的每个序列元素上输出一个二维特征图，该输出尺寸与原图一致，每个点的数值是当前坐标点的概率；同时，每次输出单独的一个数值，代码当前坐标点是多边形边缘终点的概率；在第二部分CONVGRU的输入中，不但输入卷积神经网络所获取的特征，同时也输入N‑1,N‑2个、N‑3个坐标点和第一个坐标点；步骤10：将生成的器形边缘轮廓参数输入生产约束校验模块，由约束校验模块判断其加工的可行性，如果不能通过校验，则丢弃；如果能够通过生产约束校验模块的器形保存，并展示给设计师作为参考。