(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210732574.2 (22)申请日 2022.06.27 (65)同一申请的已公布的文献号 申请公布号 CN 114800229 A (43)申请公布日 2022.07.29 (73)专利权人 江苏中清光伏科技有限公司 地址 221400 江苏省徐州市新沂市锡沂高 新区智能制造产业园3号厂房三楼 (72)发明人 王佳佳　马霖敏　崔恩恩　 (74)专利代理 机构 杭州汇和信专利代理有限公 司 33475 专利代理师 吴琰 (51)Int.Cl. B24B 29/02(2006.01) B24B 27/00(2006.01) B24B 49/12(2006.01) G06V 20/10(2022.01)G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 114581796 A,202 2.06.03 CN 113681469 A,2021.1 1.23 CN 110871399 A,2020.0 3.10 CN 114627985 A,202 2.06.14 CN 114571326 A,202 2.06.03 CN 110537249 A,2019.12.0 3 CN 113597360 A,2021.1 1.02 US 2018278 868 A1,2018.09.27 审查员 白欣欣 (54)发明名称 双面双玻表面抛光装置及其抛光方法 (57)摘要 本申请涉及智能制造的领域， 其具体地公开 了一种双面双玻表面抛光装置及其抛光方法， 其 通过相机作为视觉传感器采集双面光伏板的外 表面被抛光后的表面图像， 然后在使用卷积神经 网络对所述表面图像进行特征挖掘时通过将显 著性特征检测模块集成于所述卷积神经网络的 网络结构中， 以提高所述卷积神经网络的各层对 局部显著特征的提取能力， 这样就能够更加聚焦 于所述表 面图像中的不同尺度特征信息， 以更精 确地进行分类， 同时在利用了注 意力机制的特征 强化的同时， 还设置了特征图间的平滑过渡机 制， 以避免由于过度强调显著性检测器生成的显 著性而导致的信息缺失， 进而提高分类的准确 性。 这样， 能够使得对于所述双面光伏板表面的 抛光效果更佳。 权利要求书3页 说明书12页 附图3页 CN 114800229 B 2022.09.13 CN 114800229 B 1.一种双面双玻表面抛光装置， 其特 征在于， 包括： 抛光图像采集模块， 用于获取由相机采集的双面光伏板的外表面被抛光后的表面图 像； 图像编码模块， 用于将所述表面图像通过具有显著性特征检测模块的第 一卷积神经网 络以从所述第一卷积神经网络的浅层提取浅度特征图和从所述第一卷积神经网络的深层 提取深度特 征图； 注意力掩码模块， 用于计算所述浅度 特征图与 所述深度 特征图之间的按位置距离以生 成注意力掩码图； 注意力施加模块， 用于将所述注意力掩码图与 所述深度 特征图进行按位置点乘以得到 分类特征图； 平滑过渡修正模块， 用于使用平滑过渡机制来融合所述分类特征图和所述深度 特征图 以得到修 正后分类特 征图； 抛光结果生成模块， 用于将所述修正后分类特征图通过分类器以得到分类结果， 所述 分类结果用于表示所述双面 光伏板的外表面的抛光效果是否满足预设标准； 其中， 所述图像编码模块， 用于以所述第一卷积神经网络的各层对输入数据进行如下 方式的编码： 以所述第一卷积神经网络的各层的第一卷积单元以第一卷积核对所述输入数据进行 卷积编码以得到卷积特 征图； 以所述第一卷积神经网络的各层的第二卷积单元以第二卷积核对所述卷积特征图进 行卷机编码以得到再卷积特征图， 其中， 所述第一卷积单元和所述第二卷积单元形成所述 显著性特 征检测模块， 所述第一卷积核的尺寸大于所述第二卷积核的尺寸； 以所述第一卷积神经网络的各层的池化单元对所述再卷积特征图进行基于局部特征 矩阵的均值池化以得到池化特 征图； 以及 以所述第一卷积神经网络的各层的激活单元对所述池化特征图中各个位置的特征值 进行非线性激活以得到 激活特征图； 其中， 从所述第 一卷积神经网络的浅层提取的激活特征图为所述浅度 特征图， 以及， 从 所述第一卷积神经网络的深层提取的激活特 征图为所述深度特 征图； 其中， 所述注意力掩码模块， 包括： 距离得分图单元， 用于计算所述浅度 特征图与 所述深度 特征图之间的按位置欧式距离 以得到距离得分图； 以及 掩码单元， 用于基于所述距离得分图与预定阈值之间的比较生成所述注意力掩码图； 其中， 所述平滑过渡修正模块， 用于： 使用平滑过渡机制以如下公式来融合所述分类特 征图和所述深度特 征图以得到所述 修正后分类特 征图； 其中， 所述公式为： 其中 表示所述分类特征图， 表示所述深度特征图， 表示以特征图为幂的指 数运算， 其中， 以特征图为幂的指数运算表示以特征图的每个位置的值作为幂求指数， 再将权　利　要　求　书 1/3 页 2 CN 114800229 B 2结果填入特征图的各个位置以得到矩阵运算结果， 和 分别表示特征图的按位置减法和 加法， 且 表示数与特 征图的点乘， 为超参数； 其中， 所述抛光结果生成模块， 用于： 所述分类器以如下公式对所述修正后分类特征图 进行处理以生成分类结果， 其中， 所述公式为： ， 其中 表示将所述修正后分类特征图投影为向量， 至 为各层全连接层的 权重矩阵， 至 表示各层全连接层的偏置矩阵。 2.根据权利要求1所述的双面双玻表面抛光装置， 其中， 所述浅层为4 ‑6层， 所述深层为 所述第一卷积神经网络的最后一层。 3.一种双面双玻表面抛光装置的抛光方法， 其特 征在于， 包括： 获取由相机采集的双面 光伏板的外表面被抛光后的表面图像； 将所述表面图像通过具有显著性特征检测模块的第一卷积神经网络以从所述第一卷 积神经网络的浅层提取浅度特 征图和从所述第一卷积神经网络的深层提取深度特 征图； 计算所述浅度特 征图与所述深度特 征图之间的按位置距离以生成注意力掩码图； 将所述注意力掩码图与所述深度特 征图进行按位置点乘以得到分类特 征图； 使用平滑过渡机制来融合所述分类特征图和所述深度特征图以得到修正后分类特征 图； 以及 将所述修正后分类特征图通过分类器以得到分类结果， 所述分类结果用于表示所述双 面光伏板的外表面的抛光效果是否满足预设标准。 其中， 将所述表面图像通过具有显著性特征检测模块的第 一卷积神经网络以从所述第 一卷积神经网络的浅层提取浅度特征图和从所述第一卷积神经网络的深层提取深度特征 图， 包括： 以所述第一卷积神经网络的各层对输入数据进行如下 方式的编码： 以所述第一卷积神经网络的各层的第一卷积单元以第一卷积核对所述输入数据进行 卷积编码以得到卷积特 征图； 以所述第一卷积神经网络的各层的第二卷积单元以第二卷积核对所述卷积特征图进 行卷机编码以得到再卷积特征图， 其中， 所述第一卷积单元和所述第二卷积单元形成所述 显著性特 征检测模块， 所述第一卷积核的尺寸大于所述第二卷积核的尺寸； 以所述第一卷积神经网络的各层的池化单元对所述再卷积特征图进行基于局部特征 矩阵的均值池化以得到池化特 征图； 以及 以所述第一卷积神经网络的各层的激活单元对所述池化特征图中各个位置的特征值 进行非线性激活以得到 激活特征图； 其中， 从所述第 一卷积神经网络的浅层提取的激活特征图为所述浅度 特征图， 以及， 从 所述第一卷积神经网络的深层提取的激活特 征图为所述深度特 征图； 其中， 计算所述浅度特征图与所述深度特征图之间的按位置距离以生成注意力掩码 图， 包括： 计算所述浅度 特征图与所述深度特征图之间的按位置欧式距离以得到距离得分图； 以 及 基于所述距离得分图与预定阈值之间的比较生成所述注意力掩码图；权　利　要　求　书 2/3 页 3 CN 114800229 B 3