(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211270708.X (22)申请日 2022.10.18 (71)申请人 湖北华鑫光电有限公司 地址 443000 湖北省宜昌市枝江市经济开 发区仙女三路电子信息产业园A7栋 (72)发明人 陈龙　 (74)专利代理 机构 郑州坤博同创知识产权代理 有限公司 412 21 专利代理师 杨肖婉 (51)Int.Cl. G06V 10/764(2022.01) G06F 17/16(2006.01) G06N 3/04(2006.01) G06V 10/44(2022.01) G06V 10/82(2022.01) (54)发明名称 镜头的智能化制备方法及其系统 (57)摘要 本申请涉及智能制备领域， 其具体地 公开了 一种镜头的智能化制备方法及其系统， 其通过使 用所述Clip模型的优化编码器来基于刀头设计 参数特征对镜头样品特征进行编码优化 以得到 优化镜头样品特征矩阵， 进一步将所述优化镜头 样品特征矩 阵通过分类器得到用于表示镜头样 品的加工质量是否满足预定标准的分类结果， 通 过这样的方式， 来提高对于镜头样品的成型精度 判断的精准度。 权利要求书3页 说明书12页 附图6页 CN 115512166 A 2022.12.23 CN 115512166 A 1.一种镜 头的智能化制备 方法， 其特 征在于， 包括： 获取镜头样品的六视图以及用于加工所述镜 头样品的加工刀头的设计参数； 将所述镜头样品的六视图通过训练完成的Clip模型的图像编码器以得到镜头样品特 征向量； 将所述加工刀头的设计参数通过所述训练完成的Clip模型的序列编码器以得到刀头 设计参数 特征向量； 使用所述训练完成的Clip模型的优化编码器基于所述刀头设计参数特征向量对所述 镜头样品特 征向量的特 征编码进行优化以得到优化镜 头样品特 征矩阵； 以及 将所述优化镜头样品特征矩阵通过分类器以得到分类结果， 所述分类结果用于表示镜 头样品的加工质量是否满足预定标准。 2.根据权利要求1所述的镜头的智能化制备方法， 其特征在于， 所述将所述镜头样品的 六视图通过训练完成的Cl ip模型的图像编码器以得到 镜头样品特 征向量， 包括： 所述Clip模型的图像编码器使用深度卷积神经网络模型对所述镜头样品的六视图进 行显式空间编码以得到所述镜 头样品特 征向量。 3.根据权利要求2所述的镜头的智能化制备方法， 其特征在于， 所述Clip模型的图像编 码器使用深度卷积神经网络模型对所述镜头样品的六视图进行显式空间编码以得到所述 镜头样品特 征向量， 包括： 使用所述深度卷积神经网络模型的各层在层的正向传递中分别对输入数据进行卷积 处理、 基于特征矩阵的池化处理和非线性激活处理以由所述深度卷积神经网络模型的最后 一层输出 所述镜头样品特 征向量。 4.根据权利要求3所述的镜头的智能化制备方法， 其特征在于， 所述将所述加工刀 头的 设计参数通过所述训练完成的Clip模型的序列编码器以得到刀头设计参数特征向量， 包 括： 将所述加工刀头的设计参数中的所有设计参数项排列为设计参数输入向量； 使用所述Clip模型的序列编码器的第一卷积层以第一一维卷积核对所述设计参数输 入向量进行一维卷积编码以得到第一尺度刀头设计参数 特征向量； 使用所述Clip模型的序列编码器的第二卷积层以第二一维卷积核对所述设计参数输 入向量进行一维卷积编码以得到第二尺度刀头设计参数特征向量， 其中， 所述第一一维卷 积核的长度尺寸 不同于所述第二 一维卷积核的长度尺寸； 以及 将所述第一尺度刀头设计参数特征向量和所述第二尺度刀头设计参数特征向量进行 级联以得到所述刀头设计参数 特征向量。 5.根据权利要求 4所述的镜 头的智能化制备 方法， 其特 征在于， 所述使用所述Clip模型的序列编码器的第一卷积层以第一一维卷积核对所述设计参 数输入向量进行一维卷积编码以得到第一尺度刀头设计参数特征向量， 包括： 使用所述 Clip模型的序列编码器的第一卷积层以第一一维卷积核以如下公式对所述设计参数输入 向量进行一维卷积编码以得到第一尺度刀头设计参数 特征向量； 其中， 所述公式为： 权　利　要　求　书 1/3 页 2 CN 115512166 A 2其中，a为第一卷积核在 x方向上的宽度、 为第一卷积核参 数向量、 为与卷积 核函数运 算的局部向量矩阵， w为第一卷积核的尺寸， X表示所述刀头设计参数输入向量； 所述使用所述Clip模型的序列编码器的第二卷积层以第二一维卷积核对所述设计参 数输入向量进行一维卷积编码以得到第二尺度刀头设计参数特征向量， 包括： 使用所述 Clip模型的序列编码器的第二卷积层以第二一维卷积核以如下公式对所述设计参数输入 向量进行一维卷积编码以得到第二尺度刀头设计参数 特征向量； 其中， 所述公式为： 其中，a为第一卷积核在 x方向上的宽度、 为第一卷积核参 数向量、 为与卷积 核函数运 算的局部向量矩阵， w为第一卷积核的尺寸， X表示所述刀头设计参数输入向量。 6.根据权利要求5所述的镜头的智能化制备方法， 其特征在于， 所述使用所述训练完成 的Clip模型的优化编码器基于所述刀头设计参数特征向量对所述镜头样品特征向量的特 征编码进行优化以得到优化镜头样品特征矩阵， 包括： 使用所述训练完成的Clip模型的优 化编码器基于所述刀头设计参数特征向量以如下公式对所述镜头样品特征向量的特征编 码进行优化以得到优化镜 头样品特 征矩阵； 其中， 所述公式为： 其中 表示所述刀头设计参数特征向量， 表示所述刀头设计参数特征向量的转置向 量， 表示所述镜 头样品特 征向量， 表示所述优化镜 头样品特 征矩阵， 表示向量相乘。 7.根据权利要求6所述的镜头的智能化制备方法， 其特征在于， 所述将所述优化镜头样 品特征矩阵通过分类 器以得到分类结果， 包括： 将所述优化镜 头样品特 征矩阵基于行向量或列向量展开 为分类特 征向量； 使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分 类特征向量； 以及 将所述编码分类特 征向量通过所述分类 器的Softmax分类函数以得到所述分类结果。 8.根据权利要求1所述的镜头的智能化制备方法， 其特征在于， 还包括步骤： 对所述 Clip模型和所述分类 器进行训练； 其中， 所述对所述Cl ip模型和所述分类 器进行训练， 包括： 获取训练数据， 所述训练数据包括所述镜头样品的训练六视 图、 用于加工所述镜头样 品的加工刀头的训练设计参数以及所述镜 头样品的加工质量是否满足预定标准的真实值； 将所述镜头样品的训练六视图通过所述Clip模型的图像编码器以得到训练镜头样品 特征向量； 将所述加工刀头的训练设计参数通过所述Clip模型的序列编码器以得到训练刀头设 计参数特征向量； 使用所述Clip模型的优化编码器基于所述训练刀头设计参数特征向量对所述训练镜权　利　要　求　书 2/3 页 3 CN 115512166 A 3