一種基于機(jī)器學(xué)習(xí)的頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估操作方法技術(shù)

本發(fā)明專利技術(shù)公開一種基于機(jī)器學(xué)習(xí)的頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估方法，步驟1、將歷史產(chǎn)品設(shè)計(jì)的點(diǎn)云數(shù)據(jù)、對(duì)產(chǎn)品設(shè)計(jì)方案中的標(biāo)準(zhǔn)頭模點(diǎn)云數(shù)據(jù)輸入至分析計(jì)算機(jī)中進(jìn)行分析處理，結(jié)合對(duì)應(yīng)壓力分布、曲面密合性特征，通過量化算法將點(diǎn)云數(shù)據(jù)投影至標(biāo)準(zhǔn)面以獲得平面坐標(biāo)，再根據(jù)在標(biāo)準(zhǔn)面上的深度信息或分布信息量化為平面上的廣義灰度值，從而制作出廣義圖片，廣義圖片作為機(jī)器學(xué)習(xí)的樣本數(shù)據(jù)，被輸入到深度卷積網(wǎng)絡(luò)中進(jìn)行訓(xùn)練和測(cè)試。本發(fā)明專利技術(shù)通過引入廣義圖片將點(diǎn)云數(shù)據(jù)降維便于大規(guī)模數(shù)據(jù)處理，通過人工智能的方式從歷史數(shù)據(jù)中學(xué)習(xí)工效學(xué)參數(shù)與設(shè)計(jì)方案點(diǎn)云數(shù)據(jù)之間的依賴關(guān)系，能快速、高效、低成本地輔助設(shè)計(jì)符合工效學(xué)的頭面部產(chǎn)品，大量減少打樣次數(shù)。

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于機(jī)器學(xué)習(xí)的頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估操作方法
本專利技術(shù)涉及頭面部用具產(chǎn)品設(shè)計(jì)領(lǐng)域，具體為一種基于機(jī)器學(xué)習(xí)的頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估操作方法。
技術(shù)介紹
近年來，隨著設(shè)計(jì)頭面部用具產(chǎn)品領(lǐng)域的發(fā)展，頭面部設(shè)計(jì)用具已經(jīng)在很多領(lǐng)域都得到了廣泛應(yīng)用，在防護(hù)面具產(chǎn)品設(shè)計(jì)方面，市場(chǎng)上已經(jīng)出現(xiàn)了不少關(guān)于防護(hù)面具研究的相關(guān)產(chǎn)品等防護(hù)面具產(chǎn)品的應(yīng)用，如防毒面具，頭戴式口罩等等。雖然應(yīng)用廣泛，但是現(xiàn)有的防護(hù)面具研究，更多側(cè)重于傳統(tǒng)的罩體結(jié)構(gòu)設(shè)計(jì)、氣密性、材料配方、數(shù)字化設(shè)計(jì)等，設(shè)計(jì)流程通常是先設(shè)計(jì)、接著打樣、然后對(duì)打樣的樣品進(jìn)行檢測(cè)從而判斷所設(shè)計(jì)的產(chǎn)品是否符合工效學(xué)。這一過程因?yàn)樾枰磸?fù)打樣造成設(shè)計(jì)周期長(zhǎng)、研發(fā)成本高。從掃描儀采集完數(shù)據(jù)完畢到成品出來得幾天到幾周時(shí)間，耗時(shí)過久。此外點(diǎn)云數(shù)據(jù)是三維數(shù)據(jù)，難以將其大規(guī)模輸入到計(jì)算機(jī)進(jìn)行大樣本機(jī)器學(xué)習(xí)，如何將其降維是人工智能領(lǐng)域的一個(gè)難點(diǎn)。本專利技術(shù)提出一種頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估操作方法，能降低頭面部用具產(chǎn)品的設(shè)計(jì)過程的繁瑣，降低成本，并可以有效地進(jìn)行頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)目的是提供一種基于機(jī)器學(xué)習(xí)的頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估操作方法，克服現(xiàn)有的頭面部防護(hù)面具產(chǎn)品的設(shè)計(jì)流程繁瑣，設(shè)計(jì)成本較高缺陷。本專利技術(shù)是采用如下技術(shù)方案實(shí)現(xiàn)的：首先建立基于機(jī)器學(xué)習(xí)的頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估系統(tǒng)，包括有分析計(jì)算機(jī)、應(yīng)力傳感裝置、氣密性測(cè)量裝置、實(shí)物標(biāo)準(zhǔn)頭模、連接線、接口等；應(yīng)力傳感裝置及氣密性測(cè)量裝置通過連接線和接口與分析計(jì)算機(jī)相連，待評(píng)估產(chǎn)品安裝有應(yīng)力傳感裝置和氣密性測(cè)量裝置，待評(píng)估產(chǎn)品穿戴在實(shí)物標(biāo)準(zhǔn)頭模之上；分析計(jì)算機(jī)內(nèi)存儲(chǔ)有大量歷史產(chǎn)品設(shè)計(jì)的點(diǎn)云數(shù)據(jù)、標(biāo)準(zhǔn)頭模的點(diǎn)云數(shù)據(jù)用于機(jī)器學(xué)習(xí)的訓(xùn)練過程，待評(píng)估產(chǎn)品的點(diǎn)云數(shù)據(jù)用于機(jī)器學(xué)習(xí)的測(cè)試過程。待評(píng)估產(chǎn)品的點(diǎn)云數(shù)據(jù)、大量歷史產(chǎn)品設(shè)計(jì)的點(diǎn)云數(shù)據(jù)和標(biāo)準(zhǔn)頭模的點(diǎn)云數(shù)據(jù)，這些點(diǎn)云數(shù)據(jù)都通過具有陣列壓力傳感數(shù)據(jù)輸入接口所獲得數(shù)據(jù)，依靠特征深度卷積網(wǎng)絡(luò)進(jìn)行快速準(zhǔn)確適配，點(diǎn)云數(shù)據(jù)結(jié)合面具設(shè)計(jì)方案產(chǎn)生的壓力分布、曲面密合性特征，結(jié)合相關(guān)量化算法轉(zhuǎn)換成機(jī)器學(xué)習(xí)的輸入通道數(shù)據(jù)。量化算法先將點(diǎn)云數(shù)據(jù)投影到標(biāo)準(zhǔn)面獲得平面坐標(biāo)，點(diǎn)云數(shù)據(jù)相對(duì)于標(biāo)準(zhǔn)面的深度信息或分布信息則被量化成平面坐標(biāo)之上的廣義灰度值，最終形成廣義圖片，廣義圖片作為機(jī)器學(xué)習(xí)的輸入樣本或測(cè)試樣本被輸入到深度卷積網(wǎng)絡(luò)中進(jìn)行訓(xùn)練和測(cè)試。一種基于機(jī)器學(xué)習(xí)的頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估操作方法，包括如下步驟：步驟1、歷史產(chǎn)品設(shè)計(jì)的點(diǎn)云數(shù)據(jù)、對(duì)產(chǎn)品設(shè)計(jì)方案中的標(biāo)準(zhǔn)頭模點(diǎn)云數(shù)據(jù)輸入至分析計(jì)算機(jī)中進(jìn)行分析適配，結(jié)合對(duì)應(yīng)壓力分布、曲面密合性特征，通過量化算法將點(diǎn)云數(shù)據(jù)投影至標(biāo)準(zhǔn)面以獲得平面坐標(biāo)，再根據(jù)在標(biāo)準(zhǔn)面上的深度信息或分布信息量化為平面上的廣義灰度值，從而制作出廣義圖片，廣義圖片作為機(jī)器學(xué)習(xí)的樣本數(shù)據(jù)，被輸入到深度卷積網(wǎng)絡(luò)中進(jìn)行訓(xùn)練和測(cè)試；步驟2、將樣本數(shù)據(jù)以交叉驗(yàn)證的方法劃分訓(xùn)練樣本和測(cè)試樣本，其比例為8:2，進(jìn)行交叉檢驗(yàn)；具體為，將數(shù)據(jù)集隨機(jī)分為互斥的k個(gè)子集，為保證隨機(jī)性，P次隨機(jī)劃分后取平均值；將k個(gè)子集隨機(jī)分為k-1組，剩下一個(gè)為另一組，即有k種分法；將每一種分組結(jié)果中，k-1個(gè)子集的組當(dāng)做訓(xùn)練集，另一組當(dāng)做測(cè)試集，產(chǎn)生了k次預(yù)測(cè)，對(duì)預(yù)測(cè)結(jié)果取平均值作為測(cè)試集上的最終預(yù)測(cè)結(jié)果，稱為p次k折交叉驗(yàn)證；再在已劃分好的訓(xùn)練樣本上進(jìn)行機(jī)器學(xué)習(xí)得到訓(xùn)練好的目標(biāo)神經(jīng)網(wǎng)絡(luò)；步驟3、將待測(cè)產(chǎn)品設(shè)計(jì)方案的點(diǎn)云數(shù)據(jù)輸入到分析計(jì)算機(jī)中采用步驟1的方法生成廣義圖片，作為步驟2中獲得的訓(xùn)練好的目標(biāo)神經(jīng)網(wǎng)絡(luò)的輸入并以此在目標(biāo)神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練；其訓(xùn)練過程：首先對(duì)目標(biāo)神經(jīng)網(wǎng)絡(luò)進(jìn)行權(quán)值的初始化，輸入經(jīng)過卷積層、采樣層、全連接層的向前傳播得到輸出值；求出網(wǎng)絡(luò)的輸出值與目標(biāo)值之間的誤差；當(dāng)誤差大于期望值時(shí)，將誤差傳回網(wǎng)絡(luò)中，依次求得全連接層、采樣層、卷積層的誤差；各層的誤差可以理解為對(duì)于網(wǎng)絡(luò)的總誤差，根據(jù)求得誤差對(duì)網(wǎng)絡(luò)權(quán)值進(jìn)行更新，并以更新后權(quán)值進(jìn)行訓(xùn)練；直至當(dāng)誤差等于或小于期望值時(shí)，結(jié)束訓(xùn)練；經(jīng)過已訓(xùn)練好的目標(biāo)神經(jīng)網(wǎng)絡(luò)計(jì)算后得到的輸出即為系統(tǒng)的評(píng)估結(jié)果數(shù)據(jù)輸出；步驟4、分析計(jì)算機(jī)上的評(píng)估軟件根據(jù)數(shù)據(jù)輸出以生成對(duì)應(yīng)評(píng)估分析報(bào)告。目前頭面部產(chǎn)品的設(shè)計(jì)流程通常是先設(shè)計(jì)、接著打樣、然后對(duì)打樣的樣品進(jìn)行檢測(cè)從而判斷所設(shè)計(jì)的產(chǎn)品是否符合工效學(xué)。這一過程因?yàn)樾枰磸?fù)打樣造成設(shè)計(jì)周期長(zhǎng)、研發(fā)成本高。此外點(diǎn)云數(shù)據(jù)是三維數(shù)據(jù)，難以將其大規(guī)模輸入到計(jì)算機(jī)進(jìn)行大樣本機(jī)器學(xué)習(xí)，如何將其降維是人工智能領(lǐng)域的一個(gè)難點(diǎn)。本專利技術(shù)提出了一種基于機(jī)器學(xué)習(xí)的頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估操作方法，通過引入廣義圖片將點(diǎn)云數(shù)據(jù)降維便于大規(guī)模數(shù)據(jù)處理，通過人工智能的方式從歷史數(shù)據(jù)中學(xué)習(xí)工效學(xué)參數(shù)與設(shè)計(jì)方案點(diǎn)云數(shù)據(jù)之間的依賴關(guān)系，能快速、高效、低成本地輔助設(shè)計(jì)符合工效學(xué)的頭面部產(chǎn)品，大量減少打樣次數(shù)。本專利技術(shù)優(yōu)點(diǎn)在于，提出了一種基于機(jī)器學(xué)習(xí)的頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估方法，具有合理的數(shù)據(jù)處理流程。對(duì)已有點(diǎn)云數(shù)據(jù)進(jìn)行分析適配，并結(jié)合了面具設(shè)計(jì)方案產(chǎn)生的壓力分布、曲面密合性特征進(jìn)行處理，得到了平面坐標(biāo)，再對(duì)其進(jìn)行量化操作得到廣義圖片。附圖說明圖1表示頭面部三維形態(tài)特征提取算法的核密度估計(jì)算法在頭面部上的原理示意圖。圖2表示對(duì)輸入數(shù)據(jù)降維后實(shí)驗(yàn)結(jié)果圖。圖3表示目標(biāo)神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)的算法流程圖。具體實(shí)施方式下面結(jié)合附圖對(duì)本專利技術(shù)的具體實(shí)施例進(jìn)行詳細(xì)說明。建立基于機(jī)器學(xué)習(xí)的頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估系統(tǒng)，包括分析計(jì)算機(jī)、應(yīng)力傳感裝置、氣密性測(cè)量裝置、實(shí)物標(biāo)準(zhǔn)頭模、待評(píng)估產(chǎn)品、連接線、接口等；應(yīng)力傳感裝置及氣密性測(cè)量裝置通過連接線和接口與分析計(jì)算機(jī)相連，待評(píng)估產(chǎn)品安裝有應(yīng)力傳感裝置和氣密性測(cè)量裝置，待評(píng)估產(chǎn)品穿戴在實(shí)物標(biāo)準(zhǔn)頭模之上；分析計(jì)算機(jī)內(nèi)存儲(chǔ)有大量歷史產(chǎn)品設(shè)計(jì)的點(diǎn)云數(shù)據(jù)、標(biāo)準(zhǔn)頭模的點(diǎn)云數(shù)據(jù)用于機(jī)器學(xué)習(xí)的訓(xùn)練過程，待評(píng)估產(chǎn)品的點(diǎn)云數(shù)據(jù)用于機(jī)器學(xué)習(xí)的測(cè)試過程。待評(píng)估產(chǎn)品的點(diǎn)云數(shù)據(jù)、大量歷史產(chǎn)品設(shè)計(jì)的點(diǎn)云數(shù)據(jù)和標(biāo)準(zhǔn)頭模的點(diǎn)云數(shù)據(jù)，這些點(diǎn)云數(shù)據(jù)都通過具有陣列壓力傳感數(shù)據(jù)輸入接口所獲得數(shù)據(jù)，依靠特征深度卷積網(wǎng)絡(luò)進(jìn)行快速準(zhǔn)確適配，點(diǎn)云數(shù)據(jù)結(jié)合面具設(shè)計(jì)方案產(chǎn)生的壓力分布、曲面密合性特征，結(jié)合相關(guān)量化算法轉(zhuǎn)換成機(jī)器學(xué)習(xí)的輸入通道數(shù)據(jù)。應(yīng)力傳感裝置及氣密性測(cè)量裝置獲取的數(shù)據(jù)分布與點(diǎn)云數(shù)據(jù)相關(guān)聯(lián)，點(diǎn)云數(shù)據(jù)按照量化算法先將點(diǎn)云數(shù)據(jù)投影到標(biāo)準(zhǔn)面獲得平面坐標(biāo)，點(diǎn)云數(shù)據(jù)相對(duì)于標(biāo)準(zhǔn)面的深度信息或分布信息則被量化成平面坐標(biāo)之上的廣義灰度值，最終形成廣義圖片，廣義圖片生成可以基于深度信息或分布信息，也可以是來自陣列應(yīng)力傳感器的壓力陣列信息，其平面坐標(biāo)均與點(diǎn)云信息對(duì)應(yīng)，一份點(diǎn)云數(shù)據(jù)對(duì)應(yīng)一系列的廣義圖片。這些采用不同方法得到的廣義圖片最后可以形成與其相關(guān)聯(lián)的點(diǎn)云數(shù)據(jù)的廣義圖片的不同通道，從而形成點(diǎn)云數(shù)據(jù)的多通道廣義圖片；多通道廣義圖片作為機(jī)器學(xué)習(xí)的輸入樣本或測(cè)試樣本被輸入到深度卷積網(wǎng)絡(luò)中就行學(xué)習(xí)、訓(xùn)練和測(cè)試等處理。連接線可以采用CAN總線、工業(yè)以太網(wǎng)、本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
1.一種基于機(jī)器學(xué)習(xí)的頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估操作方法，其特征在于：包括如下步驟：/n步驟1、將歷史產(chǎn)品設(shè)計(jì)的點(diǎn)云數(shù)據(jù)、對(duì)產(chǎn)品設(shè)計(jì)方案中的標(biāo)準(zhǔn)頭模點(diǎn)云數(shù)據(jù)輸入至分析計(jì)算機(jī)中進(jìn)行分析適配，結(jié)合對(duì)應(yīng)壓力分布、曲面密合性特征，通過量化算法將點(diǎn)云數(shù)據(jù)投影至標(biāo)準(zhǔn)面以獲得平面坐標(biāo)，再根據(jù)在標(biāo)準(zhǔn)面上的深度信息或分布信息量化為平面上的廣義灰度值，從而制作出廣義圖片，廣義圖片作為機(jī)器學(xué)習(xí)的樣本數(shù)據(jù)，被輸入到深度卷積網(wǎng)絡(luò)中進(jìn)行訓(xùn)練和測(cè)試；/n步驟2、將樣本數(shù)據(jù)以交叉驗(yàn)證的方法劃分訓(xùn)練樣本和測(cè)試樣本，其比例為8:2，進(jìn)行交叉檢驗(yàn)；/n具體為，將數(shù)據(jù)集隨機(jī)分為互斥的k個(gè)子集，為保證隨機(jī)性，P次隨機(jī)劃分后取平均值；將k個(gè)子集隨機(jī)分為k-1組，剩下一個(gè)為另一組，即有k種分法；將每一種分組結(jié)果中，k-1個(gè)子集的組當(dāng)做訓(xùn)練集，另一組當(dāng)做測(cè)試集，產(chǎn)生了k次預(yù)測(cè)，對(duì)預(yù)測(cè)結(jié)果取平均值作為測(cè)試集上的最終預(yù)測(cè)結(jié)果，稱為p次k折交叉驗(yàn)證；再在已劃分好的訓(xùn)練樣本上進(jìn)行機(jī)器學(xué)習(xí)得到訓(xùn)練好的目標(biāo)神經(jīng)網(wǎng)絡(luò)；/n步驟3、將待測(cè)產(chǎn)品設(shè)計(jì)方案的點(diǎn)云數(shù)據(jù)輸入到分析計(jì)算機(jī)中采用步驟1的方法生成廣義圖片，作為步驟2中獲得的訓(xùn)練好的目標(biāo)神經(jīng)網(wǎng)絡(luò)的輸入并以此在目標(biāo)神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練；/n其訓(xùn)練過程：首先對(duì)目標(biāo)神經(jīng)網(wǎng)絡(luò)進(jìn)行權(quán)值的初始化，輸入經(jīng)過卷積層、采樣層、全連接層的向前傳播得到輸出值；求出網(wǎng)絡(luò)的輸出值與目標(biāo)值之間的誤差；當(dāng)誤差大于期望值時(shí)，將誤差傳回網(wǎng)絡(luò)中，依次求得全連接層、采樣層、卷積層的誤差；各層的誤差可以理解為對(duì)于網(wǎng)絡(luò)的總誤差，根據(jù)求得誤差對(duì)網(wǎng)絡(luò)權(quán)值進(jìn)行更新，并以更新后權(quán)值進(jìn)行訓(xùn)練；直至當(dāng)誤差等于或小于期望值時(shí)，結(jié)束訓(xùn)練；/n經(jīng)過已訓(xùn)練好的目標(biāo)神經(jīng)網(wǎng)絡(luò)計(jì)算后得到的輸出即為系統(tǒng)的評(píng)估結(jié)果數(shù)據(jù)輸出；/n步驟4、分析計(jì)算機(jī)上的評(píng)估軟件根據(jù)數(shù)據(jù)輸出以生成對(duì)應(yīng)評(píng)估分析報(bào)告。/n...

【技術(shù)特征摘要】
1.一種基于機(jī)器學(xué)習(xí)的頭面部產(chǎn)品設(shè)計(jì)工效學(xué)評(píng)估操作方法，其特征在于：包括如下步驟：
步驟1、將歷史產(chǎn)品設(shè)計(jì)的點(diǎn)云數(shù)據(jù)、對(duì)產(chǎn)品設(shè)計(jì)方案中的標(biāo)準(zhǔn)頭模點(diǎn)云數(shù)據(jù)輸入至分析計(jì)算機(jī)中進(jìn)行分析適配，結(jié)合對(duì)應(yīng)壓力分布、曲面密合性特征，通過量化算法將點(diǎn)云數(shù)據(jù)投影至標(biāo)準(zhǔn)面以獲得平面坐標(biāo)，再根據(jù)在標(biāo)準(zhǔn)面上的深度信息或分布信息量化為平面上的廣義灰度值，從而制作出廣義圖片，廣義圖片作為機(jī)器學(xué)習(xí)的樣本數(shù)據(jù)，被輸入到深度卷積網(wǎng)絡(luò)中進(jìn)行訓(xùn)練和測(cè)試；
步驟2、將樣本數(shù)據(jù)以交叉驗(yàn)證的方法劃分訓(xùn)練樣本和測(cè)試樣本，其比例為8:2，進(jìn)行交叉檢驗(yàn)；
具體為，將數(shù)據(jù)集隨機(jī)分為互斥的k個(gè)子集，為保證隨機(jī)性，P次隨機(jī)劃分后取平均值；將k個(gè)子集隨機(jī)分為k-1組，剩下一個(gè)為另一組，即有k種分法；將每一種分組結(jié)果中，k-1個(gè)子集的組當(dāng)做訓(xùn)練集，另一組當(dāng)做測(cè)試集，產(chǎn)生了k次預(yù)測(cè)，對(duì)預(yù)測(cè)結(jié)果取平均值作為測(cè)試集上的最終預(yù)測(cè)結(jié)果，稱為p次k折交叉驗(yàn)證；再在已劃分好的訓(xùn)練樣本上進(jìn)...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：姚荷，戎德功，王勝，成立梅，胡繼承，孟艷光，王鋼，王京，孟凡海，董超，唐鶴，魏鑫，潘高陽，趙宇皓，
申請(qǐng)(專利權(quán))人：山西新華化工有限責(zé)任公司，
類型：發(fā)明
國別省市：山西;14