【技術實現步驟摘要】
本申請涉及阻燃材料領域，且更為具體地，涉及一種防火阻燃材料的制備方法。
技術介紹
1、隨著社會的發展和人們對安全性能要求的不斷提高，防火阻燃材料在建筑、交通工具、電子設備等領域的需求日益增長。這些防火阻燃材料可以有效地防止火災的發生和蔓延，保護人們的生命安全和財產安全。
2、防火阻燃材料的制備方法涉及多種化學和物理過程。一種常見的方法是添加阻燃劑，這些化合物在高溫下能夠產生化學反應，從而抑制火焰的生長或阻止其傳播。例如，鹵素化合物是一類廣泛使用的阻燃劑，它們在燃燒過程中釋放鹵素原子，這些原子能夠捕獲燃燒所需的自由基，從而減緩火焰的擴散。除了化學添加劑外，物理方法也被用于制備阻燃材料，如通過材料的表面處理或涂層來提供防護。
3、然而，傳統的防火阻燃材料及其制備過程往往存在一些問題。例如，市面上有些材料的阻燃效果不佳，不能有效地防止火災的發生和蔓延。還有一些材料雖然具有良好的阻燃效果，但其制備過程復雜，成本高昂，不適合大規模生產。因此，期待一種優化的防火阻燃材料的制備方法。
技術實現思路
1、有鑒于此，本申請提出了一種防火阻燃材料的制備方法。
2、根據本申請的一方面，提供了一種防火阻燃材料的制備方法，其包括：通過溶膠-凝膠法制備無機涂層；將所述無機涂層附著于基材的表面以形成防火阻燃材料；以及對所述防火阻燃材料進行質檢。
3、在上述的防火阻燃材料的制備方法中，將所述無機涂層附著于基材的表面以形成防火阻燃材料，包括：獲取由攝像頭采集的附著狀態
4、在上述的防火阻燃材料的制備方法中，對所述附著狀態圖像進行圖像特征提取和圖像重構以得到重構附著狀態圖像，包括：對所述附著狀態圖像進行特征編碼以得到附著狀態圖像編碼特征圖；對所述附著狀態圖像編碼特征圖進行特征顯化以得到顯著化附著狀態圖像編碼特征圖；對所述顯著化附著狀態圖像編碼特征圖進行優化以得到優化后顯著化附著狀態圖像編碼特征圖；以及將所述優化后顯著化附著狀態圖像編碼特征圖通過基于解碼器部分的圖像重構器以得到所述重構附著狀態圖像。
5、在上述的防火阻燃材料的制備方法中，對所述附著狀態圖像進行特征編碼以得到附著狀態圖像編碼特征圖，包括：對所述附著狀態圖像進行亮度補償以得到亮度補償后附著狀態圖像；以及利用深度學習網絡模型對所述亮度補償后附著狀態圖像進行特征提取以得到所述附著狀態圖像編碼特征圖。
6、在上述的防火阻燃材料的制備方法中，對所述附著狀態圖像進行亮度補償以得到亮度補償后附著狀態圖像，包括：以如下亮度補償公式對所述附著狀態圖像進行處理以得到所述亮度補償后附著狀態圖像；其中，所述亮度補償公式為：；其中，為所述附著狀態圖像從rgb空間轉換成hsv空間后圖像的各個位置的像素值，a、b、c和d為數值不相同的調整參數，為所述亮度補償后附著狀態圖像的各個位置的像素值。
7、在上述的防火阻燃材料的制備方法中，利用深度學習網絡模型對所述亮度補償后附著狀態圖像進行特征提取以得到所述附著狀態圖像編碼特征圖，包括：將所述亮度補償后附著狀態圖像通過基于卷積神經網絡模型的編碼器部分以得到所述附著狀態圖像編碼特征圖。
8、在上述的防火阻燃材料的制備方法中，對所述附著狀態圖像編碼特征圖進行特征顯化以得到顯著化附著狀態圖像編碼特征圖，包括：將所述附著狀態圖像編碼特征圖通過基于卷積核注意力機制的特征顯著器以得到所述顯著化附著狀態圖像編碼特征圖。
9、在上述的防火阻燃材料的制備方法中，將所述附著狀態圖像編碼特征圖通過基于卷積核注意力機制的特征顯著器以得到所述顯著化附著狀態圖像編碼特征圖，包括：提取所述附著狀態圖像編碼特征圖的多尺度非線性卷積全局表征特征以得到第一非線性卷積特征圖、第二非線性卷積特征圖、第三非線性卷積特征圖、第四非線性卷積特征圖和濃縮全局表征特征向量；以及提取所述濃縮全局表征特征向量中與所述第一非線性卷積特征圖、所述第二非線性卷積特征圖、所述第三非線性卷積特征圖和所述第四非線性卷積特征圖對應通道的向量元素作為權重進行注意力施加以得到所述顯著化附著狀態圖像編碼特征圖。
10、在上述的防火阻燃材料的制備方法中，提取所述附著狀態圖像編碼特征圖的多尺度非線性卷積全局表征特征以得到第一非線性卷積特征圖、第二非線性卷積特征圖、第三非線性卷積特征圖、第四非線性卷積特征圖和濃縮全局表征特征向量，包括：將所述附著狀態圖像編碼特征圖通過多尺度卷積核組進行非線性卷積操作以得到所述第一非線性卷積特征圖、所述第二非線性卷積特征圖、所述第三非線性卷積特征圖和所述第四非線性卷積特征圖；以如下全局表示公式對所述第一非線性卷積特征圖、所述第二非線性卷積特征圖、所述第三非線性卷積特征圖和所述第四非線性卷積特征圖進行處理以得到全局表征特征向量；其中，所述全局表示公式為：；其中，、、和分別為所述第一非線性卷積特征圖、所述第二非線性卷積特征圖、所述第三非線性卷積特征圖和所述第四非線性卷積特征圖，為多尺度非線性卷積融合特征圖，表示級聯處理，表示所述全局表征特征向量中第個特征值，表示對所述多尺度非線性卷積融合特征圖中第個特征矩陣進行全局均值池化處理，和分別為所述多尺度非線性卷積融合特征圖中第個特征矩陣的高度和寬度，為所述多尺度非線性卷積融合特征圖中第個特征矩陣中位置處的特征值；以及對所述全局表征特征向量進行激活處理以得到所述濃縮全局表征特征向量。
11、在上述的防火阻燃材料的制備方法中，基于所述逐像素差分圖像來確定附著的質檢結果，包括：將所述逐像素差分圖像通過基于分類器的質檢器以得到所述質檢結果，所述質檢結果用于表示是否合格。
12、在本申請中，其首先通過溶膠-凝膠法制備無機涂層，接著，將所述無機涂層附著于基材的表面以形成防火阻燃材料，然后，對所述防火阻燃材料進行質檢。這樣，可以實現對防火阻燃材料的質檢。
13、根據下面參考附圖對本申請的詳細說明，本申請的其它特征及方面將變得清楚。
本文檔來自技高網...【技術保護點】
1.一種防火阻燃材料的制備方法，其特征在于，包括：通過溶膠-凝膠法制備無機涂層；將所述無機涂層附著于基材的表面以形成防火阻燃材料；以及對所述防火阻燃材料進行質檢。
2.根據權利要求1所述的防火阻燃材料的制備方法，其特征在于，將所述無機涂層附著于基材的表面以形成防火阻燃材料，包括：獲取由攝像頭采集的附著狀態圖像；對所述附著狀態圖像進行圖像特征提取和圖像重構以得到重構附著狀態圖像；計算所述附著狀態圖像和所述重構附著狀態圖像之間的逐像素差分圖像；以及基于所述逐像素差分圖像來確定附著的質檢結果。
3.根據權利要求2所述的防火阻燃材料的制備方法，其特征在于，對所述附著狀態圖像進行圖像特征提取和圖像重構以得到重構附著狀態圖像，包括：對所述附著狀態圖像進行特征編碼以得到附著狀態圖像編碼特征圖；對所述附著狀態圖像編碼特征圖進行特征顯化以得到顯著化附著狀態圖像編碼特征圖；對所述顯著化附著狀態圖像編碼特征圖進行優化以得到優化后顯著化附著狀態圖像編碼特征圖；以及將所述優化后顯著化附著狀態圖像編碼特征圖通過基于解碼器部分的圖像重構器以得到所述重構附著狀態圖像。
4.根
5.根據權利要求4所述的防火阻燃材料的制備方法，其特征在于，對所述附著狀態圖像進行亮度補償以得到亮度補償后附著狀態圖像，包括：以如下亮度補償公式對所述附著狀態圖像進行處理以得到所述亮度補償后附著狀態圖像；其中，所述亮度補償公式為：；其中，為所述附著狀態圖像從RGB空間轉換成HSV空間后圖像的各個位置的像素值，A、B、C和D為數值不相同的調整參數，為所述亮度補償后附著狀態圖像的各個位置的像素值。
6.根據權利要求5所述的防火阻燃材料的制備方法，其特征在于，利用深度學習網絡模型對所述亮度補償后附著狀態圖像進行特征提取以得到所述附著狀態圖像編碼特征圖，包括：將所述亮度補償后附著狀態圖像通過基于卷積神經網絡模型的編碼器部分以得到所述附著狀態圖像編碼特征圖。
7.根據權利要求6所述的防火阻燃材料的制備方法，其特征在于，對所述附著狀態圖像編碼特征圖進行特征顯化以得到顯著化附著狀態圖像編碼特征圖，包括：將所述附著狀態圖像編碼特征圖通過基于卷積核注意力機制的特征顯著器以得到所述顯著化附著狀態圖像編碼特征圖。
8.根據權利要求7所述的防火阻燃材料的制備方法，其特征在于，將所述附著狀態圖像編碼特征圖通過基于卷積核注意力機制的特征顯著器以得到所述顯著化附著狀態圖像編碼特征圖，包括：提取所述附著狀態圖像編碼特征圖的多尺度非線性卷積全局表征特征以得到第一非線性卷積特征圖、第二非線性卷積特征圖、第三非線性卷積特征圖、第四非線性卷積特征圖和濃縮全局表征特征向量；以及提取所述濃縮全局表征特征向量中與所述第一非線性卷積特征圖、所述第二非線性卷積特征圖、所述第三非線性卷積特征圖和所述第四非線性卷積特征圖對應通道的向量元素作為權重進行注意力施加以得到所述顯著化附著狀態圖像編碼特征圖。
9.根據權利要求8所述的防火阻燃材料的制備方法，其特征在于，提取所述附著狀態圖像編碼特征圖的多尺度非線性卷積全局表征特征以得到第一非線性卷積特征圖、第二非線性卷積特征圖、第三非線性卷積特征圖、第四非線性卷積特征圖和濃縮全局表征特征向量，包括：將所述附著狀態圖像編碼特征圖通過多尺度卷積核組進行非線性卷積操作以得到所述第一非線性卷積特征圖、所述第二非線性卷積特征圖、所述第三非線性卷積特征圖和所述第四非線性卷積特征圖；以如下全局表示公式對所述第一非線性卷積特征圖、所述第二非線性卷積特征圖、所述第三非線性卷積特征圖和所述第四非線性卷積特征圖進行處理以得到全局表征特征向量；其中，所述全局表示公式為：；其中，、、和分別為所述第一非線性卷積特征圖、所述第二非線性卷積特征圖、所述第三非線性卷積特征圖和所述第四非線性卷積特征圖，為多尺度非線性卷積融合特征圖，表示級聯處理，表示所述全局表征特征向量中第個特征值，表示對所述多尺度非線性卷積融合特征圖中第個特征矩陣進行全局均值池化處理，和分別為所述多尺度非線性卷積融合特征圖中第個特征矩陣的高度和寬度，為所述多尺度非線性卷積融合特征圖中第個特征矩陣中位置處的特征值；以及對所述全局表征特征向量進行激活處理以得到所述濃縮全局表征特征向量。
10.根據權利要求9所述的防火阻燃材料的制備方法，其特征在于，基于所述逐像素差分圖像來確定附著的質檢...
【技術特征摘要】
1.一種防火阻燃材料的制備方法，其特征在于，包括：通過溶膠-凝膠法制備無機涂層；將所述無機涂層附著于基材的表面以形成防火阻燃材料；以及對所述防火阻燃材料進行質檢。
2.根據權利要求1所述的防火阻燃材料的制備方法，其特征在于，將所述無機涂層附著于基材的表面以形成防火阻燃材料，包括：獲取由攝像頭采集的附著狀態圖像；對所述附著狀態圖像進行圖像特征提取和圖像重構以得到重構附著狀態圖像；計算所述附著狀態圖像和所述重構附著狀態圖像之間的逐像素差分圖像；以及基于所述逐像素差分圖像來確定附著的質檢結果。
3.根據權利要求2所述的防火阻燃材料的制備方法，其特征在于，對所述附著狀態圖像進行圖像特征提取和圖像重構以得到重構附著狀態圖像，包括：對所述附著狀態圖像進行特征編碼以得到附著狀態圖像編碼特征圖；對所述附著狀態圖像編碼特征圖進行特征顯化以得到顯著化附著狀態圖像編碼特征圖；對所述顯著化附著狀態圖像編碼特征圖進行優化以得到優化后顯著化附著狀態圖像編碼特征圖；以及將所述優化后顯著化附著狀態圖像編碼特征圖通過基于解碼器部分的圖像重構器以得到所述重構附著狀態圖像。
4.根據權利要求3所述的防火阻燃材料的制備方法，其特征在于，對所述附著狀態圖像進行特征編碼以得到附著狀態圖像編碼特征圖，包括：對所述附著狀態圖像進行亮度補償以得到亮度補償后附著狀態圖像；以及利用深度學習網絡模型對所述亮度補償后附著狀態圖像進行特征提取以得到所述附著狀態圖像編碼特征圖。
5.根據權利要求4所述的防火阻燃材料的制備方法，其特征在于，對所述附著狀態圖像進行亮度補償以得到亮度補償后附著狀態圖像，包括：以如下亮度補償公式對所述附著狀態圖像進行處理以得到所述亮度補償后附著狀態圖像；其中，所述亮度補償公式為：；其中，為所述附著狀態圖像從rgb空間轉換成hsv空間后圖像的各個位置的像素值，a、b、c和d為數值不相同的調整參數，為所述亮度補償后附著狀態圖像的各個位置的像素值。
6.根據權利要求5所述的防火阻燃材料的制備方法，其特征在于，利用深度學習網絡模型對所述亮度補償后附著狀態圖像進行特征提取以得到所述附著狀態圖像編碼特征圖，包括：將所述亮度補償后附著狀態圖像通過基于卷積神經網絡模型的編碼器部分以得到所述附著狀態圖像編碼特征圖。
7.根據權利要求6所述的防火阻燃材料的制備方法，其特征在于，對所述附著狀態圖像編碼...
【專利技術屬性】
技術研發人員：田一航，王云嶺，張君，管磊，王新虎，任紅超，
申請(專利權)人：昱垠科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。