一种岩板/瓷砖的无缝铺贴方法

技术领域

本申请涉及岩板/瓷砖铺贴领域，且更为具体地，涉及一种岩板/瓷砖的无缝铺贴方法。

背景技术

岩板/瓷砖的铺贴过程中存在着一些问题，如岩板/瓷砖之间容易产生缝隙，以及不平整或不牢固等现象，这些问题会影响到岩板/瓷砖铺贴的整体美观度和使用寿命。因此，对于岩板/瓷砖铺设后的铺设效果和质量进行检测尤为关键。

但是，现有的岩板/瓷砖铺贴效果检测方案通常是人工依靠经验进行检测，人工经验检测容易受到个体主观意见的影响，不同的检查人员可能会有不同的判断标准和偏好，导致结果的不一致性。并且，人工检测的方式需要专业的技术人员进行操作，需要耗费大量的时间和人力资源，对于大规模的施工项目或需要频繁进行检测的情况，人力成本会很高。此外，人工检测容易出现疏漏或误判，特别是对于微小的缺陷或不规则的铺贴效果，人眼很难完全捕捉到，导致岩板/瓷砖的铺贴质量达不到应有要求。

因此，期望一种优化的岩板/瓷砖的无缝铺贴方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请提供了一种岩板/瓷砖的无缝铺贴方法，其可以实现岩板/瓷砖的无缝铺贴，使得岩板/瓷砖的铺贴质量满足预定要求。

根据本申请的一个方面，提供了一种岩板/瓷砖的无缝铺贴方法，其包括：

步骤1：在基层铺设立体支架，并提供可调节的找平装置；

步骤2：划分好与岩板/瓷砖的尺寸适配的边线，并在所述边线处粘贴美缝贴纸；

步骤3：灌注砂浆并利用所述可调节的找平装置抹平所述砂浆；

步骤4：在所述砂浆上铺设所述岩板/瓷砖，所述岩板/瓷砖同时铺贴在所述边线的对应位置，并通过振动使所述岩板/瓷砖和所述砂浆紧密贴合；

步骤5：撕开所述美缝贴纸并清理掉从所述边线处挤出来多余的所述砂浆，并在所述边线处涂上一层硅酮胶；

步骤6：重复步骤1至步骤5，直至所有的所述岩板/瓷砖铺贴完成；

步骤7：待所述砂浆和所述硅酮胶固化后，在各个所述岩板/瓷砖的表面之间通过电动无缝拼接吸盘将各个所述岩板/瓷砖之间紧密吸附；

步骤8：通过摄像头自动检测所述岩板/瓷砖的无缝铺贴效果。

与现有技术相比，本申请提供的岩板/瓷砖的无缝铺贴方法，其首先在基层铺设立体支架，接着，划分好与岩板/瓷砖的尺寸适配的边线，并在所述边线处粘贴美缝贴纸，然后，灌注砂浆并利用可调节的找平装置抹平所述砂浆，接着，在所述砂浆上铺设所述岩板/瓷砖，所述岩板/瓷砖同时铺贴在所述边线的对应位置，并通过振动使所述岩板/瓷砖和所述砂浆紧密贴合，然后，撕开所述美缝贴纸并清理掉从所述边线处挤出来多余的所述砂浆，并在所述边线处涂上一层硅酮胶，最后，直至所有的所述岩板/瓷砖铺贴完成，待所述砂浆和所述硅酮胶固化后，在各个所述岩板/瓷砖的表面之间通过电动无缝拼接吸盘将各个所述岩板/瓷砖之间紧密吸附并通过摄像头自动检测所述岩板/瓷砖的无缝铺贴效果。这样，可以实现岩板/瓷砖的无缝铺贴，使得岩板/瓷砖的铺贴质量满足预定要求。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本申请的主旨。

图1为根据本申请实施例的岩板/瓷砖的无缝铺贴方法的流程图。

图2为根据本申请实施例的岩板/瓷砖的无缝铺贴方法中步骤8的流程图。

图3为根据本申请实施例的岩板/瓷砖的无缝铺贴方法中步骤8的架构示意图。

图4为根据本申请实施例的岩板/瓷砖的无缝铺贴系统的框图。

图5为根据本申请实施例的岩板/瓷砖的无缝铺贴方法的应用场景图。

具体实施方式

下面将结合附图对本申请实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本申请的部分实施例，而不是全部的实施例。基于本申请实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本申请保护的范围。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。

虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。

本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

具体地，在本申请的技术方案中，提出了一种岩板/瓷砖的无缝铺贴方法，图1为根据本申请实施例的岩板/瓷砖的无缝铺贴方法的流程图。如图1所示，根据本申请实施例的岩板/瓷砖的无缝铺贴方法，包括：步骤1：在基层铺设立体支架，并提供可调节的找平装置；步骤2：划分好与岩板/瓷砖的尺寸适配的边线，并在所述边线处粘贴美缝贴纸；步骤3：灌注砂浆并利用所述可调节的找平装置抹平所述砂浆；步骤4：在所述砂浆上铺设所述岩板/瓷砖，所述岩板/瓷砖同时铺贴在所述边线的对应位置，并通过振动使所述岩板/瓷砖和所述砂浆紧密贴合；步骤5：撕开所述美缝贴纸并清理掉从所述边线处挤出来多余的所述砂浆，并在所述边线处涂上一层硅酮胶；步骤6：重复步骤1至步骤5，直至所有的所述岩板/瓷砖铺贴完成；步骤7：待所述砂浆和所述硅酮胶固化后，在各个所述岩板/瓷砖的表面之间通过电动无缝拼接吸盘将各个所述岩板/瓷砖之间紧密吸附；步骤8：通过摄像头自动检测所述岩板/瓷砖的无缝铺贴效果。

相应地，考虑到岩板/瓷砖在铺贴过程中可能会存在缝隙，以及，缝隙中的砂浆或硅酮胶不平整或脱落等问题，影响了岩板/瓷砖的美观和使用寿命。因此，为了实现岩板/瓷砖的无缝铺贴，以提高岩板/瓷砖的铺贴效果和质量，需要对所述岩板/瓷砖的无缝铺贴效果进行检测，这是确保岩板/瓷砖铺设质量的关键。具体地，本申请的技术构思为通过摄像头捕捉岩板/瓷砖无缝铺贴效果图像，并在后端引入图像处理和分析算法来进行该捕捉岩板/瓷砖无缝铺贴效果图像的分析，以此来判断岩板/瓷砖的无缝铺贴效果是否符合预定标准。这样，能够对在岩板/瓷砖的铺贴过程中对岩板/瓷砖的无缝铺贴效果进行客观和自动化地检测，从而为岩板/瓷砖无缝铺贴提供了有效的质量控制手段和依据，通过这样的方式，能够实现岩板/瓷砖的无缝铺贴，使得岩板/瓷砖的铺贴质量满足预定要求。

图2为根据本申请实施例的岩板/瓷砖的无缝铺贴方法中步骤8的流程图。图3为根据本申请实施例的岩板/瓷砖的无缝铺贴方法中步骤8的架构示意图。如图2和图3所示，根据本申请实施例的岩板/瓷砖的无缝铺贴方法，通过摄像头自动检测所述岩板/瓷砖的无缝铺贴效果，包括步骤：S810，通过摄像头捕捉岩板/瓷砖无缝铺贴效果图像；S820，以所述岩板/瓷砖为单位，对所述岩板/瓷砖无缝铺贴效果图像进行图像块切分以得到岩板/瓷砖无缝铺贴局部图像块的序列；S830，通过基于深度神经网络模型的铺贴效果特征提取器对所述岩板/瓷砖无缝铺贴局部图像块的序列进行特征提取以得到岩板/瓷砖无缝铺贴局部效果特征图的序列；S840，对所述岩板/瓷砖无缝铺贴局部效果特征图的序列进行局部效果显著化处理以得到局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列；S850，对所述局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列中任意两个局部显化岩板/瓷砖无缝铺贴局部效果特征向量之间进行铺贴效果一致性语义度量分析以得到全局无缝铺贴效果语义表征特征；以及，S860，基于所述全局无缝铺贴效果语义表征特征，确定无缝铺贴效果是否符合预定标准。

更具体地，在本申请的技术方案中，首先，通过摄像头捕捉岩板/瓷砖无缝铺贴效果图像。应可以理解，在实际进行岩板/瓷砖的铺贴过程中，不同的岩板/瓷砖铺贴质量可能不同，也就是说，不同相邻岩板/瓷砖之间可能具有缝隙较大的情况，也可能存在缝隙满足预定要求的情况。因此，为了更细致地分析和捕捉铺贴效果的局部细节特征信息，以获取更详细的关于不同岩板/瓷砖之间的铺贴效果局部信息，在本申请的技术方案中，需要以所述岩板/瓷砖为单位，对所述岩板/瓷砖无缝铺贴效果图像进行图像块切分以得到岩板/瓷砖无缝铺贴局部图像块的序列。

然后，使用在图像的隐含特征提取方面具有优异表现性能的基于卷积神经网络模型的铺贴效果特征提取器对所述岩板/瓷砖无缝铺贴局部图像块的序列进行特征挖掘，以分别提取出各个所述岩板/瓷砖无缝铺贴局部图像块中关于岩板/瓷砖无缝铺贴的局部效果特征信息，从而得到岩板/瓷砖无缝铺贴局部效果特征图的序列。

相应地，在步骤S830中，所述深度神经网络模型为卷积神经网络模型，即，所述基于深度神经网络模型的铺贴效果特征提取器为基于卷积神经网络模型的铺贴效果特征提取器。值得一提的是，卷积神经网络（Convolutional Neural Network，简称CNN）是一种深度学习模型，主要用于处理具有网格结构的数据。卷积神经网络的核心思想是通过卷积层、池化层和全连接层构成的网络结构，对输入的图像进行特征提取和分类。卷积层通过卷积操作可以提取图像中的局部特征，池化层则用于减小特征图的尺寸并保留主要特征，全连接层用于将提取到的特征映射到不同类别的概率分布。卷积神经网络的主要优点是能够自动学习图像的特征表示，而无需手工设计特征。它通过多层卷积和非线性激活函数的组合，可以逐层提取更加抽象和高级的特征。这使得卷积神经网络在图像处理任务中具有很强的表达能力和良好的泛化能力。在无缝铺贴效果检测方法中，使用基于卷积神经网络模型的铺贴效果特征提取器，可以对岩板/瓷砖无缝铺贴局部图像块的序列进行特征提取。通过训练好的深度神经网络模型，该特征提取器可以自动学习并提取岩板/瓷砖无缝铺贴的局部特征，用于后续的无缝铺贴效果分析和判断。这样可以实现对岩板/瓷砖无缝铺贴效果的自动化检测和评估，提高效率和准确性。

进一步地，考虑到在所述各个岩板/瓷砖无缝铺贴局部图像块中，不同的图像块都存在着关于岩板/瓷砖铺贴效果的局部细节特征，这些细节对于铺贴效果的检测非常重要。但是，由于传统意义上的卷积神经网络模型的结构为卷积加池化层，即可使用具有局部感受野的神经元（如3×3卷积核）提取特征并由池化降维，同时获得各通道上的显著信息，但这种方法感受野大，会导致提取的每个所述岩板/瓷砖无缝铺贴局部图像块中关于岩板/瓷砖铺贴的效果特征模糊，容易忽略掉特征图中具有分辨力的铺贴质量细节特征信息。因此，在本申请的技术方案中，进一步将所述岩板/瓷砖无缝铺贴局部效果特征图的序列通过显著特征提取器以得到局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列。应可以理解，所述局显著特征提取能够在传统卷积后增加1×1卷积核和ReLU激活函数，从跨通道池化的角度来看，这样等效于在一个正常的卷积层上实施级联跨通道加权池化，使得模型能够学习到通道之间的关系，分别对所述各个岩板/瓷砖无缝铺贴局部图像块中关于岩板/瓷砖的铺贴局部细节特征信息进行更高效地建模和特征刻画，以使得每个所述岩板/瓷砖无缝铺贴局部图像块中关于岩板/瓷砖铺设的局部细节特征更加突出和凸显，从而提高对岩板/瓷砖铺设效果检测的准确率。

相应地，在步骤S840中，对所述岩板/瓷砖无缝铺贴局部效果特征图的序列进行局部效果显著化处理以得到局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列，包括：将所述岩板/瓷砖无缝铺贴局部效果特征图的序列通过显著特征提取器以得到所述局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列。

具体地，在一个示例中，将所述岩板/瓷砖无缝铺贴局部效果特征图的序列通过显著特征提取器以得到所述局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列，包括：将所述岩板/瓷砖无缝铺贴局部效果特征图的序列通过所述显著特征提取器以如下显著化公式进行处理以得到局部显化岩板/瓷砖无缝铺贴局部效果特征图的序列；其中，所述显著化公式为：

;

其中，

应可以理解，在实际进行岩板/瓷砖铺设的过程中，不同岩板/瓷砖的铺设效果之间存在着隐含的关联关系，也就是说，若岩板/瓷砖的铺设效果满足预定要求，那么每个岩板/瓷砖的铺设效果之间存在着一致性的语义关联特征信息。因此，为了评估岩板/瓷砖铺设的不同局部区域之间的铺贴效果的一致性，以进一步提高对于岩板/瓷砖无缝铺设效果检测和评估的精准度，在本申请的技术方案中，进一步计算所述局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列中任意两个局部显化岩板/瓷砖无缝铺贴局部效果特征向量之间的铺贴效果一致性语义度量系数，以衡量不同铺贴局部区域之间的铺贴效果的相似性和一致性，从而得到由多个铺贴效果一致性语义度量系数组成的全局无缝铺贴效果语义表征特征向量。

相应地，在步骤S850中，对所述局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列中任意两个局部显化岩板/瓷砖无缝铺贴局部效果特征向量之间进行铺贴效果一致性语义度量分析以得到全局无缝铺贴效果语义表征特征，包括：计算所述局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列中任意两个局部显化岩板/瓷砖无缝铺贴局部效果特征向量之间的铺贴效果一致性语义度量系数以得到由多个铺贴效果一致性语义度量系数组成的全局无缝铺贴效果语义表征特征向量作为所述全局无缝铺贴效果语义表征特征。

具体地，在一个示例中，计算所述局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列中任意两个局部显化岩板/瓷砖无缝铺贴局部效果特征向量之间的铺贴效果一致性语义度量系数以得到由多个铺贴效果一致性语义度量系数组成的全局无缝铺贴效果语义表征特征向量作为所述全局无缝铺贴效果语义表征特征，包括：以如下系数计算公式计算所述局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列中任意两个局部显化岩板/瓷砖无缝铺贴局部效果特征向量之间的铺贴效果一致性语义度量系数以得到由多个铺贴效果一致性语义度量系数组成的所述全局无缝铺贴效果语义表征特征向量；其中，所述系数计算公式为：

;

其中，

继而，再将所述全局无缝铺贴效果语义表征特征向量通过分类器以得到分类结果，所述分类结果用于表示无缝铺贴效果是否符合预定标准。也就是说，利用岩板/瓷砖铺设的全局铺贴效果语义关联表征来进行分类处理，以此来判断岩板/瓷砖的无缝铺贴效果是否符合预定标准。这样，能够对在岩板/瓷砖的铺贴过程中对岩板/瓷砖的无缝铺贴效果进行客观和自动化地检测，从而为岩板/瓷砖无缝铺贴提供了有效的质量控制手段和依据。

相应地，在步骤S860中，基于所述全局无缝铺贴效果语义表征特征，确定无缝铺贴效果是否符合预定标准，包括：将所述全局无缝铺贴效果语义表征特征向量通过分类器以得到分类结果，所述分类结果用于表示无缝铺贴效果是否符合预定标准。

具体地，将所述全局无缝铺贴效果语义表征特征向量通过分类器以得到分类结果，所述分类结果用于表示无缝铺贴效果是否符合预定标准，包括：使用所述分类器的全连接层对所述全局无缝铺贴效果语义表征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输入所述分类器的Softmax分类函数以得到所述分类结果。

也就是，在本申请的技术方案中，所述分类器的标签包括无缝铺贴效果符合预定标准(第一标签)，以及，无缝铺贴效果不符合预定标准(第二标签)，其中，所述分类器通过软最大值函数来确定所述全局无缝铺贴效果语义表征特征向量属于哪个分类标签。值得注意的是，这里的所述第一标签p1和所述第二标签p2并不包含人为设定的概念，实际上在训练过程当中，计算机模型并没有“无缝铺贴效果是否符合预定标准”这种概念，其只是有两种分类标签且输出特征在这两个分类标签下的概率，即p1和p2之和为一。因此，无缝铺贴效果是否符合预定标准的分类结果实际上是通过分类标签转化为符合自然规律的二分类的类概率分布，实质上用到的是标签的自然概率分布的物理意义，而不是“无缝铺贴效果是否符合预定标准”的语言文本意义。

应可以理解，分类器的作用是利用给定的类别、已知的训练数据来学习分类规则和分类器，然后对未知数据进行分类（或预测）。逻辑回归（logistics）、SVM等常用于解决二分类问题，对于多分类问题（multi-class classification），同样也可以用逻辑回归或SVM，只是需要多个二分类来组成多分类，但这样容易出错且效率不高，常用的多分类方法有Softmax分类函数。

进一步地，在本申请的技术方案中，所述的岩板/瓷砖的无缝铺贴方法，其还包括训练步骤：用于对基于卷积神经网络模型的铺贴效果特征提取器、所述显著特征提取器和所述分类器进行训练。

其中，在一个示例中，所述训练步骤，包括：训练数据获取，所述训练数据包括通过摄像头捕捉的训练岩板/瓷砖无缝铺贴效果图像，以及，无缝铺贴效果是否符合预定标准的真实值；以所述岩板/瓷砖为单位，对所述训练岩板/瓷砖无缝铺贴效果图像进行图像块切分以得到训练岩板/瓷砖无缝铺贴局部图像块的序列；通过所述基于卷积神经网络模型的铺贴效果特征提取器对所述训练岩板/瓷砖无缝铺贴局部图像块的序列进行特征提取以得到训练岩板/瓷砖无缝铺贴局部效果特征图的序列；将所述训练岩板/瓷砖无缝铺贴局部效果特征图的序列通过所述显著特征提取器以得到训练局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列；计算所述训练局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列中任意两个训练局部显化岩板/瓷砖无缝铺贴局部效果特征向量之间的铺贴效果一致性语义度量系数以得到由多个铺贴效果一致性语义度量系数组成的训练全局无缝铺贴效果语义表征特征向量；将所述训练全局无缝铺贴效果语义表征特征向量通过所述分类器以得到分类损失函数值；以及，以所述分类损失函数值来对所述基于卷积神经网络模型的铺贴效果特征提取器、所述显著特征提取器和所述分类器进行训练，其中，在所述训练的每一轮迭代中，对所述训练全局无缝铺贴效果语义表征特征向量进行优化。

在本申请的技术方案中，所述训练岩板/瓷砖无缝铺贴局部效果特征图的序列中的每个训练岩板/瓷砖无缝铺贴局部效果特征图表达所述训练岩板/瓷砖无缝铺贴效果图像经以所述岩板/瓷砖为单位的图像块均匀切分得到的各个训练岩板/瓷砖无缝铺贴局部图像块的基于卷积神经网络模型的图像语义特征。将所述训练岩板/瓷砖无缝铺贴局部效果特征图的序列通过显著特征提取器，可对所述训练岩板/瓷砖无缝铺贴局部效果特征图的序列中的各个训练岩板/瓷砖无缝铺贴局部效果特征图进行空间维度显著化以得到训练局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列。但是由于所述训练岩板/瓷砖无缝铺贴局部图像块的序列中的各个训练岩板/瓷砖无缝铺贴局部图像块在图像样本空间存在图像源域表征差异以及在拍摄过程中不可避免地会引入部分图像噪声（例如，图像畸变等），这使得所述训练岩板/瓷砖无缝铺贴局部效果特征图的序列中的各个训练岩板/瓷砖无缝铺贴局部效果特征图之间存在特征分布不均衡，而这种图像块间的特征分布不均衡还会被所述显著特征提取器所放大，即，所述训练局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列中的各个训练局部显化岩板/瓷砖无缝铺贴局部效果特征向量之间存在较为显著的特征分布不均衡。这使得在计算所述训练局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列中任意两个训练局部显化岩板/瓷砖无缝铺贴局部效果特征向量之间的铺贴效果一致性语义度量系数以得到由多个铺贴效果一致性语义度量系数组成的训练全局无缝铺贴效果语义表征特征向量的过程中，所得到的所述训练全局无缝铺贴效果语义表征特征向量会具有基于特征值的图像块间状态差异度语义度量信息博弈离散化，从而影响所述训练全局无缝铺贴效果语义表征特征向量通过分类器的分类训练。

基于此，本申请的申请人优选地在所述训练全局无缝铺贴效果语义表征特征向量每次通过分类器进行迭代训练时，对所述训练全局无缝铺贴效果语义表征特征向量进行优化。

相应地，在一个示例中，在所述训练的每一轮迭代中，以如下优化公式对所述训练全局无缝铺贴效果语义表征特征向量进行优化以得到优化后训练全局无缝铺贴效果语义表征特征向量；其中，所述优化公式为：

;

其中，

具体地，当所述训练全局无缝铺贴效果语义表征特征向量进行训练时，训练时的所述分类器的权重矩阵作用于所述训练全局无缝铺贴效果语义表征特征向量上，由于权重矩阵本身的致密特性，会使得所述训练全局无缝铺贴效果语义表征特征向量的各个位置的特征值之间的语义匹配信息博弈离散化产生大规模信息博弈，导致分类解无法在博弈基础上收敛到纳什均衡，尤其是在存在以所述训练岩板/瓷砖无缝铺贴局部效果特征图的图像块语义特征为单位的大规模非完美博弈离散化信息的情况下，这样，通过基于所述训练全局无缝铺贴效果语义表征特征向量的向量信息自控均衡邻域对所述训练全局无缝铺贴效果语义表征特征向量进行信息博弈均衡化的等效收敛，可以通过特征值在局部邻域内的自博弈来促进收敛，从而提高所述训练全局无缝铺贴效果语义表征特征向量通过分类器的训练效果。这样，能够对在岩板/瓷砖的铺贴过程中对岩板/瓷砖的无缝铺贴效果进行客观和自动化地检测，从而为岩板/瓷砖无缝铺贴提供了有效的质量控制手段和依据，通过这样的方式，能够实现岩板/瓷砖的无缝铺贴，使得岩板/瓷砖的铺贴质量满足预定要求。

综上，基于本申请实施例的岩板/瓷砖的无缝铺贴方法被阐明，其可以实现岩板/瓷砖的无缝铺贴，使得岩板/瓷砖的铺贴质量满足预定要求。

图4为根据本申请实施例的岩板/瓷砖的无缝铺贴系统100的框图。如图4所示，根据本申请实施例的岩板/瓷砖的无缝铺贴系统100，包括：图像采集模块110，用于通过摄像头捕捉岩板/瓷砖无缝铺贴效果图像；图像块切分模块120，用于以所述岩板/瓷砖为单位，对所述岩板/瓷砖无缝铺贴效果图像进行图像块切分以得到岩板/瓷砖无缝铺贴局部图像块的序列；铺贴效果特征提取模块130，用于通过基于深度神经网络模型的铺贴效果特征提取器对所述岩板/瓷砖无缝铺贴局部图像块的序列进行特征提取以得到岩板/瓷砖无缝铺贴局部效果特征图的序列；局部效果显著化处理模块140，用于对所述岩板/瓷砖无缝铺贴局部效果特征图的序列进行局部效果显著化处理以得到局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列；铺贴效果一致性语义度量分析模块150，用于对所述局部显化岩板/瓷砖无缝铺贴局部效果特征向量的序列中任意两个局部显化岩板/瓷砖无缝铺贴局部效果特征向量之间进行铺贴效果一致性语义度量分析以得到全局无缝铺贴效果语义表征特征；以及，无缝铺贴效果分析模块160，用于基于所述全局无缝铺贴效果语义表征特征，确定无缝铺贴效果是否符合预定标准。

这里，本领域技术人员可以理解，上述岩板/瓷砖的无缝铺贴系统100中的各个模块的具体功能和操作已经在上面参考图1到图3的岩板/瓷砖的无缝铺贴方法的描述中得到了详细介绍，并因此，将省略其重复描述。

如上所述，根据本申请实施例的岩板/瓷砖的无缝铺贴系统100可以实现在各种无线终端中，例如具有岩板/瓷砖的无缝铺贴算法的服务器等。在一个示例中，根据本申请实施例的岩板/瓷砖的无缝铺贴系统100可以作为一个软件模块和/或硬件模块而集成到无线终端中。例如，该岩板/瓷砖的无缝铺贴系统100可以是该无线终端的操作系统中的一个软件模块，或者可以是针对于该无线终端所开发的一个应用程序；当然，该岩板/瓷砖的无缝铺贴系统100同样可以是该无线终端的众多硬件模块之一。

替换地，在另一示例中，该岩板/瓷砖的无缝铺贴系统100与该无线终端也可以是分立的设备，并且该岩板/瓷砖的无缝铺贴系统100可以通过有线和/或无线网络连接到该无线终端，并且按照约定的数据格式来传输交互信息。

图5为根据本申请实施例的岩板/瓷砖的无缝铺贴方法的应用场景图。如图5所示，在该应用场景中，首先，通过摄像头捕捉岩板/瓷砖无缝铺贴效果图像（例如，图5中所示意的D），然后，将所述岩板/瓷砖无缝铺贴效果图像输入至部署有岩板/瓷砖的无缝铺贴算法的服务器（例如，图5中所示意的S）中，其中，所述服务器能够使用所述岩板/瓷砖的无缝铺贴算法对所述岩板/瓷砖无缝铺贴效果图像进行处理以得到用于表示无缝铺贴效果是否符合预定标准的分类结果。

根据本申请的另一方面，还提供了一种非易失性的计算机可读存储介质，其上存储有计算机可读的指令，当利用计算机执行所述指令时可以执行如前所述的方法。

技术中的程序部分可以被认为是以可执行的代码和/或相关数据的形式而存在的“产品”或“制品”，通过计算机可读的介质所参与或实现的。有形的、永久的储存介质可以包括任何计算机、处理器、或类似设备或相关的模块所用到的内存或存储器。例如，各种半导体存储器、磁带驱动器、磁盘驱动器或者类似任何能够为软件提供存储功能的设备。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本申请所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。

上面是对本申请的说明，而不应被认为是对其的限制。尽管描述了本申请的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本申请的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本申请范围内。应当理解，上面是对本申请的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本申请由权利要求书及其等效物限定。