La industria del calzado se está moviendo hacia la automatización e intelectualización. Para superar los inconvenientes del proceso tradicional manual de pegado de suelas de zapatos de alto costo y baja eficiencia, se utilizaron métodos automáticos para generar trayectorias de pulverización. Actualmente, la mayoría de los métodos automáticos reportados para generar trayectorias de pulverización se basan principalmente en el método de sesgo del contorno exterior. Sin embargo, el pegamento solo se aplica en el área cercana al borde/contorno de las suelas de los zapatos y la distancia fija de compensación en el método de sesgo del contorno exterior no puede adaptarse a la inmensa cantidad de estilos de zapatos con alta precisión y lograr aplicabilidad para diseños de suelas irregulares y únicos. Un enfoque intuitivo pero lógico para cumplir con los requisitos es utilizar la red neuronal de deconvolución para generar trayectorias de pulverización de suelas de zapatos. En este trabajo, tratamos la predicción de trayectorias de pegamento como una predicción de imagen a imagen y establecimos una nueva red neuronal de deconvolución para generar trayectorias de pulverización de suelas de zapatos. La red neuronal de deconvolución propuesta para generar trayectorias de pulverización ofreció ventajas significativas sobre los métodos basados en sesgo existentes, incluyendo: (1) basado en la nueva red neuronal de deconvolución, el método propuesto para generar trayectorias de pulverización de suelas de zapatos muestra una mayor aplicabilidad a suelas de zapatos irregulares, lo que mejora la precisión de la pulverización sin comprometer la eficiencia de la pulverización; (2) descartamos todas las capas de agrupación, que solo consisten en capas convolucionales y de deconvolución, para preservar más información espacial y lograr una mayor precisión de pulverización a través de un mapeo de extremo a extremo desde imágenes de suelas de zapatos hasta trayectorias de pulverización de suelas de zapatos, lo que resulta en una mayor precisión de pulverización sin sacrificar la eficiencia de la pulverización. El coeficiente de similitud de Dice y la distancia de Hausdorff se utilizaron como métricas de evaluación para evaluar el rendimiento de nuestro enfoque. Nuestro método propuesto mostró una precisión y precisión ultra altas con un coeficiente de similitud de Dice superior al 99.25% y una distancia de Hausdorff inferior a 1.2 mm, que son ~10% más altos que la precisión de pulverización de otros métodos tradicionales reportados. Nuestros hallazgos traerían mejoras significativas al campo de la generación automática de trayectorias de pulverización de suelas de zapatos, lo que tiene el potencial de promover la utilización de tecnologías inteligentes en la industria del calzado.