一种纱线质量预测系统和方法技术方案

本发明专利技术公开了一种纱线质量预测系统，涉及计算机视觉和纺织技术领域，包括数据采集模块、数据存储模块、数据预处理模块、疵点检测模块、数理模型模块、综合质量预测模块；本发明专利技术还公开了一种纱线质量预测方法，包括：S100、准备工作，S200、纱线输送，S300、纱线原始数据采集，S400、纱线原始数据存储，S500、纱线原始数据预处理，S600、纱线检测结果获得，S700、纱线质量指标计算，S800、纱线质量综合预测。本发明专利技术保证了所述纱线质量预测结果的有效性，提高了纱线综合质量预测结果准确性。综合质量预测结果准确性。综合质量预测结果准确性。

【技术实现步骤摘要】
一种纱线质量预测系统和方法


[0001]本专利技术涉及计算机视觉和纺织
，尤其涉及一种纱线质量预测系统和方法。

技术介绍

[0002]近年来，随着对毛纺织行业产能需求的大幅提升以及对产品高质量的要求日益增加，工业智能化的进程逐步加快，纱线质量检测的传感器设备的使用也开始普及。最传统的纱线质量检测采用黑板检测仪辅助人工检测，通过人眼观察和参考质量评定标准进行纱线分级处理，该方法极大消耗了人力资源，而且检测结果容易受到人的主观因素的影响。目前，大部分针对纱线质量检测采用电容式传感器或光电传感器，利用电信号及光能信号检测纱线直径，能够保证纱线大规模生产，但在质量检测精度上具有一定局限性，无法满足高质量毛纱产品的需求。
[0003]随着人工智能的发展，深度学习的方法也开始被运用到毛纺织领域中。基于深度学习的纱线质量预测方法能够处理更加复杂的场景，对于纱线中毛羽情况没有特殊的要求，适用于绝大多数纱线质量预测工作。
[0004]专利《用于纱线质量监测的装置和方法》(申请号：CN201880088432.9)公开了一种用于检测织物纱线质量的装置和方法，由初级光源通过聚焦元件直接照射图像传感器得到织物纱线图像，进而判断纱线质量。该专利缺陷在于：缺乏先进的计算机视觉算法，使用开环的图像处理方法的结果判断纱线疵点，忽略了部分影响纱线质量的特征，纱线直径测量精度低，同时受纱线复杂情况的影响可能导致误判。
[0005]专利《一种基于线激光的织物织造在线疵点检测方法》(申请号：CN201910034418.7公开了一种基于线激光的织物织造在线疵点检测方法，利用激光与纱线交织的亮斑形成的二维谱图进行基于神经网络的疵点检测。该专利的缺陷在于：使用激光得到的亮斑近似于二值化图像，忽略了织物纱线的部分特征，仅能检测织物条干直径及形变导致的疵点，难以得到纱线质量的综合指标。
[0006]因此，本领域的技术人员致力于开发一种纱线质量预测系统和方法。

技术实现思路

[0007]有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是如何克服现有技术中对纱线质量预测困难、疵点误判及色度不匀问题。
[0008]专利技术人经研究，提出强化特征信息的目标检测方法，引入可变形卷积，提高卷积神经网络特征提取能力，将采集的实时纱线图像利用特征金字塔网络(FPN)及平衡特征金字塔(BFP)组成的特征融合网络进行特征信息融合，实时纱线图像为单目标或多目标图像。专利技术人使用线阵相机和多种传感器设备采集纱线原始数据，通过数理模型得到的纱线质量指标，综合多方面因素对纱线质量进行预测。
[0009]本专利技术的一个实施例中，提供了一种纱线质量预测系统，包括：
[0010]数据采集模块，采集纱线原始数据；
[0011]数据存储模块，存储纱线原始数据；
[0012]数据预处理模块，对纱线原始数据进行预处理；
[0013]疵点检测模块，构建深度学习模型，使用深度学习模型进行疵点处理，生成纱线检测结果；
[0014]数理模型模块，使用纱线原始数据计算纱线质量指标；
[0015]综合质量预测模块，综合纱线检测结果和纱线质量指标，对纱线质量进行预测；
[0016]数据采集模块、数据存储模块与数据预处理模块依次通信连接，数据预处理模块分别与疵点检测模块和数理模型模块通信连接，综合质量预测模块分别与疵点检测模块和数理模型模块通信连接；
[0017]响应于自动落纱机的纱线输送，数据采集模块采集纱线原始数据，发送到数据存储模块进行存储，然后到数据预处理模块进预处理，经过预处理的纱线原始数据通过疵点检测模块构建的深度学习模型得到纱线检测结果，通过数理模型模块计算纱线质量指标，综合质量预测模块根据纱线检测结果和纱线质量指标，对纱线质量进行预测。
[0018]可选地，在上述实施例中的纱线质量预测系统中，数据采集模块包括线阵相机和传感器。
[0019]进一步地，在上述实施例中的纱线质量预测系统中，纱线原始数据包括实时纱线图像和传感器数据。
[0020]进一步地，在上述实施例中的纱线质量预测系统中，传感器数据包括纱线条干细度、纱线捻度及纱线拉伸数据。
[0021]进一步地，在上述实施例中的纱线质量预测系统中，传感器包括条干仪、捻度仪和强度测试仪。
[0022]进一步地，在上述实施例中的纱线质量预测系统中，线阵相机拍摄实时纱线图像，条干仪采集纱线条干细度，捻度仪采集纱线捻度，强度测试仪采集纱线拉伸数据。
[0023]进一步地，在上述实施例中的纱线质量预测系统中，线阵相机的线阵图像传感器基于CCD(Charge Coupled Device)。
[0024]可选地，在上述任一实施例中的纱线质量预测系统中，预处理包括实时纱线图像预处理和传感器数据预处理。
[0025]进一步地，在上述实施例中的纱线质量预测系统中，实时纱线图像预处理包括图像去噪、图像增强、确定疵点范围、半自动标注真值框和疵点类别、按照设定的比例生成训练集和验证集、将纱线检测结果归一化处理。
[0026]进一步地，在上述实施例中的纱线质量预测系统中，确定疵点范围采用形态学方法及区域生长算法。
[0027]进一步地，在上述实施例中的纱线质量预测系统中，设定的比例优选8:2。
[0028]进一步地，在上述实施例中的纱线质量预测系统中，纱线检测结果包括由疵点检测结果推导出的纱线条干及色度不匀指标。
[0029]进一步地，在上述实施例中的纱线质量预测系统中，传感器数据预处理包括数据提炼，去除偏差过大的错误数据。
[0030]可选地，在上述任一实施例中的纱线质量预测系统中，构建深度学习模型包括：将
训练集和验证集输入到卷积神经网络中进行特征提取，进入区域生成网络，通过分类分支继续纱线目标检测网络的训练；通过回归分支将候选区域向真实区域靠拢；最后利用损失函数的反向传播和权重更新，获得最优的目标检测结果。
[0031]可选地，在上述任一实施例中的纱线质量预测系统中，纱线质量指标包括纱线条干不匀率与纱线拉伸性能。
[0032]进一步地，在上述实施例中的纱线质量预测系统中，纱线条干不匀率计算使用Martindale公式，如下：
[0033][0034][0035]其中，CV为纱线条干不匀率，C
D
为毛纤维直径离散系数，c为纱线线密度，d为毛纤维直径，n为中间变量。
[0036]进一步地，在上述实施例中的纱线质量预测系统中，纱线拉伸性能计算使用Barella公式，如下：
[0037][0038]其中，T代表纱线拉伸性能，t
w
为纱线捻度。
[0039]可选地，在上述任一实施例中的纱线质量预测系统中，对纱线质量进行预测包括预测纱线疵点类型及数量、纱线条干不匀率及纱线拉伸性能。
[0040]基于上述任一实施例，本专利技术的另一个实施例中，提供了一种纱线质量预测方法，包括如下步骤：
[0041本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种纱线质量预测系统，其特征在于，包括：数据采集模块，采集纱线原始数据；数据存储模块，存储所述纱线原始数据；数据预处理模块，对所述纱线原始数据进行预处理；疵点检测模块，构建深度学习模型，使用所述深度学习模型进行疵点处理，生成纱线检测结果；数理模型模块，使用所述纱线原始数据计算纱线质量指标；综合质量预测模块，综合所述纱线检测结果和所述纱线质量指标，对纱线质量进行预测；所述数据采集模块、所述数据存储模块与所述数据预处理模块依次通信连接，所述数据预处理模块分别与所述疵点检测模块和所述数理模型模块通信连接，所述综合质量预测模块分别与所述疵点检测模块和所述数理模型模块通信连接；响应于自动落纱机的纱线输送，所述数据采集模块采集所述纱线原始数据，发送到所述数据存储模块进行存储，然后到所述数据预处理模块进预处理，经过预处理的所述纱线原始数据通过所述疵点检测模块构建的所述深度学习模型得到所述纱线检测结果，通过所述数理模型模块计算所述纱线质量指标，所述综合质量预测模块根据所述纱线检测结果和所述纱线质量指标，对纱线质量进行预测。2.如权利要求1所述的纱线质量预测系统，其特征在于，所述数据采集模块包括线阵相机和传感器。3.如权利要求2所述的纱线质量预测系统，其特征在于，所述纱线原始数据包括实时纱线图像和传感器数据。4.如权利要求3所述的纱线质量预测系统，其特征在于，所述预处理包括实时纱线图像预处理和传感器数据预处理。5.如权利要求1所述纱线质量预测系统，其特征在于，所述构建深度学习模型包括：将训练集和验证集输入到卷积神经网络中进行特征提取，进入区域生成网络，通过分类分支继续纱线目标检测网络的训练；通过回归分支将候选区域向真实区域靠拢；最后利用损失函数的反向传播和权重更新，获得最优的目标检测结果。6.如权利要求1所述的纱线质量预测系统，其特征在于，所述纱线质量指标包括纱线条干不匀率与纱线拉伸性能。7.一种的纱线质量预测方法，使用如权利要求1
‑
6任一所述的纱线质量预测系统，其特征在于，包括如下步骤：S100、准备工作，所述数据采集模块采集纱线原始数据，发送到所述数据存储模块进行存储，然后发送到所述数据预处理模块生成训练集与验证集，训练所述疵点检测模块构建的深度学习模型；S200、纱线输送，自动落纱机输送纱线；S300、纱线原始数据采集，所述数据采集模块采集纱线原始数据，发送到所述数据存储模块；S400、纱线原始数据存储，所述数据存储模块接收所述纱线原始数据并进行存储，并发送到所述数据预处理模块；
...

【专利技术属性】
技术研发人员：张诚，琚长江，杨根科，金国标，陈文浩，刘琳，薛惊理，施江浩，熊灿，
申请(专利权)人：上海交通大学宁波人工智能研究院，
类型：发明
国别省市：