一种水基丙烯墨水的智能化制备方法及其系统技术方案

本申请公开了一种水基丙烯墨水的智能化制备方法及其系统，其获取预定时间段内多个预定时间点的水基丙烯马克笔墨水的各个成分的添加速度值、所述多个预定时间点的搅拌机的转速值以及所述预定时间段的混合物的搅拌监控视频，采用基于深度学习的深度神经网络模型，通过梯度下降的反向传播算法来调整所述深度神经网络模型的参数以模拟事物之间的复杂的非线性关联，从而建立水基丙烯马克笔墨水的各个成分的添加速度、搅拌机的搅拌速度以及混合物的混合状态变化之间的复杂映射关系，以使得基于实际的原材料加入的质量和混合状态的实时变化来进行搅拌速度的自适应控制。通过这样的方式，可以提高混合效果，进而提高生产的墨水质量。水质量。水质量。

【技术实现步骤摘要】
一种水基丙烯墨水的智能化制备方法及其系统


[0001]本申请涉及智能制备
，且更为具体地，涉及一种水基丙烯墨水的智能化制备方法及其系统。

技术介绍

[0002]丙烯颜料由于其干燥快速、颜色鲜艳饱满，受到很多绘画业者和爱好者喜爱，但由于该颜料需要现场调制并迅速使用，对于很多绘画初学者来说多有不便。近年来出现了多种颜料丙烯马克笔，将颜料丙烯墨水灌入笔中，便于携带、方便使用。目前一些国际品牌都出品了多种色彩的丙烯马克笔，但由于有机溶剂在墨水中应用具有快干、颜料溶解性更好、光泽度更好的优势，目前这类墨水中都不同程度地使用了挥发性有机溶剂以及有机小分子材料，长期接触对于使用者来说容易产生健康的影响。
[0003]针对上述问题，中国专利申请CN111117354A提出了一种水基丙烯马克笔墨水及其制备方法。其通过使用钛白粉及颜料，使用环保无毒的聚合物作为功能性的相间调节剂，搭配成膜乳液，得到了性能稳定、出水流畅、分布均匀、色度牢度都很高的墨水。
[0004]但是，在此方案实际进行处理的过程中发现制备出的水基丙烯马克笔墨水质量不佳且效率较慢，这是由于每次加入原材料有所不同，而在此方案中，只是通过控制各个成分加入的质量百分比在一定的范围内，并控制搅拌的速度也在固定的范围，并没有考虑到这两者之间的内在非线性关联，因此对于原材料加入的质量百分比和搅拌机的转速需要实时动态地进行监测控制以提高生产出的墨水的质量。
[0005]因此，期望一种优化的水基丙烯墨水的智能化制备方案。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种水基丙烯墨水的智能化制备方法及其系统，其获取预定时间段内多个预定时间点的水基丙烯马克笔墨水的各个成分的添加速度值、所述多个预定时间点的搅拌机的转速值以及所述预定时间段的混合物的搅拌监控视频，采用基于深度学习的深度神经网络模型，通过梯度下降的反向传播算法来调整所述深度神经网络模型的参数以模拟事物之间的复杂的非线性关联，从而建立水基丙烯马克笔墨水的各个成分的添加速度、搅拌机的搅拌速度以及混合物的混合状态变化之间的复杂映射关系，以使得基于实际的原材料加入的质量和混合状态的实时变化来进行搅拌速度的自适应控制。通过这样的方式，可以提高混合效果，进而提高生产的墨水质量。
[0007]根据本申请的一个方面，提供了一种水基丙烯墨水的智能化制备方法，其包括：
[0008]获取预定时间段内多个预定时间点的水基丙烯马克笔墨水的各个成分的添加速度值、所述多个预定时间点的搅拌机的转速值，以及，所述预定时间段的混合物的搅拌监控视频；
[0009]将所述预定时间段内多个预定时间点的水基丙烯马克笔墨水的各个成分的添加
速度值按照时间维度和样本维度排列为加入速度输入矩阵后通过作为过滤器的第一卷积神经网络模型以得到成分加入特征向量；
[0010]将所述多个预定时间点的搅拌机的转速值按照时间维度排列为转速输入向量后通过多尺度邻域特征提取模块以得到转速特征向量；
[0011]将所述预定时间段的混合物的搅拌监控视频通过使用三维卷积核的第二卷积神经网络模型以得到搅拌状态监控特征向量；
[0012]基于高斯密度图对所述成分加入特征向量、所述转速特征向量和所述搅拌状态监控特征向量进行特征级数据增强以得到第一至第三高斯密度图；
[0013]使用贝叶斯概率模型来融合所述第一至第三高斯密度图以得到后验高斯密度图；
[0014]对所述后验高斯密度图进行高斯离散化以得到分类特征矩阵；
[0015]对所述分类特征矩阵进行特征分布校正以得到校正后分类特征矩阵；和
[0016]将所述校正后分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌机的转速值应增大或应减小。
[0017]在上述的水基丙烯墨水的智能化制备方法中，所述将所述预定时间段内多个预定时间点的水基丙烯马克笔墨水的各个成分的添加速度值按照时间维度和样本维度排列为加入速度输入矩阵后通过作为过滤器的第一卷积神经网络模型以得到成分加入特征向量，包括：
[0018]使用所述作为过滤器的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：
[0019]对所述输入数据进行卷积处理以得到卷积特征图；
[0020]对所述卷积特征图进行基于特征矩阵的均值池化处理以得到池化特征图；以及
[0021]对所述池化特征图进行非线性激活以得到激活特征图；
[0022]其中，所述作为过滤器的第一卷积神经网络模型的最后一层的输出为所述成分加入特征向量，所述作为过滤器的第一卷积神经网络模型的第一层的输入为所述加入速度输入矩阵。
[0023]在上述的水基丙烯墨水的智能化制备方法中，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度融合层，其中，所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核。
[0024]在上述的水基丙烯墨水的智能化制备方法中，所述将所述多个预定时间点的搅拌机的转速值按照时间维度排列为转速输入向量后通过多尺度邻域特征提取模块以得到转速特征向量，包括：
[0025]将所述转速输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度转速特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；
[0026]将所述转速输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度转速特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及
[0027]使用所述多尺度邻域特征提取模块的多尺度融合层对所述第一尺度转速特征向量和所述第二尺度转速特征向量进行级联以得到所述转速特征向量。
[0028]在上述的水基丙烯墨水的智能化制备方法中，
[0029]所述将所述转速输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度转速特征向量，进一步包括：使用所述多尺度邻域特征提取模块的第一卷积层以如下公式对所述转速输入向量进行一维卷积编码以得到所述第一尺度转速特征向量；
[0030]其中，所述公式为：
[0031][0032]其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述转速输入向量；
[0033]所述将所述转速输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度转速特征向量，进一步包括：使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述转速输入向量进行一维卷积编码以得到所述第二尺度转速特征向量；
[0034]其中，所述公式为：
[0035][0036]其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x
‑
b)为与卷积核函数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水基丙烯墨水的智能化制备方法，其特征在于，包括：获取预定时间段内多个预定时间点的水基丙烯马克笔墨水的各个成分的添加速度值、所述多个预定时间点的搅拌机的转速值，以及，所述预定时间段的混合物的搅拌监控视频；将所述预定时间段内多个预定时间点的水基丙烯马克笔墨水的各个成分的添加速度值按照时间维度和样本维度排列为加入速度输入矩阵后通过作为过滤器的第一卷积神经网络模型以得到成分加入特征向量；将所述多个预定时间点的搅拌机的转速值按照时间维度排列为转速输入向量后通过多尺度邻域特征提取模块以得到转速特征向量；将所述预定时间段的混合物的搅拌监控视频通过使用三维卷积核的第二卷积神经网络模型以得到搅拌状态监控特征向量；基于高斯密度图对所述成分加入特征向量、所述转速特征向量和所述搅拌状态监控特征向量进行特征级数据增强以得到第一至第三高斯密度图；使用贝叶斯概率模型来融合所述第一至第三高斯密度图以得到后验高斯密度图；对所述后验高斯密度图进行高斯离散化以得到分类特征矩阵；对所述分类特征矩阵进行特征分布校正以得到校正后分类特征矩阵；和将所述校正后分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌机的转速值应增大或应减小。2.根据权利要求1所述的水基丙烯墨水的智能化制备方法，其特征在于，所述将所述预定时间段内多个预定时间点的水基丙烯马克笔墨水的各个成分的添加速度值按照时间维度和样本维度排列为加入速度输入矩阵后通过作为过滤器的第一卷积神经网络模型以得到成分加入特征向量，包括：使用所述作为过滤器的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的均值池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第一卷积神经网络模型的最后一层的输出为所述成分加入特征向量，所述作为过滤器的第一卷积神经网络模型的第一层的输入为所述加入速度输入矩阵。3.根据权利要求2所述的水基丙烯墨水的智能化制备方法，其特征在于，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度融合层，其中，所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核。4.根据权利要求3所述的水基丙烯墨水的智能化制备方法，其特征在于，所述将所述多个预定时间点的搅拌机的转速值按照时间维度排列为转速输入向量后通过多尺度邻域特征提取模块以得到转速特征向量，包括：将所述转速输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度转速特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述转速输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度转速特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及使用所述多尺度邻域特征提取模块的多尺度融合层对所述第一尺度转速特征向量和所述第二尺度转速特征向量进行级联以得到所述转速特征向量。5.根据权利要求4所述的水基丙烯墨水的智能化制备方法，其特征在于，所述将所述转速输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度转速特征向量，进一步包括：使用所述多尺度邻域特征提取模块的第一卷积层以如下公式对所述转速
输入向量进行一维卷积编码以得到所述第一尺度转速特征向量；其中，所述公式为：其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述转速输入向量；所述将所述转速输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度转速特征向量，进一步包括：使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述转速输入向量进行一维卷积编码以得到所述第二尺度转速特征向量；其中，所述公式为：其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x
‑...

【专利技术属性】
技术研发人员：吴健，田仁富，方德建，
申请(专利权)人：温州金马文具用品制造有限公司，
类型：发明
国别省市：