【技术实现步骤摘要】
本专利技术涉及布料染色，更具体地说，它涉及一种染料浓度预测方法、系统、介质及计算机。
技术介绍
1、现有技术中，染厂染色的过程大致可分为两步，一是在化验室实现小样的打样，二是根据化验室小样的确认样在生产车间进行大样的染色。但是生产环境远比化验室复杂，染色结果会受到多种因素的影响，例如设备、压力、染色状态等因素会导致颜色有偏差，这样会造成首缸生产样与复样、小样产生差异比较大，需要反复的调整染料浓度进行生产车间打样才能达到最终的目的。无论是从化验室到车间，还是首缸到跟缸，目前大部分工厂都依靠师傅的经验和历史文档记录来进行人工修正，但是这样面临的问题是：1、经验是需要经过大量的生产时间累积，培养有对应经验打样员需要的时间周期长；2、历史记录为纸质文档，留存时间过久后样布会出现氧化现象且利用率低。
技术实现思路
1、针对现有技术存在的不足，本专利技术的目的在于提供一种染料浓度预测方法、系统、介质及计算机，以克服现有的技术中存在的样布氧化导致数据重复利用率低下、打样员培养周期过长的缺点。
2、本专利技术的上述技术目的是通过以下技术方案得以实现的：一种染料浓度预测方法，包括：
3、分别获取每一个样品颜色对应的历史染色数据，记作第一数据集；所述历史染色数据包括：标样lab值、第一复样lab值、第一复样配方、第一大货lab值、第一大货配方以及车间生产温度；
4、分别判断第一数据集中的每一个历史染色数据是否为异常数据，若是，则从所述第一数据集中剔除异常的历史染色数
5、根据所述第二数据集中的每一个历史染色数据分别构建对应的训练特征矩阵；将各个所述训练特征矩阵逐一输入到预先设立的第一catboost模型中进行训练，得到训练后的第二catboost模型；
6、将待预测的第二复样lab值、待预测的第二复样配方以及车间生产温度输入到第二catboost模型中进行预测，对应得到预测的第二大货配方。
7、可选的，所述分别判断第一数据集中的每一个历史染色数据是否为异常数据，包括：
8、分别获取每一个历史染色数据对应的第一复样配方中的每一个染料类别，均记作第一染料；分别获取每一种第一染料的浓度，对应记作第一染料浓度；
9、分别获取每一个历史染色数据对应的第一大货配方中的每一个染料类别，均记作第二染料；分别获取每一种第二染料的浓度，对应记作第二染料浓度；
10、计算每一个历史染色数据的第一染料浓度与对应的第二染料浓度之间的浓度差值，判断所述浓度差值是否大于预设的浓度差值阈值，若是，则认定该历史染色数据是异常数据。
11、可选的，所述将待预测的第二复样lab值、待预测的第二复样配方以及车间生产温度输入到第二catboost模型中进行预测，对应得到预测的第二大货配方，包括：
12、将所述第二catboost模型的输出修改为每一个第一染料浓度与对应的第二染料浓度之间的比值，记作浓度变化比值；
13、获取待预测的第二复样配方中的每一个染料类别，均记作第三染料；分别获取每一种第三染料的浓度，对应记作第三染料浓度；
14、将待预测的第二复样lab值、待预测的第二复样配方以及车间生产温度输入到第二catboost模型中进行预测，对应得到每一个第三染料浓度对应的浓度变化比值；
15、根据所述第三染料浓度以及分别与每一个第三染料浓度对应的浓度变化比值，对应计算每一个第三染料的预测浓度，记作第四染料浓度；
16、将所有的第三染料以及与第三染料一一对应的第四染料浓度记作第二大货配方。
17、可选的，所述将各个所述训练特征矩阵逐一输入到预先设立的第一catboost模型中进行训练，得到训练后的第二catboost模型，包括：
18、将所述第一catboost模型的评价指标修改为第一染料浓度与第二染料浓度之间的变化率；
19、利用网格搜索法，对所述第一catboost模型的参数进行调整，使第二catboost模型的输出的第二染料浓度相比第一染料浓度的变化率小于等于5％。
20、可选的，所述计算每一个历史染色数据的第一染料浓度与对应的第二染料浓度之间的浓度差值，判断所述浓度差值是否大于预设的浓度差值阈值，包括：
21、计算每一个历史染色数据的第一染料浓度与对应的第二染料浓度的比值，判断该浓度比值是否大于0.7且小于1.5；
22、若是，则认定该第一染料浓度与对应的第二染料浓度之间的浓度差值小于预设的浓度差值阈值；
23、若否，则认定该第一染料浓度与对应的第二染料浓度之间的浓度差值大于预设的浓度差值阈值。
24、可选的，还包括：
25、根据所述第二大货配方以及车间生产温度，印染坯布，得到对应的大货样布；
26、测量所述大货样布的lab值，记作第二大货lab值；
27、计算所述第二大货lab值与输入到第二catboost模型中进行预测的第二复样lab值之间的差值，记作lab差值；
28、判断所述lab差值是否大于预设的lab差值阈值，若否，则说明所述第二大货配方符合生产要求。
29、一种染料浓度预测方系统，包括：
30、历史数据收集模块：用于分别获取每一个样品颜色对应的历史染色数据，记作第一数据集；所述历史染色数据包括：标样lab值、第一复样lab值、第一复样配方、第一大货lab值、第一大货配方以及车间生产温度；
31、异常数据判断模块：用于分别判断第一数据集中的每一个历史染色数据是否为异常数据，若是，则从所述第一数据集中剔除异常的历史染色数据；将剩余的历史染色数据记作第二数据集；
32、模型训练模块：用于根据所述第二数据集中的每一个历史染色数据分别构建对应的训练特征矩阵；将各个所述训练特征矩阵逐一输入到预先设立的第一catboost模型中进行训练，得到训练后的第二catboost模型；
33、大货配方预测模块：用于将待预测的第二复样lab值、待预测的第二复样配方以及车间生产温度输入到第二catboost模型中进行预测，对应得到预测的第二大货配方。
34、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
35、一种计算机设备,包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
36、综上所述，本专利技术具有以下有益效果：本专利技术提出一种能够将实验室中的预测配方转化为车间生产的配方；通过历史数据进行多输出模型训练，在预测时输出多种染料的生产浓度，利用复样和标样的lab值信息以及模型预测的调整比例，可以在复样浓度基础上调整染料浓度，本专利技术不是直接预测目标浓度，而是预测浓度的调整比例，这样能充分利用在化验室打样得到的实际复样浓度，同时能消减不同批次的坯本文档来自技高网...
【技术保护点】
1.一种染料浓度预测方法，其特征在于，包括：
2.根据权利要求1所述的一种染料浓度预测方法，其特征在于，所述分别判断第一数据集中的每一个历史染色数据是否为异常数据，包括：
3.根据权利要求2所述的一种染料浓度预测方法，其特征在于，所述将待预测的第二复样LAB值、待预测的第二复样配方以及车间生产温度输入到第二catboost模型中进行预测，对应得到预测的第二大货配方，包括：
4.根据权利要求3所述的一种染料浓度预测方法，其特征在于，所述将各个所述训练特征矩阵逐一输入到预先设立的第一catboost模型中进行训练，得到训练后的第二catboost模型，包括：
5.根据权利要求2所述的一种染料浓度预测方法，其特征在于，所述计算每一个历史染色数据的第一染料浓度与对应的第二染料浓度之间的浓度差值，判断所述浓度差值是否大于预设的浓度差值阈值，包括：
6.根据权利要求1所述的一种染料浓度预测方法，其特征在于，还包括：
7.一种染料浓度预测系统，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种染料浓度预测方法，其特征在于，包括：
2.根据权利要求1所述的一种染料浓度预测方法，其特征在于，所述分别判断第一数据集中的每一个历史染色数据是否为异常数据，包括：
3.根据权利要求2所述的一种染料浓度预测方法，其特征在于，所述将待预测的第二复样lab值、待预测的第二复样配方以及车间生产温度输入到第二catboost模型中进行预测，对应得到预测的第二大货配方，包括：
4.根据权利要求3所述的一种染料浓度预测方法，其特征在于，所述将各个所述训练特征矩阵逐一输入到预先设立的第一catboost模型中进行训练，得到训练后的第二catboost模型，包括：
5.根据权利要...
【专利技术属性】
技术研发人员：张翼飞，
申请(专利权)人：上海致景信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。