【技术实现步骤摘要】
本专利技术涉及纺织物加工，尤其涉及一种可用于识别、控制纺织物厚度的激光器模组。
技术介绍
1、在传统的纺织物生产过程中，缝头的厚度的检测往往依赖于人工操作或简单的自动化设备，这些方法不仅效率低下，而且容易受到人为因素的影响，导致产品质量参差不齐。
2、经检索，中国专利申请号为cn201110463095.7的专利，公开了一种喷墨印花激光加工系统，一喷墨印花机，所述喷墨印花机包括喷墨印花工作台及设于喷墨印花工作台上方的喷墨装置；一激光加工机，所述激光加工机包括激光切割工作台及设于激光切割工作台上方的激光器；一送料系统，所述送料系统至少包括将喷墨印花机上材料送至激光加工机上的送料机。上述专利中的加工系统存在以下不足：不能够很好的控制加工尺寸，还有待改进。
技术实现思路
1、本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种可用于识别、控制纺织物厚度的激光器模组。
2、为了实现上述目的，本专利技术采用了如下技术方案：
3、一种可用于识别、控制纺织物厚度的激光器模组，包括：
4、激光器，所述激光器发出激光束，通过光学元件照射到纺织物上；
5、传感器，传感器接收反射回来的激光信号，并将其转换为电信号；
6、控制系统，控制系统根据电信号计算出纺织物的厚度，并调整激光器的参数，以实现对纺织物厚度的控制；
7、其中，所述控制系统的识别控制方法，包括以下步骤：
8、s1：采集纺织物图像：通过摄像
9、s2：预处理图像：对采集到的图像进行去噪、增强处理，以提高后续特征提取的准确性；
10、s3：提取特征：从预处理后的图像中提取与纺织物厚度相关的特征；
11、s4：计算厚度：根据提取的特征，利用智能算法计算出纺织物的厚度；
12、s5：调整激光器参数：根据计算出的厚度，调整激光器的参数，以实现对纺织物厚度的控制。
13、作为本专利技术一种优选的：所述s1中，采集纺织物图像的具体步骤为：
14、s11：初始化摄像头，设置摄像头的分辨率，调整摄像头的焦距和光圈，确保图像清晰；
15、s12：图像采集，在均匀光照条件下，将纺织物平铺在采集平台上；
16、s13：使用摄像头从垂直方向对纺织物进行拍摄，获取单张图像；
17、s14：保存图像，以便于后续处理。
18、作为本专利技术一种优选的：所述s2中，预处理图像的具体步骤为：
19、s21：将采集到的彩色图像转灰度图；
20、s22：去噪处理，应用高斯滤波器对灰度图像进行平滑处理，去除图像噪声；
21、s23：直方图均衡化，对去噪后的图像进行直方图均衡化，增强图像对比度。
22、作为本专利技术一种优选的：所述s21中，基于公式，将彩色图像转换为灰度图像；
23、所述s22中，基于公式，进行平滑处理；
24、所述s23中，基于公式，对去噪后的图像进行直方图均衡化；其中cdf是累积分布函数。
25、作为本专利技术一种优选的：所述s3中，提取特征的具体步骤为：
26、s31：边缘检测，使用canny边缘检测算法提取图像中的边缘信息；
27、s32：纹理分析，应用灰度共生矩阵glcm分析图像的纹理特征。
28、作为本专利技术一种优选的：所述s31中，canny边缘检测步骤包括：应用高斯滤波器平滑图像、计算图像梯度幅值和方向、应用非极大值抑制、应用双阈值检测和连接边缘；
29、所述s32中，基于公式
30、，
31、分析图像的纹理特征；其中s是具有特定空间关系的像素对集合。
32、作为本专利技术一种优选的：所述s4中，计算厚度的具体步骤为：
33、s41：特征向量构建，将边缘和纹理特征组合成一个特征向量；
34、s42：神经网络训练，使用多层感知器作为神经网络模型，输入层接收特征向量，隐藏层包含20个神经元，输出层输出纺织物的预测厚度；激活函数选择relu，优化器选择adam，损失函数选择均方误差；
35、s43：厚度预测，将测试集的特征向量输入到训练好的神经网络中，得到纺织物的预测厚度。
36、作为本专利技术一种优选的：所述s5中，调整激光器参数的具体步骤为：
37、s51：根据预测厚度和目标厚度，计算功率调整量，，其中是比例常数；
38、s52：焦距调整，根据预测厚度，查询预先设定的焦距-厚度对照表，得到对应的焦距值；
39、s53：参数更新，将计算出的功率和焦距值更新到激光器的控制系统中，完成参数调整。
40、作为本专利技术一种优选的：所述控制系统包括自适应调整机制，自适应调整机制具体为：
41、实时反馈调整，实施闭环控制系统，根据实时测量结果动态调整激光器参数；使用pid控制算法计算所需的调整量，以快速达到目标厚度。
42、作为本专利技术一种优选的：所述实时反馈调整的pid控制算法的总输出是比例、积分、微分三项的线性组合，计算公式为：
43、。
44、本专利技术的有益效果为：
45、1.本专利技术通过结合高分辨率图像采集和智能算法，本专利技术能够以高精确度识别纺织物的厚度。利用图像处理技术和神经网络模型，系统能够从细微的纹理和边缘特征中学习并预测纺织物的厚度，从而实现对生产过程的精细控制。
46、2.本专利技术本专利技术采用闭环控制系统和pid控制算法，能够根据实时测量结果动态调整激光器的参数。这种自适应调整机制不仅提高了系统的响应速度和稳定性，还能够在各种环境条件下保持高性能，确保输出的一致性和可靠性。
本文档来自技高网...【技术保护点】
1.一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，包括：
2.根据权利要求1所述的一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，所述S1中，采集纺织物图像的具体步骤为：
3.根据权利要求1所述的一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，所述S2中，预处理图像的具体步骤为：
4.根据权利要求3所述的一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，所述S21中，基于公式，将彩色图像转换为灰度图像；
5.根据权利要求1所述的一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，所述S3中，提取特征的具体步骤为：
6.根据权利要求5所述的一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，所述S31中，Canny边缘检测步骤包括：应用高斯滤波器平滑图像、计算图像梯度幅值和方向、应用非极大值抑制、应用双阈值检测和连接边缘；
7.根据权利要求1所述的一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，所述S4中，计算厚度的具体步骤为：
8.根据权利要求1所述
9.根据权利要求1-8任一项所述的一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，所述控制系统（1）包括自适应调整机制，自适应调整机制具体为：
10.根据权利要求9所述的一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，所述实时反馈调整的PID控制算法的总输出是比例、积分、微分三项的线性组合，计算公式为：
...【技术特征摘要】
1.一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，包括：
2.根据权利要求1所述的一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，所述s1中，采集纺织物图像的具体步骤为：
3.根据权利要求1所述的一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，所述s2中，预处理图像的具体步骤为：
4.根据权利要求3所述的一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，所述s21中，基于公式，将彩色图像转换为灰度图像；
5.根据权利要求1所述的一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，所述s3中，提取特征的具体步骤为：
6.根据权利要求5所述的一种可用于识别、控制纺织物厚度的激光器模组，其特征在于，所述s31中，canny边...
【专利技术属性】
技术研发人员：何大祺，王锦烨，何同辉，
申请(专利权)人：杭州畅博视讯科技有限公司，
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。