[發明專利]一種生活用紙表面粗糙度測量方法及裝置

有效

• 申請號: 201911135254.3
• 申請日: 2019-11-19
• 公開（公告）號: CN111027706B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 洪蒙納;李繼庚;張冬啟;蔡杰煥
• 申請（專利權）人: 廣州博依特智能信息科技有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06F30/20;G01B21/30
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;麥小嬋

1.一種生活用紙表面粗糙度測量方法，其特征在于，包括：

獲取待測生活用紙的原始數據，并采用檢測異常值方法對所述原始數據進行預處理，得到預處理數據；

根據控制變量法以及相關性分析法對生活用紙表面粗糙度的影響因素進行篩選，得到最大影響因素；

建立基于梯度增強回歸樹模型的生活用紙表面粗糙度測量模型；

根據預設的參數對所述生活用紙表面粗糙度測量模型進行調參，得到最優生活表面粗糙度測量模型；

將所述最大影響因素以及預處理數據輸入到所述最優生活表面粗糙度測量模型中，得到待測生活用紙表面的粗糙度。

2.如權利要求1所述的生活用紙表面粗糙度測量方法，其特征在于，所述獲取待測生活用紙的原始數據，具體為：

采用生活用紙皺紋質量分析儀對待測生活用紙進行測量，得到所述待測生活用紙的原始數據，所述原始數據包括生活用紙的表面粗糙度、皺紋深度和皺紋頻率。

3.如權利要求1所述的生活用紙表面粗糙度測量方法，其特征在于，所述采用檢測異常值方法對所述原始數據進行預處理，得到預處理數據，具體為：

采用3σ檢驗方法檢測所述原始數據的異常值，刪除所述異常值后得到預處理數據。

4.如權利要求1所述的生活用紙表面粗糙度測量方法，其特征在于，所述根據控制變量法以及相關性分析法對生活用紙表面粗糙度的影響因素進行篩選，得到最大影響因素，具體為：

保持其他的影響因素不變，根據控制變量法逐一探究每個因素對生活用紙粗糙度的影響，得到預設數量的對生活用紙粗糙度影響最大的影響因素，記為第一影響因素；

根據相關性分析法判斷所述第一影響因素對生活用紙粗糙度的影響，得到第二預設數量的最大影響因素。

5.如權利要求1所述的生活用紙表面粗糙度測量方法，其特征在于，所述建立基于梯度增強回歸樹模型的生活用紙表面粗糙度測量模型，具體為：

選取預設比例數量的預處理數據作為數據集；

根據所述數據集的損失函數，對梯度增強回歸樹模型進行初始化得到初始化模型；

根據所述初始化模型計算得到所述損失函數的負梯度值，并將所述負梯度值作為殘差的估計值；

根據所述殘差的估計值生成對應的回歸樹，計算第M棵樹的梯度下降步長；

根據所述梯度下降步長以及學習效率更新初始化模型，建立基于梯度增強回歸樹模型的生活用紙表面粗糙度測量模型。

6.如權利要求5所述的生活用紙表面粗糙度測量方法，其特征在于，所述預設的參數包括學習率、樹的深度和迭代次數；所述根據預設的參數對所述生活用紙表面粗糙度測量模型進行調參，得到最優生活表面粗糙度測量模型，具體為：

將所述數據集劃分成預設數量的子集；

對每一子集進行測試，并將所選子集的其余子集作為訓練集，完成預設數量的測試與訓練；

根據數據集樣本量的大小確定迭代次數和學習率的取值范圍，采用不同數值樹的深度進行訓練和測試，獲取預設數量測試結果誤差最小的樹的深度作為備選深度；

根據所述備選深度調整學習率和迭代數，直至所述生活用紙表面粗糙度測量模型的精度無法再提高，得到最優的生活用紙表面粗糙度測量模型。

7.一種生活用紙表面粗糙度測量裝置，其特征在于，包括預處理模塊、篩選模塊、模型建立模塊、調參模塊和測量模塊；

所述預處理模塊，用于獲取待測生活用紙的原始數據，并采用檢測異常值方法對所述原始數據進行預處理，得到預處理數據；

所述篩選模塊，用于根據控制變量法以及相關性分析法對生活用紙表面粗糙度的影響因素進行篩選，得到最大影響因素；

所述模型建立模塊，用于建立基于梯度增強回歸樹模型的生活用紙表面粗糙度測量模型；

所述調參模塊，用于根據預設的參數對所述生活用紙表面粗糙度測量模型進行調參，得到最優生活表面粗糙度測量模型；

所述測量模塊，用于將所述最大影響因素以及預處理數據輸入到所述最優生活表面粗糙度測量模型中，得到待測生活用紙表面的粗糙度。