[發明專利]一種纖維質量等級在線檢測系統及其應用

在審

• 申請號: 202011409720.5
• 申請日: 2020-12-03
• 公開（公告）號: CN112649391A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 金偉;黃士羅;劉政;牟穎
• 申請（專利權）人: 浙江大學
• 主分類號: G01N21/3563
• 分類號: G01N21/3563;G01N21/01;G06K9/62;G06N3/08;G06Q10/06
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 趙杭麗

1.一種纖維質量等級在線檢測系統，其特征在于，該由紅外光譜儀、光纖探頭、纖維或纖維線盤夾持及擺掃裝置、數據收集與處理裝置組成，其中：

所述紅外光譜儀用于采集樣品的透射或反射紅外光譜數據，并將其輸出至數據收集處理裝置；

所述光纖探頭用于采集樣品的透射或反射紅外光譜，并將其傳輸到紅外光譜儀；

所述纖維或纖維線盤夾持及擺掃裝置用于夾持纖維樣品，并在檢測時，與光纖探頭配合采集樣品表面不同位置的紅外光譜；

所述樣品收集與處理裝置用于收集樣品紅外光譜數據，形成數據庫，使用上述的纖維質量等級在線檢測方法對待測纖維產品數據進行質量檢測，并輸出質量判定結果；

通過紅外光譜儀與纖維或纖維線盤夾持及擺掃裝置協同作用采集纖維不同位置的紅外光譜，通過數據收集與處理裝置對光譜數據進行分析處理，實現對某種纖維的質量判定模型建模并完成纖維質量等級的判定。

2.一種纖維質量等級在線檢測方法，其特征在于，包括訓練步驟與檢測步驟，其中訓練步驟是指利用收集到的有質量等級標注的絲錠紅外(成像)光譜數據，使設計的分類器學會如何根據絲錠數據對絲錠進行質量等級劃分；檢測步驟是依照檢測步驟對纖維絲錠樣品進行快速質量檢測以及等級判定，是使用紅外(成像)光譜儀以相同方式采集待測纖維絲錠樣品的紅外光譜(成像)數據，并使用在訓練步驟中獲得的分類器對數據進行分級，從而獲得纖維絲錠最終的質量分級。

3.根據權利要求2所述的方法，其特征在于，具體通過以下步驟實現：

(1)訓練步驟：

S01：使用基于紅外(成像)光譜技術的檢測系統采集樣本絲錠光譜數據，并記錄其在纖維染判法下確定的等級，進行數據預處理；

S02：使用特征選取或特征提取算法提取關鍵特征；

S03：將樣本數據使用隨機算法隨機分為訓練組與驗證組，建立分類器模型，使用樣本絲錠數據建立纖維質量等級分類器，并用驗證組數據驗證模型精確度；

(2)檢測步驟：

S01：使用基于紅外(成像)光譜技術的檢測系統采集待測絲錠紅外(成像)光譜數據，并進行數據預處理。

S02：使用特征選取或特征提取算法提取待測數據關鍵特征。

S03：將采集得到的數據輸入訓練步驟中完成訓練的分類器中，獲得纖維絲錠的質量等級。

4.根據權利要求3所述的方法，其特征在于，所述訓練步驟中的S01中，使用基于紅外(成像)光譜技術的檢測系統對樣本的光譜數據進行采集，并對獲得的數據進行去中心化、標準化、求導等數據預處理。

5.根據權利要求3所述的方法，其特征在于，所述訓練步驟中的S02是最大化分類器性能的基礎，其提取數據的光譜信息與空間信息，并去除干擾信息，為分類器訓練提供原始數據，使用主成分分析、等距映射、費希爾判別分析方法對各個分級的絲錠數據進行特征提取或特征選取，以使用主成分分析為例：以最大方差思想計算獲取各個主成分，選取方差貢獻率超過99％的前若干個主成分作為特征信息，通過特征選取或特征提取操作，剔除了無關或干擾譜段，獲取了與纖維質量等級相關度較高的譜段，減少了光譜數據的數據計算量，提升后續機器學習算法的性能。

6.根據權利要求3所述的方法，其特征在于，所述訓練步驟中的S03對于纖維質量檢測效果有著直接的影響，其所用的分類器模型、訓練方法直接決定了分類器的分類效果，通過隨機算法將步驟S02獲得的數據分為訓練組與驗證組，使用訓練組絲錠的數據及其質量等級作為訓練數據，使用支持向量機、人工神經網絡、深度神經網絡、隨機森林模型構造分類器，將訓練數據投入分類器中，使用核方法、梯度下降法進行參數學習，并使用驗證組測試分類器分類效果，防止過擬合或欠擬合；或在缺乏樣本標簽的情況下使用無監督聚類方法進行質量等級分類。

7.根據權利要求3所述的方法，其特征在于，所述檢測步驟S01中，使用與訓練步驟S01中相同的數據預處理算法。

8.根據權利要求3所述的方法，其特征在于，所述檢測步驟S02中，使用與訓練步驟S02中相同的特征選取或特征提取算法提取相同的特征。