[發明專利]一種基于人工智能的紡織過程自適應清棉系統

有效

• 申請號: 202011482523.6
• 申請日: 2020-12-16
• 公開（公告）號: CN112760756B
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 朱丹;張平;張霄蝶;陳童;馮培培
• 申請（專利權）人: 河南省紡織產品質量監督檢驗院
• 主分類號: D01G9/14
• 分類號: D01G9/14
• 代理公司: 鄭州芝麻知識產權代理事務所(普通合伙) 41173
• 代理人: 趙燕燕

1.一種基于人工智能的紡織過程自適應清棉系統，包括數據采集模塊，其特征在于：還包括依次連接的圖像分析模塊、聲音信號檢測模塊、開松度估計模塊以及除雜參數調整模塊；

所述圖像分析模塊，用于根據采集到的左、右側原棉圖像在預設窗口的邊緣點特征以及紋理特征，構建邊緣點比例矩陣以及紋理熵矩陣；利用所述邊緣點比例矩陣以及所述紋理熵矩陣，獲取復雜度權重矩陣；還用于將所述左、右側原棉圖像輸入三維重建網絡，以得到棉花三維矩陣；

所述聲音信號檢測模塊，用于獲取所述棉花三維矩陣中各未知點與若干最近鄰固定點之間的距離以及棉花點數，根據所述距離得到距離系數序列，根據棉花點數以及所述復雜度權重矩陣得到阻礙系數序列，根據所述距離系數序列、所述阻礙系數序列以及采集到的聲音數據，得到各所述未知點的聲音信號值，根據所述聲音信號值構建聲音信號三維標注矩陣；

所述開松度估計模塊，用于利用所述聲音信號三維標注矩陣訓練聲音矩陣構建網絡，獲取聲音信號三維矩陣，并基于第一神經網絡，根據所述聲音信號三維矩陣得到開松度量化指標；

所述除雜參數調整模塊，用于基于第二神經網絡，根據采集到的原棉重量、所述開松度量化指標以及除雜參數序列得到最優除雜參數，并調整清棉機；

所述基于第一神經網絡，根據所述聲音信號三維矩陣得到開松度量化指標，具體為：

將所述聲音信號三維矩陣輸入第一神經網絡，同時利用所述原棉重量，得到原棉特征向量；

根據所述原棉特征向量以及存儲的原棉標準特征向量，得到特征相似度序列；

根據所述特征相似度序列，得到開松度量化指標。

2.如權利要求1所述的一種基于人工智能的紡織過程自適應清棉系統，其特征在于，所述數據采集模塊，用于部署數據采集裝置，并通過所述數據采集裝置獲取原棉數據；

所述原棉數據包括所述左側原棉圖像、所述右側原棉圖像、所述聲音數據以及所述原棉重量。

3.如權利要求1所述的一種基于人工智能的紡織過程自適應清棉系統，其特征在于：所述未知點包括所述棉花三維矩陣中除固定點外的所有點。

4.如權利要求1所述的一種基于人工智能的紡織過程自適應清棉系統，其特征在于：所述聲音數據包括聲音強度數據以及聲音頻率數據；

所述聲音信號值包括聲音強度信號值以及聲音頻率信號值；

所述聲音信號三維標注矩陣包括聲音強度三維標注矩陣以及聲音頻率三維標注矩陣；

所述聲音信號三維矩陣包括聲音強度三維矩陣以及聲音頻率三維矩陣。

5.如權利要求4所述的一種基于人工智能的紡織過程自適應清棉系統，其特征在于：所述除雜參數序列包括塵棒安裝角度參數序列以及塵棒與打手間距參數序列。

6.如權利要求1所述的一種基于人工智能的紡織過程自適應清棉系統，其特征在于：所述最優除雜參數為所述第二神經網絡輸出的最小清棉重量對應的除雜參數。

7.如權利要求1所述的一種基于人工智能的紡織過程自適應清棉系統，其特征在于：所述邊緣點比例矩陣包括左側邊緣點比例矩陣以及右側邊緣點比例矩陣；

所述紋理熵矩陣包括左側紋理熵矩陣以及右側紋理熵矩陣。

8.如權利要求7所述的一種基于人工智能的紡織過程自適應清棉系統，其特征在于：所述獲取復雜度權重矩陣，具體為：

將所述左側邊緣點比例矩陣以及右側邊緣點比例矩陣輸入第一融合模型，得到邊緣點比例融合矩陣；

將所述左側紋理熵矩陣以及右側紋理熵矩陣輸入第二融合模型，得到紋理熵融合矩陣；

根據所述邊緣點比例融合矩陣以及所述紋理熵融合矩陣，構建復雜度權重矩陣。

9.如權利要求6所述的一種基于人工智能的紡織過程自適應清棉系統，其特征在于，所述三維重建網絡采用第一二維卷積編碼器-第一三維卷積解碼器基礎構架；

所述第一神經網絡為孿生網絡；

所述第二神經網絡為全連接網絡。