[發明專利]一種基于近紅外光譜的織物纖維成分在線檢測系統

在審

• 申請號: 202111298071.0
• 申請日: 2021-11-04
• 公開（公告）號: CN114136882A
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 池明旻
• 申請（專利權）人: 池明旻
• 主分類號: G01N21/01
• 分類號: G01N21/01;G01N21/359;G06N3/04;G06N3/08
• 代理公司: 深圳叁眾知識產權代理事務所(普通合伙) 44434
• 代理人: 宋鵬飛

本發明公開了一種基于近紅外光譜的織物纖維成分在線檢測系統，主要包括以下模塊：基于云的眾包平臺，數據采集標注模塊，成分檢測模塊，在線展示模塊；本發明通過建立基于云的眾包平臺，將數據采集標注模塊，成分檢測模塊，在線展示模塊有機結合起來，統一納入云平臺，解決以往數據流分散，混亂，目標性，時效性差的問題，實現對織物纖維成分的數據采集，標注分析，成分檢測，數據展示的全鏈路服務，具有顯著的方便易用、功能完整、服務易拓展等特點。

技術領域

本發明涉及一種基于近紅外光譜的織物纖維成分在線檢測系統，尤其是涉及一種基于云平臺的在線檢測系統。

背景技術

織物生產過程容易受到各種外界因素影響，這導致其成品的質量波動較大，需要進行嚴格的質量檢測。織物纖維成分分析分為兩個步驟：成分定性分析方法和成分定量分析方法。傳統的成分定性分析方法和定量分析方法好步驟多，耗時長，對技術人員要求高，成本較大，急需技術創新。

近來也有基于LSTM，RNN等深度神經網絡方法進行織物纖維成分分析的研究，但織物成分分析任務和一般的分類定性任務或回歸定量任務一樣，存在類別總數多，類間分布不均衡的問題。更進一步，織物成分分析任務還存在區別于一般分類回歸任務，存在多織物成分類組合，且同一多織物成分類組合，存在不同類別數據分布不均衡的問題，例如90％棉10％氨綸的織物生產數量就遠小于95％棉5％氨綸的織物生產數量。這個問題在混合成分類別數增加到三元組甚至四元組時更加明顯。不平衡的數據標簽分布在深度神經網絡模型訓練階段極大地誤導模型，使預測結果向對樣本數量多的首部類偏移，降低模型預測精準度。

發明內容

鑒于上述問題，提出了本發明實施例以便提供一種克服上述問題或者至少部分地解決上述問題的一種基于近紅外光譜的織物纖維成分在線檢測系統。

所述基于近紅外光譜的織物纖維成分在線檢測系統，將從數據采集開始到神經網絡模型預測多個原本分散的環節納入統一的框架，通過云平臺整合數據流通邏輯，實時根據數據庫現有數據分布與神經網絡模型預測歷史數據，調整數據采集策略，并通過眾包的方式，方便快捷地下發數據采集任務，解決數據分布不平衡問題。

所述基于近紅外光譜的織物纖維成分在線檢測系統，主要包括以下模塊：基于云的眾包平臺，數據采集標注模塊，成分檢測模塊，在線展示模塊。

所述基于云的眾包平臺用于存儲，校驗，分析數據，接收，轉發推理任務，管理眾包任務；

所述數據采集標注模塊用于采集與標注織物纖維成分近紅外光譜數據，接收眾包任務；

所述成分檢測模塊用于預測織物纖維成分，根據新數據線上訓練模型；所述在線展示模塊用于展示數據集信息，眾包平臺信息，歷史推理信息，發布眾包任務。

優選地，所述基于云的眾包平臺還包括數據采集校驗方法，成分檢測模塊服務注冊方法，成分檢測請求轉發與負載均衡方法，數據分析方法。

優選地，所述數據采集校驗方法包括平滑對比校驗方法與離群點檢測方法。

所述規則平滑對比校驗方法針對采集過程中漏光，儀器過熱，操作不規范等誤差干擾引起的織物近紅外光譜數據異常波動，可視化表現為波形鋸齒的問題，使用Savitzky-Golay平滑降噪算法對光譜數據處理得到平滑后的織物近紅外光譜，對比原始數據若標準差大于一個閾值，則說明Savitzky-Golay平滑降噪算法對原始數據影響較大，即原始數據不夠平滑，鋸齒較多，采集過程中存在干擾需要重新采集。

所述離群點檢測方法指多個眾包采集員工采集的相同布匹樣品，若某一員工采集的數據與該布匹上傳數據均值的標準差大于一個閾值β，則說明可能采集到離群點，有誤差需要重新采集。將離群點數據剔除后重新計算數據均值，重復此過程，直到所有數據與均值的標準差均小于β。等到被要求重新采集的眾包員工將某布匹樣品數據重新采集上傳后，再次執行此過程。若此過程未能找出任一離群樣本，則所有該布匹上傳樣本統一通過離群點檢測。