[发明专利]一种基于人工智能的纺织过程自适应清棉系统

说明书

本发明涉及计算机视觉技术领域，尤其涉及一种基于人工智能的纺织过程自适应清棉系统，包括数据采集模块、图像分析模块、声音信号检测模块、开松度估计模块以及除杂参数调整模块，解决了现有的清棉机除杂主要由工作人员根据经验调整除杂因素，除杂效果较差，且浪费资源的问题。本发明利用通过棉花的边缘以及纹理特征得到的声音信号三维矩阵，得到了清棉机的最优除杂参数，保证了棉花加工质量；本发明实现了清棉的智能化控制，无需人工调整除杂参数，进一步保证了产品质量，提高了纺织效率，可靠性高；本发明利用神经网络实现的清棉系统，清杂效果优，且成本低，适用范围广。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于人工智能的纺织过程自适应清棉系统。

背景技术

开清棉工序是纺纱工艺过程的第一道工艺，其任务和目的是对原棉进行开松，除杂等，若是原棉开松的越好，除杂越彻底，则混和也愈均匀。由于棉花中含有棉籽、碎叶等杂质，因此，在进行梳棉之前一般需要对其除杂，若除杂不净，则容易造成梳棉设备的损坏。

目前，现有技术多采用清棉机进行除杂，其除杂效果受打手速度、尘棒安装角度以及打手与尘棒的间隔等因素的影响，而这些因素通常由工作人员根据经验进行调整，这种方式容易导致杂质清理不彻底，除杂效果较差，从而影响产品的生产质量。

发明内容

本发明提供一种基于人工智能的纺织过程自适应清棉系统，解决的技术问题是，现有的清棉机除杂主要由工作人员根据经验调整除杂参数，除杂效果较差，且浪费资源。

为解决以上技术问题，本发明提供了一种基于人工智能的纺织过程自适应清棉系统，包括数据采集模块，还包括依次连接的图像分析模块、声音信号检测模块、开松度估计模块以及除杂参数调整模块；

所述图像分析模块，用于根据采集到的左、右侧原棉图像在预设窗口的边缘点特征以及纹理特征，构建边缘点比例矩阵以及纹理熵矩阵；利用所述边缘点比例矩阵以及所述纹理熵矩阵，获取复杂度权重矩阵；还用于将所述左、右侧原棉图像输入三维重建网络，以得到棉花三维矩阵；

所述声音信号检测模块，用于获取所述棉花三维矩阵中各未知点与若干最近邻固定点之间的距离以及棉花点数，根据所述距离得到距离系数序列，根据棉花点数以及所述复杂度权重矩阵得到阻碍系数序列，根据所述距离系数序列、所述阻碍系数序列以及采集到的声音数据，得到各所述未知点的声音信号值，根据所述声音信号值构建声音信号三维标注矩阵；

所述开松度估计模块，用于利用所述声音信号三维标注矩阵训练声音矩阵构建网络，获取声音信号三维矩阵，并基于第一神经网络，根据所述声音信号三维矩阵得到开松度量化指标；

所述除杂参数调整模块，用于基于第二神经网络，根据采集到的原棉重量、所述开松度量化指标以及除杂参数序列得到最优除杂参数，并调整清棉机。

进一步地，所述基于第一神经网络，根据所述声音信号三维矩阵得到开松度量化指标，具体为：

将所述声音信号三维矩阵输入第一神经网络，同时利用所述原棉重量，得到原棉特征向量；

根据所述原棉特征向量以及存储的原棉标准特征向量，得到特征相似度序列；

根据所述特征相似度序列，得到开松度量化指标。

进一步地，所述数据采集模块，用于部署数据采集装置，并通过所述数据采集装置获取原棉数据；

所述原棉数据包括所述左侧原棉图像、所述右侧原棉图像、所述声音数据以及所述原棉重量。

进一步地，所述未知点包括所述棉花三维矩阵中除所述固定点外的所有点。

更进一步地，所述声音数据包括声音强度数据以及声音频率数据；

所述声音信号值包括声音强度信号值以及声音频率信号值；