[发明专利]用于清理操作的智能状态控制的神经网络的训练方法

说明书

本申请涉及智能制造领域下的智能操作状态控制，其具体地公开了一种用于清理操作的智能状态控制的神经网络的训练方法，其基于深度神经网络的计算机视觉方法通过提取线筒上的尾纱的图像特征，并基于该特征进行分类，从而确保在尾纱被清理的情况下停止砂轮机的工作。特别地，在训练过程中，在分类损失函数值基础上，结合获得的连续过程中的多个图像帧在高维图像特征空间中相对于标签真值的分布概率与最终状态的图像帧在高维图像特征空间中相对于标签真值的分布概率之差训练卷积神经网络，以提高分类准确性。

技术领域

本发明涉及智能制造领域下的智能操作状态控制，且更为具体地，涉及一种用于清理操作的智能状态控制的神经网络的训练方法、基于深度神经网络的智能除纱控制方法、用于清理操作的智能状态控制的神经网络的训练系统、基于深度神经网络的智能除纱控制系统和电子设备。

背景技术

纺纱是将用于纺织的纤维原材料经过多次加工制成纱线，并且收卷在线筒上，便于后续借助纺织设备将其编织成布料。由于纺织工厂对纱线的需求量非常大，而线筒是纺线的载体，因此对线筒的使用量也非常大。在纺纱和编织的过程中，线筒上缠绕的最后几层尾纱并不能完全使用，否则会出现纱线难以衔接的问题，因此线筒仅剩最后几层尾纱时，会及时更换线筒。而对于残留有尾纱的线筒，为了节约资源并且降低成本，需要会对线筒进行清理，以便循环使用。目前通常是由工作人员手动操作砂轮机对线筒进行除纱，但是手动操作可能会存在操作危险性，存在一定的安全隐患，并且工作效率低下。

目前，已经开发了自动除纱设备，用于控制线筒与砂轮机之间的相对移动来对进行除纱，但是为了避免对线筒造成损坏，通常还需要由人工来控制砂轮机，使得砂轮机既可以清除线筒上的尾纱，又不至于损坏线筒。但是，这种方式仍然需要人工进行控制，一方面提高了人力成本，另一方面也存在操作精确性方面的问题。

因此，期待一种能够智能控制砂轮机的开关的技术方案。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

深度学习以及神经网络的发展为智能控制砂轮机的开关提供了新的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于清理操作的智能状态控制的神经网络的训练方法、基于深度神经网络的智能除纱控制方法、用于清理操作的智能状态控制的神经网络的训练系统、基于深度神经网络的智能除纱控制系统和电子设备，其基于深度神经网络的计算机视觉方法通过提取线筒上的尾纱的图像特征，并基于该特征进行分类，从而确保在尾纱被清理的情况下停止砂轮机的工作。特别地，在训练过程中，在分类损失函数值基础上，结合获得的连续过程中的多个图像帧在高维图像特征空间中相对于标签真值的分布概率与最终状态的图像帧在高维图像特征空间中相对于标签真值的分布概率之差训练卷积神经网络，以提高分类准确性。

根据本申请的一个方面，提供了一种用于清理操作的智能状态控制的神经网络的训练方法，其包括：

获取砂轮机在去除线筒的尾砂的过程中的多个线筒图像并将所述多个线筒图像按照时间序列进行排布以获得线筒图像序列；

将所述线筒图像序列中每个所述线筒图像通过深度卷积神经网络，以获得特征图序列；

将所述特征图序列中所有特征图进行相乘，以获得连续特征图；

提取所述特征图序列中时间最晚的最后特征图；

将所述连续特征图和所述最后特征图分别通过预分类器，以获得所述连续特征图和所述最后特征图分别归属于标签真值的第一概率值和第二概率值；

计算所述第一概率值和第二概率值之差作为连续分布概率损失函数值；

将所述最后特征图通过分类器，以获得分类损失函数值；以及