[发明专利]基于反向传播神经网络的混合染液浓度检测方法

权利要求书

1.基于反向传播神经网络的混合染液浓度检测方法，其特征在于，首先利用工业相机采集混合染液的图像信息，然后对原始数据进行去噪和预处理，再训练反向传播神经网络模型，最终得到一个最优模型，用得到的模型预测混合染液的浓度。

2.根据权利要求1所述的基于反向传播神经网络的混合染液浓度检测方法，其特征在于，所述推荐方法具体包括以下步骤：

步骤1，参照生产实际，配置不同浓度的混合染液；

步骤2，利用工业相机采集步骤1中所有混合染液的图像信息，作为原始数据；

步骤3，对步骤2中获取到的原始数据进行去噪处理，得到去除噪声的数据；

步骤4，对步骤3中去除噪声的数据进行预处理，得到输入数据；

步骤5，将步骤4中的输入数据划分为训练数据、测试数据；

步骤6，利用步骤5中的训练数据，采用反向传播神经网络训练模型，利用测试数据检验模型的预测精度，经过多次模型训练，得到一个最优预测模型；

步骤7，利用步骤6得到的最优预测模型预测混合染液染料浓度。

3.根据权利要求2所述的基于反向传播神经网络的混合染液浓度检测方法；其特征在于，所述步骤1具体如下：

步骤1.1，根据现有配方，染料3BF、3RF、2GF分别配制10种浓度的母液，然后三种母液相互组合，生成100个不同的配比，该方法贴近生产中染液浓度的变化。

4.根据权利要求2所述的基于反向传播神经网络的混合染液浓度检测方法；其特征在于，所述步骤2具体如下：

步骤2.1，使用工业相机采集三组分混合染液的图像信息，不同染料对同一光的敏感度不同，在相同光下不同染料吸收光的量不同，所以采集图像信息时采用三种背光光源，R100,G100,B100，能保留更多有效信息；

步骤2.2，染液浓度不同混合染液的颜色不同，在拍照时浅颜色的染液需较短的曝光时间，深颜色的染液需要更长时间的曝光，在工业相机采集三组分混合染液的图像信息时设置从1千微秒到2万微秒9种(1000_μs，2500_μs，5000_μs，10000_μs，20000_μs，40000_μs，80000_μs，120000_μs，200000_μs)不同的曝光时间；

在每个背光光源条件和不同曝光度下都进行一次图像采集，将图像的曝光时间，图像的R、G、B值，染料的浓度作为原始数据。

5.根据权利要求2所述的基于反向传播神经网络的混合染液浓度检测方法；其特征在于，所述步骤3对步骤2中获取到的原始数据进行去噪处理，具体如下：

步骤3.1，去除无效数据，在采集图像时，浅颜色的混合染液长时间曝光测得的R、G、B值会失去价值，变为干扰项，所以去噪时先去除这些干扰项；

步骤3.2，因为是三组分混合溶液，同一数据对不同染料的预测效果不同，对某一染料浓度预测效果好的数据可能在空间分布上会聚在一起，先采用k均值聚类算法K-means对数据进行聚类，然后利用聚类后的某一类数据预测染液浓度，聚在一起的数据预测精度高，散乱分布的数据预测精度低。

6.根据权利要求2所述的基于反向传播神经网络的混合染液浓度检测方法；其特征在于，所述步骤4，对步骤3中去除噪声的数据进行预处理，具体步骤如下：

步骤4.1，统一原始数据的评价指标，对数据进行归一化处理，消除量纲和量纲单位对模型预测结果的影响；

步骤4.2，构造多项式输入，利用多项式扩展，将特征与特征之间进行融合，从而形成新的特征，在数学空间上将低维的数据映射到高维空间中，是特征工程的一种操作。