[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

说明书

本发明公开了一种基于反向传播神经网络的混合染液浓度检测方法，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。基于反向传播神经网络的混合染液浓度检测方法可以从观测数据出发，寻找出尚不能通过理论分析得到的规律，所用的数据是混合染液的图像信息，数据采集对仪器的要求较低，可以更方便快捷的获取数据，通过构造模型实现对混合染液染料浓度的预测，从而达到改善印染产品品质、提高生产效率、实现节能减排的目的。

技术领域

本发明属于机器学习领域的一个重要方向，具体涉及一种基于反向传播神经网络的混合染液浓度检测方法。

背景技术

作为我国重要的民生产业和传统优势产业，纺织工业与人民的生活息息相关，是保障和满足人民群众不断增长的消费需求的重要支撑。纺织产品加工工序主要包括前处理、染色和后整理，其中染色过程基本上决定了纺织产品的质量，纺织品的染色效果是工艺水平的重要体现。纺织品的染色效果主要受染料的浓度、温度、染色时间、PH值等参数影响，而在所有参数中，染液浓度是纺织品染色效果的关键，对染液浓度进行检测和控制可以提升染色准确率，降低生产成本，提高生产效率，并且可以为染色残液的回收处理奠定基础。

目前国内外最常用的浓度检测方法是分光光度法，此方法以朗伯比尔定律为基础，利用吸光度与浓度之间的线性关系实现染液浓度的测量。但在生产中为了获得某一颜色常常需要两种或两种以上染料进行拼染，当两种染料颜色接近、光谱重叠严重、染料组分比较多，或者其中一个染料的浓度相对于其他组分很小的时候，常规的测定方法测定误差较大，而且对仪器的要求比较高，对波长精度的控制、吸光度值漂移、仪器稳定性等要求都比较严格。现有的化学计量法并不能达到印染行业实际要求的检测精度。

国家发改委在分析中国印染行业的现状及发展趋势后，明确提出“要用信息化和高新技术改造传统行业”，这既是印染行业发展的政策导向，也是印染机械行业发展的政策导向。由于机器学习拥有“自主学习”的能力，已经开始在多个领域尝试利用机器学习方法处理分类和回归问题，基于反向传播神经网络的混合染液浓度检测方法可以从观测数据出发，寻找出尚不能通过理论分析得到的规律，通过构造模型实现对混合染液染料浓度的预测，从而达到改善印染产品品质、提高生产效率、实现节能减排的目的。

综上所述，采用机器学习方法检测混合染液浓度对用信息化和高新技术改造传统行业有重要意义，本发明针对此种需求提出了一种基于反向传播神经网络的混合染液浓度检测方法。

发明内容

本发明目的是提供一种基于反向传播神经网络的混合染液浓度检测方法，解决了现有技术中存在的混合染液中燃料浓度测量误差大的问题，实现了对混合染液中染料浓度的准确测量，为混合染液浓度检测提供了新的方法，同时为染液浓度在线检测提供了新思路。

本发明所采用的方案是一种基于反向传播神经网络的混合染液浓度检测方法，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。

本发明的特点还在于，

步骤1具体如下：