一种生活用纸表面粗糙度测量方法及装置制造方法及图纸

本发明专利技术公开了一种生活用纸表面粗糙度测量方法，包括：获取待测生活用纸的原始数据，并采用检测异常值方法对原始数据进行预处理，得到预处理数据；根据控制变量法以及相关性分析法对生活用纸表面粗糙度的影响因素进行筛选，得到最大影响因素；建立基于梯度增强回归树模型的生活用纸表面粗糙度测量模型；根据预设的参数对生活用纸表面粗糙度测量模型进行调参，得到最优生活表面粗糙度测量模型；将最大影响因素以及预处理数据输入到最优生活表面粗糙度测量模型中，得到待测生活用纸表面的粗糙度。本发明专利技术提供的一种生活用纸表面粗糙度测量方法，能够准确测量出生活用纸表面粗糙度，有利于提高生活用纸的使用效率。

A method and device for measuring surface roughness of household paper

【技术实现步骤摘要】
一种生活用纸表面粗糙度测量方法及装置
本专利技术涉及机器学习
，尤其涉及一种生活用纸表面粗糙度测量方法及装置。
技术介绍
生活用纸的生产是一个复杂的过程。生活用纸的生产主要分为四个子过程：成型、脱水、起皱和卷取。打好的纸浆从流浆箱喷出，进入毛毯，在成型部初步脱水后，进入干燥部，在干燥部进一步脱水。湿纸幅进入干燥部之后，经过压榨初步脱水之后，与杨克烘缸接触干燥。杨克烘缸表面预先涂有一层特殊的化学试剂，粘缸剂和剥离剂，涂层喷嘴将干部化学试剂喷在杨克烘缸上面，形成一层化学保护层。内部蒸汽加热杨克烘缸表面，热量通过杨克烘缸将纸面的水分带走，纸张的水分剩下5％左右。当纸幅达到烘缸的另一端时，起皱刮刀与烘缸表面的纸张相接触，使纸幅与烘缸表面相脱离，于此同时纸幅与刮刀产生剧烈的相互作用，使纸张发生褶皱，起皱过程中，纤维网络发生破坏，导致纸幅收缩，提高纸张的拉伸性能，增加纸张的松厚度、柔软性和吸水性。目前，现有的生活用纸表面粗糙度测量方法无法准确测量生活用纸的表面粗糙度，无法测量出符合要求的生活用纸以进一步加工成各种产品，从而无法提高生活用纸的使用效率。
技术实现思路
本专利技术实施例提供的一种生活用纸表面粗糙度测量方法及装置，能够准确测量出生活用纸表面粗糙度，从而有利于测量出符合要求的生活用纸以进一步加工成各种产品，有利于提高生活用纸的使用效率。一方面，本专利技术的一个实施例提供了一种生活用纸表面粗糙度测量方法，包括：获取待测生活用纸的原始数据，并采用检测异常值方法对所述原始数据进行预处理，得到预处理数据；根据控制变量法以及相关性分析法对生活用纸表面粗糙度的影响因素进行筛选，得到最大影响因素；建立基于梯度增强回归树模型的生活用纸表面粗糙度测量模型；根据预设的参数对所述生活用纸表面粗糙度测量模型进行调参，得到最优生活表面粗糙度测量模型；将所述最大影响因素以及预处理数据输入到所述最优生活表面粗糙度测量模型中，得到待测生活用纸表面的粗糙度。进一步地，所述获取待测生活用纸的原始数据，具体为：采用生活用纸皱纹质量分析仪对待测生活用纸进行测量，得到所述待测生活用纸的原始数据，所述原始数据包括生活用纸的表面粗糙度、皱纹深度和皱纹频率。进一步地，所述采用检测异常值方法对所述原始数据进行预处理，得到预处理数据，具体为：采用3σ检验方法检测所述原始数据的异常值，删除所述异常值后得到预处理数据。进一步地，所述生活用纸表面粗糙度的影响因素包括纤维原料的选择、配比、打浆，烘缸表面状态，化学品，刮刀参数和状态以及纸机的运行状态；所述根据控制变量法以及相关性分析法对生活用纸表面粗糙度的影响因素进行筛选，得到最大影响因素，具体为：保持其他的影响因素不变，根据控制变量法逐一探究每个因素对生活用纸粗糙度的影响，得到预设数量的对生活用纸粗糙度影响最大的影响因素，记为第一影响因素；根据相关性分析法判断所述第一影响因素对生活用纸粗糙度的影响，得到第二预设数量的最大影响因素。进一步地，所述建立基于梯度增强回归树模型的生活用纸表面粗糙度测量模型，具体为：选取预设比例数量的预处理数据作为数据集；根据所述数据集的损失函数，对梯度增强回归树模型进行初始化得到初始化模型；根据所述初始化模型计算得到所述损失函数的负梯度值，并将所述负梯度值作为残差的估计值；根据所述残差的估计值生成对应的回归树，计算第M棵树的梯度下降步长；根据所述梯度下降步长以及学习效率更新初始化模型，建立基于梯度增强回归树模型的生活用纸表面粗糙度测量模型。进一步地，所述预设的参数包括学习率、树的深度和迭代次数；所述根据预设的参数对所述生活用纸表面粗糙度测量模型进行调参，得到最优生活表面粗糙度测量模型，具体为：将所述数据集划分成预设数量的子集；对每一子集进行测试，并将所选子集的其余子集作为训练集，完成预设数量的测试与训练；根据数据集样本量的大小确定迭代次数和学习率的取值范围，采用不同数值树的深度进行训练和测试，获取预设数量测试结果误差最小的树的深度作为备选深度；根据所述备选深度调整学习率和迭代数，直至所述生活用纸表面粗糙度测量模型的精度无法再提高，得到最优的生活用纸表面粗糙度测量模型。另一方面，本专利技术的另一实施例提供了一种生活用纸表面粗糙度测量装置，包括预处理模块、筛选模块、模型建立模块、调参模块和测量模块；所述预处理模块，用于获取待测生活用纸的原始数据，并采用检测异常值方法对所述原始数据进行预处理，得到预处理数据；所述筛选模块，用于根据控制变量法以及相关性分析法对生活用纸表面粗糙度的影响因素进行筛选，得到最大影响因素；所述模型建立模块，用于建立基于梯度增强回归树模型的生活用纸表面粗糙度测量模型；所述调参模块，用于根据预设的参数对所述生活用纸表面粗糙度测量模型进行调参，得到最优生活表面粗糙度测量模型；所述测量模块，用于将所述最大影响因素以及预处理数据输入到所述最优生活表面粗糙度测量模型中，得到待测生活用纸表面的粗糙度。进一步地，所述筛选模块，具体用于保持其他的影响因素不变，根据控制变量法逐一探究每个因素对生活用纸粗糙度的影响，得到预设数量的对生活用纸粗糙度影响最大的影响因素，记为第一影响因素；根据相关性分析法判断所述第一影响因素对生活用纸粗糙度的影响，得到第二预设数量的最大影响因素。进一步地，所述模型建立模块，包括选取单元、初始化单元、第一计算单元、第二计算单元和模型更新单元；所述选取单元，用于选取预设比例数量的预处理数据作为数据集；所述初始化单元，用于根据所述数据集的损失函数，对梯度增强回归树模型进行初始化得到初始化模型；所述第一计算单元根据所述初始化模型计算得到所述损失函数的负梯度值，并将所述负梯度值作为残差的估计值；所述第二计算单元，用于根据所述残差的估计值生成对应的回归树，计算第M棵树的梯度下降步长；所述模型更新单元，用于根据所述梯度下降步长以及学习效率更新初始化模型，建立基于梯度增强回归树模型的生活用纸表面粗糙度测量模型。进一步地，所述预设的参数包括学习率、树的深度和迭代次数；所述调参模块包括划分单元、测试与训练单元、获取单元和调整单元；所述划分单元，用于将所述数据集划分成预设数量的子集；所述测试与训练单元，用于对每一子集进行测试，并将所选子集的其余子集作为训练集，完成预设数量的测试与训练；所述获取单元，用于根据数据集样本量的大小确定迭代次数和学习率的取值范围，采用不同数值树的深度进行训练和测试，获取测试结果误差最小的树的深度作为备选深度；所述调整单元，用于根据所述备选深度调整学习率和迭代数，直至所述生活用纸表面粗糙度测量模型的精度无法再提高，得到最优的生活用纸表面粗糙度测量模型。本专利技术实施例提供的一种生活用纸表面粗糙度测量方法，能够准确测量出生活用纸表面粗糙度，从而本文档来自技高网...

【技术保护点】
1.一种生活用纸表面粗糙度测量方法，其特征在于，包括：/n获取待测生活用纸的原始数据，并采用检测异常值方法对所述原始数据进行预处理，得到预处理数据；/n根据控制变量法以及相关性分析法对生活用纸表面粗糙度的影响因素进行筛选，得到最大影响因素；/n建立基于梯度增强回归树模型的生活用纸表面粗糙度测量模型；/n根据预设的参数对所述生活用纸表面粗糙度测量模型进行调参，得到最优生活表面粗糙度测量模型；/n将所述最大影响因素以及预处理数据输入到所述最优生活表面粗糙度测量模型中，得到待测生活用纸表面的粗糙度。/n

【技术特征摘要】
1.一种生活用纸表面粗糙度测量方法，其特征在于，包括：
获取待测生活用纸的原始数据，并采用检测异常值方法对所述原始数据进行预处理，得到预处理数据；
根据控制变量法以及相关性分析法对生活用纸表面粗糙度的影响因素进行筛选，得到最大影响因素；
建立基于梯度增强回归树模型的生活用纸表面粗糙度测量模型；
根据预设的参数对所述生活用纸表面粗糙度测量模型进行调参，得到最优生活表面粗糙度测量模型；
将所述最大影响因素以及预处理数据输入到所述最优生活表面粗糙度测量模型中，得到待测生活用纸表面的粗糙度。


2.如权利要求1所述的生活用纸表面粗糙度测量方法，其特征在于，所述获取待测生活用纸的原始数据，具体为：
采用生活用纸皱纹质量分析仪对待测生活用纸进行测量，得到所述待测生活用纸的原始数据，所述原始数据包括生活用纸的表面粗糙度、皱纹深度和皱纹频率。


3.如权利要求1所述的生活用纸表面粗糙度测量方法，其特征在于，所述采用检测异常值方法对所述原始数据进行预处理，得到预处理数据，具体为：
采用3σ检验方法检测所述原始数据的异常值，删除所述异常值后得到预处理数据。


4.如权利要求1所述的生活用纸表面粗糙度测量方法，其特征在于，所述根据控制变量法以及相关性分析法对生活用纸表面粗糙度的影响因素进行筛选，得到最大影响因素，具体为：
保持其他的影响因素不变，根据控制变量法逐一探究每个因素对生活用纸粗糙度的影响，得到预设数量的对生活用纸粗糙度影响最大的影响因素，记为第一影响因素；
根据相关性分析法判断所述第一影响因素对生活用纸粗糙度的影响，得到第二预设数量的最大影响因素。


5.如权利要求1所述的生活用纸表面粗糙度测量方法，其特征在于，所述建立基于梯度增强回归树模型的生活用纸表面粗糙度测量模型，具体为：
选取预设比例数量的预处理数据作为数据集；
根据所述数据集的损失函数，对梯度增强回归树模型进行初始化得到初始化模型；
根据所述初始化模型计算得到所述损失函数的负梯度值，并将所述负梯度值作为残差的估计值；
根据所述残差的估计值生成对应的回归树，计算第M棵树的梯度下降步长；
根据所述梯度下降步长以及学习效率更新初始化模型，建立基于梯度增强回归树模型的生活用纸表面粗糙度测量模型。


6.如权利要求5所述的生活用纸表面粗糙度测量方法，其特征在于，所述预设的参数包括学习率、树的深度和迭代次数；所述根据预设的参数对所述生活用纸表面粗糙度测量模型进行调参，得到最优生活表面粗糙度测量模型，具体为：
将所述数据集划分成预设数量的子集；
对每一子集进行测试，并将所选子集的其余子集作为训练集，完成预设数量的测试与训练；
根据数据集样本量的大小确定迭代次数和学习率的取值范围，采用不同数值树的深度进行训练和测试，获取预设数量测试结果误差最小的树的深度作为备选深...

【专利技术属性】
技术研发人员：洪蒙纳，李继庚，张冬启，蔡杰焕，
申请(专利权)人：广州博依特智能信息科技有限公司，
类型：发明
国别省市：广东;44