基于人工智能的纺织毛刷辊划伤皮革区域检测方法技术

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的纺织毛刷辊划伤皮革区域检测方法。该方法基于带有相机的磨毛工艺设备，获取其皮料移动距离下皮革纹理图像的纹理强度评价值与由电机电流变化得到的低通信号和异常擦碰特征信号序以构成样本，利用多个样本获取未带相机的磨毛工艺设备的设备参数，根据设备参数判断未带相机的磨毛工艺设备是否出现皮革划伤。基于一个带有相机的磨毛工艺设备点的样本，结合其纹理强度、毛刷辊负载和皮料移动距离得到未带相机的磨毛工艺设备实现划伤检测的方法，以提高检测灵敏度，控制生产成本、增加良品率。本、增加良品率。本、增加良品率。

【技术实现步骤摘要】
基于人工智能的纺织毛刷辊划伤皮革区域检测方法


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的纺织毛刷辊划伤皮革区域检测方法。

技术介绍

[0002]纺织领域中，毛刷辊主要用于皮革的磨毛、抛光工艺，在上述工艺中，一些毛刷辊在高强度运行时会出现毛刷绞缠、脱落问题，进而划伤皮革的情况。
[0003]纺织工艺中，抛光、磨毛设备一般是小型的分布式多个机器，若直接对每个机器进行划伤的校准，需要耗费较大的人力物力。目前校准的方式主要以防止电机负载过大为主，由于毛刷辊在打磨过程中毛刷辊自身制造和一些安装导致的偏心问题，使得皮革出现划伤现象，因此在运行过程做若直接判断负载是否增大会导致判断失效，因此直接给定一个负载阈值的方法会降低检测的灵敏度，降低良品率。
[0004]此外，基于图像检测的方法可以有效地检测皮革划伤的纹理，而该方法的成本较高，对于分布式多个机器来说，该方式显著提高了生产成本。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能的纺织毛刷辊划伤皮革区域检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的纺织毛刷辊划伤皮革区域检测方法，其特征在于，该方法包括：基于带有相机的磨毛工艺设备，获取皮料移动距离下的皮革纹理图像和电机电流序列；对所述电机电流序列进行中值滤波得到低通信号；由所述电机电流序列得到对应的异常擦碰特征信号序列；基于Sobel算子获取所述皮革纹理图像的纹理强度评价值，将所述皮料移动距离、所述低通信号、所述异常擦碰特征信号序列和所述纹理强度评价值构成一个样本，由不同的所述皮料移动距离得到多个所述样本；利用所述样本中的所述纹理强度评价值和所述异常擦碰特征信号序列得到每个所述样本对应的异常评价系数；基于所述异常评价系数获取所述样本中的目标样本，所述目标样本包括正常样本和异常样本；以所述皮料移动距离、所述低通信号、所述异常擦碰特征信号序列构建每个所述目标样本的特征向量；基于所述特征向量训练孪生网络；利用所述孪生网络和未带相机的磨毛工艺设备的所述异常擦碰特征信号序列得到所述未带相机的磨毛工艺设备的设备参数，根据所述设备参数判断所述未带相机的磨毛工艺设备是否出现皮革划伤；所述基于所述特征向量训练孪生网络的方法，包括：基于所述特征向量中的所述皮料移动距离和所述皮料移动距离的分布区间得到所述目标样本的隶属度；由所述隶属度得到损失权重，利用所述损失权重、所述目标样本对应所述特征向量中的所述异常擦碰特征信号序列训练所述孪生网络；所述利用所述孪生网络和未带相机的磨毛工艺设备的所述异常擦碰特征信号序列得到所述未带相机的磨毛工艺设备的设备参数的方法，包括：分别将所述未带相机的磨毛工艺设备、所述正常样本和所述异常样本的所述异常擦碰特征信号序列输入所述孪生网络分别对应得到第一高维向量、第二高维向量和第三高维向量；结合所述第一高维向量、所述第二高维向量和每个所述正常样本的所述皮料移动距离得到所述未带相机的磨毛工艺设备的预测皮料移动距离，由所述预测皮料移动距离和对应的实际皮料移动距离得到预测偏移量；获取所述第一高维向量和所述第三高维向量之间的余弦相似度；结合所述余弦相似度...

【专利技术属性】
技术研发人员：陈泽斌，
申请(专利权)人：海门市芳华纺织有限公司，
类型：发明
国别省市：