一种碳纤维卷线质量实时检测方法、装置及存储介质制造方法及图纸

本发明专利技术涉及机器视觉技术领域，具体涉及一种碳纤维卷线质量实时检测方法、装置及存储介质，所述实时检测方法包括：通过捕捉设备获取碳纤维在卷线过程的实时图像信息，所述实时图像信息至少包括柱面信息、端面信息和走带宽度信息；将实时图像信息输入机器视觉模型，提取图像特征信息；当图像特征信息符合预设判断阈值时，判定碳纤维卷线质量合格；当图像特征信息不符合预设判断阈值时，对碳纤维卷线设备进行调整。本发明专利技术提供的实时检测方法至少具有检测准确、全面、时效性高、抗干扰性强等优点。抗干扰性强等优点。抗干扰性强等优点。

【技术实现步骤摘要】
一种碳纤维卷线质量实时检测方法、装置及存储介质


[0001]本专利技术涉及机器视觉
，具体涉及一种碳纤维卷线质量实时检测方法、装置及存储介质。

技术介绍

[0002]碳纤维在生产制造过程中，常常需要进行卷线和放卷等操作。而在碳纤维卷线操作时，因其幅面较薄、具有一定幅面宽度，易导致卷线不均匀、薄厚存在差异等问题。常规的，一般通过人工筛查的方式进行排查；但是人工排查的方式，一方面工人重复性工作、易造成视觉疲劳，难以保证生产时效；另一方面人工排查的方式无法对卷线的纱锭四周进行覆盖式排查，极易产生漏检、滞后察觉等问题。

技术实现思路

[0003]本专利技术针对现有技术在碳纤维卷线检测时存在的人工消耗大、检测不全面、易漏检，以及无法满足生产时效的技术问题，提供了一种碳纤维卷线质量实时检测方法、装置及存储介质，具有检测准确、全面、时效性高等优点。
[0004]第一方面，本专利技术提供了一种碳纤维卷线质量实时检测方法，通过捕捉设备获取碳纤维在卷线过程的实时图像信息，所述实时图像信息至少包括柱面信息、端面信息和走带宽度信息；
[0005]将实时图像信息输入机器视觉模型，提取图像特征信息；
[0006]当图像特征信息符合预设判断阈值时，判定碳纤维卷线质量合格；当图像特征信息不符合预设判断阈值时，对碳纤维卷线设备进行调整。
[0007]具体的，在碳纤维进行卷线时，通过捕捉设备获取碳纤维在卷线过程中实时图像信息。捕捉设备选用若干高清摄像头和普通摄像头组成，设置在卷线的纱锭的端面、柱面等位置，对纱锭上进行卷线作业的碳纤维实时拍摄，并将拍摄的实时图像信息上传至机器视觉模型，以提取图像特征信息，并根据图像特征信息和预设判断阈值判断碳纤维卷线质量是否满足工艺需求。通过上述技术方案，本专利技术在机器视觉技术的支持下，通过对纱锭端面、柱面和走线宽度等维度信息的判别，实现对碳纤维卷线过程中全方位的监控，从而提升碳纤维卷线过程中的全面度和实时度。
[0008]在第一方面的又一可能的实施例，所述图像特征信息至少包括柱面特征、端面特征和走带宽带特征；相应的，所述预设判断阈值至少包括柱面阈值、端面阈值和走带宽度阈值；
[0009]仅在所述柱面特征、端面特征和走带宽度特征，均符合相应的所述柱面阈值、端面阈值和走带宽度阈值的判定时，判定碳纤维卷线质量合格。
[0010]具体的，本专利技术主要以碳纤维卷线过程中走带宽度的变化、柱面的变化和端面的变化，这三个维度作为主要检测判断的维度，当柱面特征、端面特征和走带宽度特征均满足相应的预判判断阈值时，判定碳纤维卷线质量合格，进而保证碳纤维卷线质量满足预期。
[0011]进一步的，所述走带宽度阈值是指走带轮廓的标准宽度；所述端面阈值是指碳纤维卷绕形成的圆柱体的标准端面圆形大小；所述柱面阈值是指柱面滚动过程中上一帧与下一帧的允许接受的最小动态差。
[0012]在一些可能的实施例，本专利技术还可以根据碳纤维卷线过程中的变化，对碳纤维卷线过程进行判断。实际上，柱面特征和端面特征的判断均基于已完成卷线的碳纤维状态的判别，而走带宽度特征的判断则基于待卷线的碳纤维状态的判别。因此，当发现柱面特征和端面特征不符合相应的柱面阈值和端面阈值时，采取停机操作，避免影响后面卷线的碳纤维卷线质量。对于走带宽度特征的判别，采用宽度上下限的方式进行，对于偶有的走带宽度波动，可进行预警操作，并适当调整设备卷线的速度和纱锭的对位方向。
[0013]在第一方面的又一可能的实施例，所述机器视觉模型为根据多个图像信息样本和所述图像信息样本对应的图像特征信息训练得到的模型，所述图像样本信息至少包括捕捉设备一次捕捉操作获取的柱面信息、端面信息和走带宽度信息。
[0014]具体的，机器视觉模型通过训练获得，并可根据实时图像信息自主进行学习，以此提高碳纤维卷线质量判定的准确性。
[0015]在第一方面的又一可能的实施例，所述机器视觉模型基于mobilevit transformer。
[0016]具体的，相较于常见的CNN(积卷神经网络)，mobilevit transformer具有更好的性能、更好的泛化能力和更好的鲁棒性。实际上，CNN具有局部感受野，在图像视觉任务上擅长捕捉细节特征，而对于全局特征捕捉能力不足，通常采用特征金字塔、空洞卷积等方式来弥补；而transformer模型将图像分割成不同大小的patches块，然后基于不同权重的注意力机制来计算视觉特征，善于捕捉视觉任务上的全局特征，具有更好的模型效果。
[0017]在第一方面的又一可能的实施例，在所述提取图像特征信息时，通过公式进行标签平滑处理。
[0018]具体的，标签平滑(Label Smoothing)是指在分类任务中，采用交叉熵损失时，将目标类别的one
‑
hot类型的hard label修改为soft label，可以一定程度上缓解模型的过拟合、提高模型的泛化能力。其中，表示经过平滑处理后的第表示经过平滑处理后的第k个标签值；y
k
表示原始的第k个标签值；α表示一个平滑参数，用于控制平滑的程度；K表示标签的总数。
[0019]进一步的，公式中α/K表示将平滑误差均匀地分配到所有标签上。公式的意义是对于每个真实标签，将其置信度从1减小到(1
‑
α)，同时将剩余的α平均分配到其他标签中，以达到减少过拟合的效果。
[0020]在第一方面的又一可能的实施例，在所述提取图像特征信息时，通过一阶动量和二阶动量加速模型收敛；
[0021]其中，一阶动量公式为m
t
＝β1*m
t
‑1+(1
‑
β1)*g
t
；
[0022]二阶动量公式为
[0023]具体的，本方法通过加速模型收敛，可以降低噪声的干扰，并通过权重衰减与正则化解耦，防止模型参数过拟合。易于理解的是，在原来优化算法实现时，如果采用参数正则化项时，在计算参数梯度时，耦合了正则化项的梯度信息，导致在计算梯度的一阶动量与二
阶动量时，与正则化项耦合严重；新的模型参数优化方式，不采用参数正则化的方式，直接在计算参数权重优化时，采用权重衰减的方式，可以使得收敛效果更好，训练更加稳定。
[0024]进一步的，一阶动量也称为梯度的指数加权平均(Exponentially Weighted Moving Average,EMA)，是指对梯度的历史信息进行指数加权平均，用来估计梯度的平均值，从而减小梯度的方差。其中，m
t
表示时刻t的一阶动量，g
t
表示时刻t的梯度，β1是指数加权平均的衰减率。
[0025]β1的取值在0.9
‑
0.99，越接近1表示越重视历史信息。
[0026]二阶动量，也称为梯度的平方的指数加权平均(Exponentially Weighted Moving Average of Squared Gradients本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种碳纤维卷线质量实时检测方法，其特征在于，所述实时检测方法包括：通过捕捉设备获取碳纤维在卷线过程的实时图像信息，所述实时图像信息至少包括柱面信息、端面信息和走带宽度信息；将实时图像信息输入机器视觉模型，提取图像特征信息；当图像特征信息符合预设判断阈值时，判定碳纤维卷线质量合格；当图像特征信息不符合预设判断阈值时，对碳纤维卷线设备进行调整。2.如权利要求1所述一种碳纤维卷线质量实时检测方法，其特征在于，所述图像特征信息至少包括柱面特征、端面特征和走带宽带特征；相应的，所述预设判断阈值至少包括柱面阈值、端面阈值和走带宽度阈值；仅在所述柱面特征、端面特征和走带宽度特征，均符合相应的所述柱面阈值、端面阈值和走带宽度阈值的判定时，判定碳纤维卷线质量合格。3.如权利要求1或2任一项所述一种碳纤维卷线质量实时检测方法，其特征在于，所述机器视觉模型为根据多个图像信息样本和所述图像信息样本对应的图像特征信息训练得到的模型，所述图像样本信息至少包括捕捉设备一次捕捉操作获取的柱面信息、端面信息和走带宽度信息。4.如权利要求3所述一种碳纤维卷线质量实时检测方法，其特征在于，所述机器视觉模型基于mobilevit transformer。5.如权利要求4所述一种碳纤维卷线质量实时检测方法，其特征在于，在所述提取图像特征信息时，通过公式进行标签平滑处理。6.如权利要求4所述一种碳纤维卷线质量实时检测方法，其特征...

【专利技术属性】
技术研发人员：乔荫春，苏桂珊，张永飞，王县生，闫鹏辉，张伟滨，
申请(专利权)人：广州赛奥碳纤维技术股份有限公司，
类型：发明
国别省市：