随光强弱变色的面料的智能化生产系统及其方法技术方案

一种随光强弱变色的面料的智能化生产系统及其方法，其获取在预定光照强度的光线照射下的光致变色纺丝在不同拍摄视角下的多个局部视角检测图像；采用基于深度学习的人工智能技术，挖掘各个局部视角图像中关于聚乙烯复合材料涂覆于纺丝的均匀性隐含关联特征信息，基于均匀性隐含关联特征的一致性实现聚乙烯复合材料涂覆的均匀性检测评估。这样，可以对于聚乙烯复合材料涂覆于纺丝的均匀性进行准确检测，进而保证变色纺丝的涂覆均匀性，提高随光强弱变色的面料的生产质量。光强弱变色的面料的生产质量。光强弱变色的面料的生产质量。

【技术实现步骤摘要】
随光强弱变色的面料的智能化生产系统及其方法


[0001]本申请涉及智能化生产
，并且更具体地，涉及一种随光强弱变色的面料的智能化生产系统及其方法。

技术介绍

[0002]智能变色纺织品是一种具有特殊组成或结构，在受到光、热、水分或辐射等外界刺激后能做出响应，即可逆地改变颜色的纺织品。变色材料进行微胶囊包覆，通过树脂均匀涂在基布上，在特定的温度下它的颜色会发生改变，根据环境温度的变化就能使基布显色或退色。
[0003]变色材料的颜色能够随外界环境的变化而发生可逆变化，既能满足现代消费者希望服装的色彩富于变化的消费心态，还可以制作成有安全警戒作用的纺织品。然而，这种特殊的面料由于成本过高，手感较硬等因素还未在家纺面料中使用。
[0004]因此，期望一种优化的随光强弱变色的面料的智能化生产系统。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种随光强弱变色的面料的智能化生产系统及其方法，其获取在预定光照强度的光线照射下的光致变色纺丝在不同拍摄视角下的多个局部视角检测图像；采用基于深度学习的人工智能技术，挖掘各个局部视角图像中关于聚乙烯复合材料涂覆于纺丝的均匀性隐含关联特征信息，基于均匀性隐含关联特征的一致性实现聚乙烯复合材料涂覆的均匀性检测评估。这样，可以对于聚乙烯复合材料涂覆于纺丝的均匀性进行准确检测，进而保证变色纺丝的涂覆均匀性，提高随光强弱变色的面料的生产质量。
[0006]第一方面，提供了一种随光强弱变色的面料的智能化生产系统，其包括：
[0007]纺丝图像采集模块，用于获取在预定光照强度的光线照射下的光致变色纺丝在不同拍摄视角下的多个局部视角检测图像；
[0008]视角图像特征提取模块，用于将所述多个局部视角检测图像通过作为特征提取器的卷积神经网络模型以得到多个局部视角检测特征矩阵；
[0009]一致性编码模块，用于将所述多个局部视角检测特征矩阵输入基于深度神经网络模型的视角间一致性编码器以得到全局一致性特征向量；
[0010]差异性编码模块，用于计算所述多个局部视角检测特征矩阵中每两个局部视角检测特征矩阵之间的余弦距离以得到由多个余弦距离构成的视角间差异特征向量；
[0011]特征融合模块，用于融合所述全局一致性特征向量和所述视角间差异特征向量以得到分类特征向量；
[0012]特征优化模块，用于基于所述全局一致性特征向量和所述视角间差异特征向量，对所述分类特征向量进行特征分布优化以得到优化分类特征向量；
[0013]均匀性检测模块，用于将所述优化分类特征向量通过分类器以得到分类结果，所
述分类结果用于表示聚乙烯复合材料涂覆于纺丝的均匀性是否符合预定要求。
[0014]在上述随光强弱变色的面料的智能化生产系统中，所述视角图像特征提取模块，用于：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行卷积处理、沿通道维度的池化处理和非线性激活处理以由所述作为特征提取器的卷积神经网络模型的最后一层的输出为所述多个局部视角检测特征矩阵，其中，所述作为特征提取器的卷积神经网络模型的第一层的输入为所述多个局部视角检测图像。
[0015]在上述随光强弱变色的面料的智能化生产系统中，所述视角间一致性编码器为由多个全连接层组成的深度全连接网络模型。
[0016]在上述随光强弱变色的面料的智能化生产系统中，所述差异性编码模块，用于以如下公式计算所述多个局部视角检测特征矩阵中每两个局部视角检测特征矩阵之间的余弦距离以得到由多个余弦距离构成的视角间差异特征向量；其中，所述公式为：
[0017][0018]其中，M
i
和M
j
表示所述多个局部视角检测特征矩阵中任意两个局部视角检测特征矩阵；M
ik
和M
jk
表示所述局部视角检测特征矩阵M
i
和M
j
中各个位置的特征值，d(x
i
，M
j
)表示所述多个局部视角检测特征矩阵中任意两个局部视角检测特征矩阵之间的余弦距离。
[0019]在上述随光强弱变色的面料的智能化生产系统中，所述特征融合模块，用于：以如下公式融合所述全局一致性特征向量和所述视角间差异特征向量以得到分类特征向量；其中，所述公式为：
[0020]V
s
＝λV
a
+βV
g
[0021]其中，V
s
表示所述分类特征向量，V
a
和V
g
表示所述全局一致性特征向量和所述视角间差异特征向量，“+”表示所述全局一致性特征向量和所述视角间差异特征向量相对应位置处的元素相加，λ和β表示用于控制所述全局一致性特征向量和所述视角间差异特征向量之间的平衡的加权参数。
[0022]在上述随光强弱变色的面料的智能化生产系统中，所述特征优化模块，包括：第一响应性融合单元，用于计算所述分类特征向量相对于所述全局一致性特征向量的非相干稀疏响应式融合以得到第一部分响应性融合特征向量；第二响应性融合单元，用于计算所述分类特征向量相对于所述视角间差异特征向量的非相干稀疏响应式融合以得到第二部分响应性融合特征向量；以及，计算单元，用于将所述第一部分响应性融合特征向量和所述第二部分响应性融合特征向量进行按位置点加以得到所述优化分类特征向量。
[0023]在上述随光强弱变色的面料的智能化生产系统中，所述第一响应性融合单元，用于：以如下公式计算所述分类特征向量相对于所述全局一致性特征向量的非相干稀疏响应式融合以得到所述第一部分响应性融合特征向量；其中，所述公式为：
[0024][0025]其中，V1、V
c
和V
c
′
分别表示所述全局一致性特征向量、所述分类特征向量和所述第一部分响应性融合特征向量，‖
·
‖1和‖
·
‖2分别表示向量的一范数和向量的二范数，L为向
量的长度，和
⊙
分别表示向量乘积和向量点乘，且所有向量均为行向量形式，(
·
)
T
表示向量的转置向量。
[0026]在上述随光强弱变色的面料的智能化生产系统中，所述第二响应性融合单元，用于：以如下公式计算所述分类特征向量相对于所述视角间差异特征向量的非相干稀疏响应式融合以得到所述第二部分响应性融合特征向量；其中，所述公式为：
[0027][0028]其中，V2、V
c
和V
c
″
分别表示所述视角间差异特征向量、所述分类特征向量和所述第二部分响应性融合特征向量，‖
·
‖1和‖
·
‖2分别表示向量的一范数和二范数，L为向量的长度，和
⊙
分别表示向量乘积和向量点乘，且所有向量均为行向量形式，(
·
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种随光强弱变色的面料的智能化生产系统，其特征在于，包括：纺丝图像采集模块，用于获取在预定光照强度的光线照射下的光致变色纺丝在不同拍摄视角下的多个局部视角检测图像；视角图像特征提取模块，用于将所述多个局部视角检测图像通过作为特征提取器的卷积神经网络模型以得到多个局部视角检测特征矩阵；一致性编码模块，用于将所述多个局部视角检测特征矩阵输入基于深度神经网络模型的视角间一致性编码器以得到全局一致性特征向量；差异性编码模块，用于计算所述多个局部视角检测特征矩阵中每两个局部视角检测特征矩阵之间的余弦距离以得到由多个余弦距离构成的视角间差异特征向量；特征融合模块，用于融合所述全局一致性特征向量和所述视角间差异特征向量以得到分类特征向量；特征优化模块，用于基于所述全局一致性特征向量和所述视角间差异特征向量，对所述分类特征向量进行特征分布优化以得到优化分类特征向量；以及均匀性检测模块，用于将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示聚乙烯复合材料涂覆于纺丝的均匀性是否符合预定要求。2.根据权利要求1所述的随光强弱变色的面料的智能化生产系统，其特征在于，所述视角图像特征提取模块，用于：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行卷积处理、沿通道维度的池化处理和非线性激活处理以由所述作为特征提取器的卷积神经网络模型的最后一层的输出为所述多个局部视角检测特征矩阵，其中，所述作为特征提取器的卷积神经网络模型的第一层的输入为所述多个局部视角检测图像。3.根据权利要求2所述的随光强弱变色的面料的智能化生产系统，其特征在于，所述视角间一致性编码器为由多个全连接层组成的深度全连接网络模型。4.根据权利要求3所述的随光强弱变色的面料的智能化生产系统，其特征在于，所述差异性编码模块，用于：以如下公式计算所述多个局部视角检测特征矩阵中每两个局部视角检测特征矩阵之间的余弦距离以得到由多个余弦距离构成的视角间差异特征向量；其中，所述公式为：其中，M
i
和M
j
表示所述多个局部视角检测特征矩阵中任意两个局部视角检测特征矩阵；M
ik
和M
jk
表示所述局部视角检测特征矩阵M
i
和M
j
中各个位置的特征值，d(M
i
,M
j
)表示所述多个局部视角检测特征矩阵中任意两个局部视角检测特征矩阵之间的余弦距离。5.根据权利要求4所述的随光强弱变色的面料的智能化生产系统，其特征在于，所述特征融合模块，用于：以如下公式融合所述全局一致性特征向量和所述视角间差异特征向量以得到分类特征向量；其中，所述公式为：V
s
＝λV
a
+βV
g
其中，V
s
表示所述分类特征向量，V
a
和V
g
表示所述全局一致性特征向量和所述视角间差
异特征向量，“+”表示所述全局一致性特征向量和所述视角间差异特征向量相对应位置处的元素相加，λ和β表示用于控制所述全局一致性特征向量和所述视角间差异特征向量之间的平衡的加权参数。6.根据权利要求5所述的随光强弱变色的面料的智能化生产系统，其特征在于，所述特征优化模块，包括：第一响应性融合单元，用于计算所述分类特征向量相对于所述全局一致性特征向量...

【专利技术属性】
技术研发人员：徐洪斌，吴子杰，杨嘉彬，林彬，
申请(专利权)人：浙江酷趣网络科技有限公司杭州分公司，
类型：发明
国别省市：