塑料颗粒的智能烘干系统及其方法技术方案

本申请涉及智能制备技术领域，其具体地公开了一种塑料颗粒的智能烘干系统及其方法，通过近红外线光谱仪采集多个预定时间点的塑料颗粒的近红外光谱图，根据近红外光谱图中与水相关的特定波长的红外线吸收峰的强度变化，来确定样品中的水分含量。在对原始光谱预处理后，利用卷积神经网络模型提取特定波长下的光谱图像中的特征信息，得到用于表示当前时间点是否停止烘干的分类结果，以此来控制烘干时间。该方案利用近红外光谱图这一非常敏感的工具来监测水分含量，可以更加准确地掌握塑料颗粒的烘干状态，从而有效控制烘干时间和水分含量，提高塑料颗粒的质量。提高塑料颗粒的质量。提高塑料颗粒的质量。

【技术实现步骤摘要】
塑料颗粒的智能烘干系统及其方法


[0001]本申请涉及智能制备
，且更为具体地，涉及一种塑料颗粒的智能烘干系统及其方法。

技术介绍

[0002]如果塑料颗粒中含有过多的水分，可能会导致颗粒表面出现水珠或气泡，降低颗粒的外观质量和机械强度，而且，水分还可能会导致产品变质和霉变，从而影响产品的品质和使用寿命。因此，在塑料颗粒的制备过程中，对塑料颗粒进行烘干是十分重要的一个环节。
[0003]在进行塑料颗粒烘干时，烘干温度和时间是关键因素。如果烘干温度设置过高或者烘干时间过长，会导致塑料颗粒过度烘干并且失去一定的稳定性，从而影响产品的性能，但如今市场上的塑料颗粒烘干设备大多只注重对温度的控制，而忽视了对时间的控制。
[0004]因此，期待一种塑料颗粒的智能烘干系统及其方法。

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塑料颗粒的智能烘干系统及其方法，通过近红外线光谱仪采集多个预定时间点的塑料颗粒的近红外光谱图，根据近红外光谱图中与水相关的特定波长的红外线吸收峰的强度变化，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种塑料颗粒的智能烘干系统，其特征在于，包括：光谱数据采集模块，用于获取预定时间段内多个预定时间点的塑料颗粒的近红外光谱图，所述近红外光谱图为与水相关的特定波长下的光谱图像；降噪模块，用于将所述多个预定时间点的近红外光谱图通过基于自动编解码器的图像降噪器以得到多个降噪近红外光谱图；空间注意力编码模块，用于将所述多个降噪近红外光谱图通过使用空间注意力机制的第一卷积神经网络模型以得到多个图像特征矩阵；三维排列模块，用于将所述多个图像特征矩阵沿着通道维度排列为三维特征张量；多尺度关联特征提取模块，用于将所述三维特征张量通过包含第二卷积神经网络和第三卷积神经网络的双流网络模型以得到第一特征图和第二特征图，其中，所述第二卷积神经网络使用具有第一尺度的三维卷积核，所述第三卷积神经网络使用具有第二尺度的三维卷积核；特征融合模块，用于融合所述第一特征图和所述第二特征图以得到多尺度关联特征图；以及控制结果生成模块，用于将所述多尺度关联特征图作为分类特征图通过分类器以得到分类结果，所述分类结果用于表示当前时间点是否停止烘干。2.根据权利要求1所述的塑料颗粒的智能烘干系统，其特征在于，所述降噪模块，包括：编码单元，用于将所述多个预定时间点的近红外光谱图输入所述图像降噪器的编码器，其中，所述编码器使用卷积层对所述多个预定时间点的近红外光谱图进行显式空间编码以得到多个近红外光谱图图像特征；以及解码单元，用于将所述多个近红外光谱图图像特征输入所述图像降噪器的解码器，其中，所述解码器使用反卷积层对所述多个近红外光谱图图像特征进行反卷积处理以得到所述多个降噪近红外光谱图。3.根据权利要求2所述的塑料颗粒的智能烘干系统，其特征在于，所述空间注意力编码模块，包括：卷积编码单元，用于使用所述第一卷积神经网络模型的卷积编码部分对所述多个降噪近红外光谱图进行深度卷积编码以得到多个初始卷积特征图；注意力图生成单元，用于将所述多个初始卷积特征图输入所述第一卷积神经网络模型的空间注意力部分以得到多个空间注意力图；注意力计算单元，用于将所述多个空间注意力图通过Softmax激活函数以得到多个空间注意力特征图；注意力施加单元，用于计算所述多个空间注意力特征图和所述多个初始卷积特征图的按位置点乘以得到多个图像特征图；以及池化单元，用于对所述多个图像特征图进行沿通道维度的全局均值池化处理以得到所述多个图像特征矩阵。4.根据权利要求3所述的塑料颗粒的智能烘干系统，其特征在于，所述多尺度关联特征提取模块，包括：第一尺度特征提取单元，用于使用所述使用具有第一尺度的三维卷积核的第二卷积神经网络在层的正向传递中对输入数据分别进行：对所述输入数据进行三维卷积处理、均值
池化处理和非线性激活处理以得到第一特征图；以及第二尺度特征提取单元，用于使用所述使用具有第二尺度的三维卷积核的第三卷积神经网络在层的正向传递中对输入数据分别进行：对所述输入数据进行三维卷积处理、均值池化处理和非线性激活处理以得到第二特征图。5.根据权利要求6所述的塑料颗粒的智能烘干系统，其特征在于，所述特征融合模块，用于：以如下融合公式来融合所述第一特征图和所述第二特征图以得到所述多尺度关联特征图；其中，所述融合公式为：其中，F
c
为所述多尺度关联特征图，F
a
为所述第一特征图，F
b
为所述第二特征图，表示所述第一特征图和所述第二特征图相对应位置处的元素相加，α和β为用于控制所述多尺度关联特征图中所述第一特征图和所述第二特征图之间的平衡的加权参数。6.根据权利要求5所述的塑料颗粒的智能烘干系统，其特征在于，所述控制结果生成模块，包括：展开单元，用于将所述分类特征图中各个分类特征矩阵按照行向量或者列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及分类结果生成单元，用于将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。7.根据权利要求6所述的塑料颗粒的智能烘干系统，其特征在于...

【专利技术属性】
技术研发人员：翟凤祥，翟晓玮，郭亚专，
申请(专利权)人：安徽联科水基材料科技有限公司，
类型：发明
国别省市：