本公开提供了纺丝工艺的检测方法、装置、电子设备及存储介质。该方法包括：获取纺丝箱体的待检测图像；将待检测图像输入至丝路巡检模型中，得到纺丝工艺的检测结果；其中，丝路巡检模型中包含改进ReLU激活函数，改进ReLU激活函数中包含第一线性函数以及第二线性函数，且第一线性函数和第二线性函数的斜率差异小于预设阈值；第一线性函数用于对处在第一阈值范围内的输入参数进行特征提取；第二线性函数用于对处在第二阈值范围内的输入参数进行特征提取。根据本公开的方案，通过将改进ReLU激活函数作为丝路巡检模型的激活函数，可以提高丝线检测的效率。线检测的效率。线检测的效率。
【技术实现步骤摘要】
纺丝工艺的检测方法、装置、电子设备及存储介质
[0001]本公开涉及人工智能
，尤其涉及一种纺丝工艺的检测方法、装置、电子设备及存储介质。
技术介绍
[0002]纺丝是丝线生产过程中的一个重要环节。在纺丝过程中，由于丝线较细、形态各异、复合度高，容易受到工艺、设备、生产环境的影响而产生飘丝、断丝、错丝等问题。
[0003]对于上述问题，现有的解决办法通常为人工检测。在生产车间安排一定数量的巡检机器人对纺丝设备进行检测。巡检机器人可采集纺丝设备的图像以进行人工检测，但是人工检测效率低。
技术实现思路
[0004]本公开提供了一种纺丝工艺的检测方法、装置、电子设备及存储介质，以解决或缓解现有技术中的一项或更多项技术问题。
[0005]第一方面，本公开提供了一种纺丝工艺的检测方法，包括：
[0006]获取纺丝箱体的待检测图像；
[0007]将待检测图像输入至丝路巡检模型中，得到纺丝工艺的检测结果；
[0008]其中，丝路巡检模型中包含改进ReLU(Rectified Linear Unit，修正线性单元)激活函数，改进ReLU激活函数中包含第一线性函数以及第二线性函数，且第一线性函数和第二线性函数的斜率差异小于预设阈值；第一线性函数用于对处在第一阈值范围内的输入参数进行特征提取；第二线性函数用于对处在第二阈值范围内的输入参数进行特征提取。
[0009]第二方面，本公开提供了一种纺丝工艺的检测装置，包括：
[0010]获取模块，用于获取纺丝箱体的待检测图像；
[0011]输入模块，用于将待检测图像输入至丝路巡检模型中，得到纺丝工艺的检测结果；
[0012]其中，丝路巡检模型中包含改进ReLU激活函数，改进ReLU激活函数中包含第一线性函数以及第二线性函数，且第一线性函数和第二线性函数的斜率差异小于预设阈值；第一线性函数用于对处在第一阈值范围内的输入参数进行特征提取；第二线性函数用于对处在第二阈值范围内的输入参数进行特征提取。
[0013]第三方面，提供了一种电子设备，包括：
[0014]至少一个处理器；以及
[0015]与该至少一个处理器通信连接的存储器；其中，
[0016]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一的方法。
[0017]第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使该计算机执行根据本公开实施例中任一的方法。
[0018]第五方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理
器执行时实现根据本公开实施例中任一的方法。
[0019]本公开提供的技术方案的有益效果至少包括：丝路巡检模型可以自动对图像的特征进行提取，不依赖与人工提取特征，通过将改进ReLU激活函数作为丝路巡检模型的激活函数，使得丝路巡检模型在表达能力更强的情况下，提高了丝线检测的效率。
[0020]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0021]在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本公开提供的一些实施方式，而不应将其视为是对本公开范围的限制。
[0022]图1是根据本公开一实施例的纺丝箱体的示意图；
[0023]图2是根据本公开一实施例中纺丝工艺的检测方法的流程示意图；
[0024]图3是根据本公开一实施例中训练丝路巡检模型的流程示意图；
[0025]图4是根据本公开一实施例中检测不同尺度图像的结构示意图；
[0026]图5是根据本公开一实施例中丝路巡检模型中神经网络的结构示意图；
[0027]图6是根据本公开一实施例中改进ReLU激活函数的示意图；
[0028]图7是根据本公开一实施例中纺丝工艺的检测装置的结构示意图；
[0029]图8是用来实现本公开实施例的纺丝工艺的检测方法的电子设备的框图。
具体实施方式
[0030]下面将参考附图对本公开作进一步地详细描述。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
[0031]另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路等未作详细描述，以便于凸显本公开的主旨。
[0032]如图1所示为纺丝箱体的一种示意图。其中丝线为灰白色，丝线和背景板颜色相近，这导致难以检测背景板处的丝线情况。
[0033]可以通过人工对纺丝工艺进行检测，但人工成本较高、效率较低。由于丝线较细(最小孔径为0.06mm)且多(一束丝最多有576根丝复合)，工人长期巡查容易用眼过度等原因，人工观察容易出现漏检，从而导致人工检测结果不准确。
[0034]为了能够自动对丝线进行检测，以降低丝线检测的成本、提高丝线检测的准确度，本公开实施例设计了一种纺丝工艺的检测方法。如图2所示，为该方法的流程示意图，包括以下内容：
[0035]S201，获取纺丝箱体的待检测图像。
[0036]其中，纺丝箱体的待检测图像可理解为丝路巡检机器人对纺丝箱体进行图像采集得到的图像。其中，丝路巡检机器人可定期采集纺丝箱体的图像，以便于后续进行纺丝工艺
的检测。
[0037]除了丝路巡检机器人之外，还可以在纺丝箱体内安装多个USB(Universal Serial Bus，通用线程总线)红外摄像头对丝线以及纺丝设备进行拍摄，使用opencv(Open Source Computer Vision Library，开源计算机视觉库)从USB红外摄像头获取原始图像。
[0038]无论采用何种方式采集的图像，都可以对采集的图像进行筛选，选择符合检测要求的图像作为待检测图像。例如对采集的图像进行质量评价，选取质量较好的图像作为待检测图像。当然，本公开实施例中，对于获取待检测图像的方法不做限制，可根据实际需求设置要求。
[0039]本公开实施例中，可以对待检测图像进行预处理，以提高检测的准确性。由于纺丝背景板与丝线的颜色非常相似，因此可以对待检测图像进行图像增强，缓解待检测图像中对比度低、细节模糊等问题，更易提取待检测图像的特征。
[0040]本公开实施例中对图像增强的方法不做限定，例如可以使用MSRCR(Multiscale Retinex with Color Restoration，带色彩恢复的多尺度视网膜增强算法)图像增强算法。
[0041]在一些可能的实施例中，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种纺丝工艺的检测方法，包括：获取纺丝箱体的待检测图像；将所述待检测图像输入至丝路巡检模型中，得到纺丝工艺的检测结果；其中，所述丝路巡检模型中包含改进ReLU激活函数，所述改进ReLU激活函数中包含第一线性函数以及第二线性函数，且所述第一线性函数和所述第二线性函数的斜率差异小于预设阈值；所述第一线性函数用于对处在第一阈值范围内的输入参数进行特征提取；所述第二线性函数用于对处在第二阈值范围内的输入参数进行特征提取。2.根据权利要求1所述的方法，其中，所述丝路巡检模型包含有输入层、隐藏层和输出层；所述改进ReLU激活函数应用于所述隐藏层。3.根据权利要求2所述的方法，其中，所述改进ReLU激活函数应用于所述隐藏层中距离输入层指定层级范围内。4.根据权利要求2或3所述的方法，其中，所述改进ReLU激活函数的输入参数为所述改进ReLU激活函数的上一层级神经元的输出参数；所述改进ReLU激活函数的输出参数为所述改进ReLU激活函数的下一层级神经元的输入。5.根据权利要求1
‑
4中任一项所述的方法，所述改进ReLU激活函数包含有三个阈值范围，其中：第一阈值范围为所述改进ReLU激活函数的输入参数小于第一阈值的部分；第二阈值范围为所述改进ReLU激活函数的输入参数大于第二阈值的部分；第三阈值范围为所述改进ReLU激活函数的输入参数大于第一阈值小于第二阈值的部分。6.根据权利要求5所述的方法，其中，所述改进ReLU激活函数包括三种线性函数，其中：第一线性函数用于对所述第一阈值范围内的输入参数进行特征提取；第二线性函数用于对所述第二阈值范围内的输入参数进行特征提取；第三线性函数用于对所述第三阈值范围内的输入参数进行特征提取。7.根据权利要求6所述的方法，其中，所述第一线性函数的表达式为ax+b；所述第二线性函数的表达式为cx；所述第三线性函数的表达式为dx；其中，x为所述改进ReLU激活函数的输入参数；a、b、c、d为常数；a与c的差异小于所述预设阈值。8.根据权利要求1
‑
7中任一项所述的方法，其中，所述纺丝工艺的检测内容包括以下中的至少一种：飘丝、断丝、错丝、导丝钩不正、油嘴不正以及丝路有异物。9.一种纺丝工艺的检测装置，包括：获取模块，用于获取纺丝箱体的待检测图像；输入模块，用于将所述待检测图像输入至丝路巡检模型中，得到纺丝工艺的检测结果；其中，所述丝路巡检模型中包含改进ReLU激活函数，所述改进ReLU激活函数中包含第一线性函数以及第二线性...
【专利技术属性】
技术研发人员：彭先涛，王鹏，刘明义，李大可，沈军，王丹丹，高佳波，
申请(专利权)人：浙江恒逸高新材料有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。