基于机器学习的瓷砖原料研磨方法和系统技术方案

本发明专利技术涉及瓷砖生产领域，涉及一种基于机器学习的瓷砖原料研磨方法，包括：从瓷砖原料研磨记录中提取出球磨机型特征集

【技术实现步骤摘要】
基于机器学习的瓷砖原料研磨方法和系统


[0001]本专利技术涉及瓷砖生产
，尤其涉及一种基于机器学习的瓷砖原料研磨方法和系统
。

技术介绍

[0002]瓷砖是一种常见的建筑材料，瓷砖具有耐磨
、
防水
、
易清洁等特点，因此广泛应用于住宅
、
商业建筑
、
公共设施和景观工程等领域
、
在瓷砖生产中，原料研磨是一个重要的工艺环节，用于将原料进行细磨和混合，以获得所需的颗粒大小和均匀性
。
[0003]现有的瓷砖生产用研磨方法多为基于经验的研磨方法，根据长期的研磨经验，人工调整研磨的时长
、
原料比例和研磨机的参数进行原料研磨，实际应用中，基于经验的研磨方法需要操作人员拥有多年的研磨经验，研磨的种类较为单一，无法精准的预测原料研磨后得到的泥料性质，可能导致对瓷砖原料进行研磨时的效率较低
。

技术实现思路

[0004]本专利技术提供一种基于机器学习的瓷砖原料研磨方法和系统，其主要目的在于解决导致对瓷砖原料进行研磨时的效率较低的问题
。
[0005]为实现上述目的，本专利技术提供的一种基于机器学习的瓷砖原料研磨方法，包括：
[0006]按照预设的研磨周期将瓷砖原料研磨记录拆分成研磨记录集，获取所述研磨记录集对应的瓷砖原料样本集和研磨泥料样本集，将所述研磨记录集数据清洗成标准研磨数据集；
[0007]分别从所述标准研磨数据集中提取出球磨机型特征集
、
研磨介质特征集
、
研磨比例特征集以及研磨模式特征集，依次对所述瓷砖原料样本集进行光谱成像和成分匹配操作，得到原料成分集；
[0008]对所述瓷砖原料样本集进行电镜成像，得到原料结构图集，对所述研磨泥料样本集进行电镜成像，得到泥料结构图集，根据所述原料成分集从所述原料结构图集中提取出原料特征集，根据所述原料成分集从所述泥料结构图集中提取出泥料特征集，其中，所述根据所述原料成分集从所述原料结构图集中提取出原料特征集，包括：逐个选取所述原料成分集中的原料成分作为目标原料成分，从所述原料结构图集中筛选出所述目标原料成分对应的原料结构图片作为目标原料结构图片；对所述目标原料结构图片进行色彩分析，得到原料色彩特征，将所述目标原料结构图片均匀分割成原料结构图块集；利用如下的结构滤波算法对所述原料结构图块集中的各个原料结构图块进行卷积操作，得到图块原料结构特征集：
[0009][0010]其中，
G(x,y)
是指以所述原料结构图块中的坐标为
(x,y)
的像素为滤波卷积核中心进行滤波得到的图块原料结构特征，
x
是所述滤波卷积核中心的像素的横坐标，
y
是所述
滤波卷积核中心的像素的纵坐标，
exp()
是指数函数，
cos
为余弦函数，
θ
是所述结构滤波算法的滤波方向，
sin
是正弦函数，
γ
是指所述原料结构图块的纵横比，
σ
是指所述结构滤波算法的滤波尺度，
π
是圆周率，
μ
是指所述结构滤波算法的滤波波长，是指所述结构滤波算法的滤波相位；根据所述目标原料成分对所述图块原料结构特征集进行成分识别，得到图块成分集；根据所述图块成分集对所述原料结构图片进行成分标注，得到原料成分图片；从所述原料成分图片中提取出成分尺寸特征，根据所述图块成分结构特征集生成原料结构特征；将所述原料色彩特征
、
所述原料尺寸特征以及所述原料结构特征汇集成原料特征，将所有的原料特征汇集成原料特征集；
[0011]根据所述原料特征集
、
所述球磨机型特征集
、
所述研磨介质特征集
、
所述研磨比例特征集以及所述研磨模式特征集生成研磨参数组集，利用所述研磨参数组集和所述泥料特征集将预设的研磨分析模型训练成研磨泥料模型；
[0012]获取实时瓷砖原料和实时生产需求，从所述实时生产需求中提取出需求泥料特征，利用所述研磨泥料模型分析出所述实时瓷砖原料和所述需求泥料特征对应的实时研磨参数组，根据所述实时研磨参数组对所述实时瓷砖原料进行研磨
。
[0013]可选地，所述将所述研磨记录集数据清洗成标准研磨数据集，包括：
[0014]对所述研磨记录集中的各个研磨记录进行单位归一化操作，得到规格研磨记录集；
[0015]对所述规格研磨记录集中的各个研磨记录进行哈希编码，得到研磨哈希编码集，对所述研磨哈希编码集进行重复性检测，得到重复研磨记录组；
[0016]从所述规格研磨记录集中删除所述重复研磨记录组，得到去重研磨记录集；
[0017]逐个选取所述去重研磨记录集中的研磨记录数据作为目标研磨数据，根据数据类型对所述目标研磨数据中的各个数据进行离群数据检测，得到离群结果；
[0018]判断所述离群结果是否大于预设的离群阈值；
[0019]若是，则将所述目标研磨数据从所述去重研磨数据集中删除，返回所述逐个选取所述去重研磨记录集中的研磨记录数据作为目标研磨数据的步骤，直至所述目标研磨数据是所述去重研磨数据集中的最后一个研磨数据时，将更新后的去重研磨数据集作为标准研磨数据集；
[0020]若否，则返回所述逐个选取所述去重研磨记录集中的研磨记录数据作为目标研磨数据的步骤，直至所述目标研磨数据是所述去重研磨数据集中的最后一个研磨数据时，将更新后的去重研磨数据集作为标准研磨数据集
。
[0021]可选地，所述分别从所述标准研磨数据集中提取出球磨机型特征集
、
研磨介质特征集
、
研磨比例特征集以及研磨模式特征集，包括：
[0022]逐个选取所述标准研磨数据集中的标准研磨数据作为目标标准研磨数据，按照数据类型将所述目标标准研磨数据拆分成文本研磨数据和时间戳研磨数据；
[0023]依次对所述目标文本研磨数据进行文本分词
、
停用词过滤和文本向量化操作，得到文本研磨向量集；
[0024]利用余弦相似度算法对所述文本研磨向量集中的各文本研磨向量进行关键词向量匹配操作，得到球磨机机型词向量集
、
研磨介质词向量集以及研磨比例词向量集；
[0025]将所述球磨机型词向量集融合成球磨机型特征
、
将所述研磨介质词向量集融合成
研磨介质特征
、
将所述研磨比例词向量集融合成研磨比例特征；
[0026]利用预设的时序模式算法从所述时间戳研磨数据中提取出研磨模式特征；
[0027]将所有的球磨机型特征汇集成球磨机型特征集，将所有的研磨介质特征汇集成研磨介质特征，将所有的研磨比例特征汇集成研磨比例特征集，将所有的研磨模式特征汇集成研磨模式特征集
。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于机器学习的瓷砖原料研磨方法，其特征在于，所述方法包括：
S1
：按照预设的研磨周期将瓷砖原料研磨记录拆分成研磨记录集，获取所述研磨记录集对应的瓷砖原料样本集和研磨泥料样本集，将所述研磨记录集数据清洗成标准研磨数据集；
S2
：分别从所述标准研磨数据集中提取出球磨机型特征集
、
研磨介质特征集
、
研磨比例特征集以及研磨模式特征集，依次对所述瓷砖原料样本集进行光谱成像和成分匹配操作，得到原料成分集；
S3
：对所述瓷砖原料样本集进行电镜成像，得到原料结构图集，对所述研磨泥料样本集进行电镜成像，得到泥料结构图集，根据所述原料成分集从所述原料结构图集中提取出原料特征集，根据所述原料成分集从所述泥料结构图集中提取出泥料特征集，其中，所述根据所述原料成分集从所述原料结构图集中提取出原料特征集，包括：
S31
：逐个选取所述原料成分集中的原料成分作为目标原料成分，从所述原料结构图集中筛选出所述目标原料成分对应的原料结构图片作为目标原料结构图片；
S32
：对所述目标原料结构图片进行色彩分析，得到原料色彩特征，将所述目标原料结构图片均匀分割成原料结构图块集；
S33
：利用如下的结构滤波算法对所述原料结构图块集中的各个原料结构图块进行卷积操作，得到图块原料结构特征集：其中，
G(x,y)
是指以所述原料结构图块中的坐标为
(x,y)
的像素为滤波卷积核中心进行滤波得到的图块原料结构特征，
x
是所述滤波卷积核中心的像素的横坐标，
y
是所述滤波卷积核中心的像素的纵坐标，
exp()
是指数函数，
cos
为余弦函数，
θ
是所述结构滤波算法的滤波方向，
sin
是正弦函数，
γ
是指所述原料结构图块的纵横比，
σ
是指所述结构滤波算法的滤波尺度，
π
是圆周率，
μ
是指所述结构滤波算法的滤波波长，是指所述结构滤波算法的滤波相位；
S34
：根据所述目标原料成分对所述图块原料结构特征集进行成分识别，得到图块成分集；
S35
：根据所述图块成分集对所述原料结构图片进行成分标注，得到原料成分图片；
S36
：从所述原料成分图片中提取出成分尺寸特征，根据所述图块成分结构特征集生成原料结构特征；
S37
：将所述原料色彩特征
、
所述原料尺寸特征以及所述原料结构特征汇集成原料特征，将所有的原料特征汇集成原料特征集；
S4
：根据所述原料特征集
、
所述球磨机型特征集
、
所述研磨介质特征集
、
所述研磨比例特征集以及所述研磨模式特征集生成研磨参数组集，利用所述研磨参数组集和所述泥料特征集将预设的研磨分析模型训练成研磨泥料模型；
S5
：获取实时瓷砖原料和实时生产需求，从所述实时生产需求中提取出需求泥料特征，利用所述研磨泥料模型分析出所述实时瓷砖原料和所述需求泥料特征对应的实时研磨参数组，根据所述实时研磨参数组对所述实时瓷砖原料进行研磨
。2.
如权利要求1所述的基于机器学习的瓷砖原料研磨方法，其特征在于，所述将所述研
磨记录集数据清洗成标准研磨数据集，包括：对所述研磨记录集中的各个研磨记录进行单位归一化操作，得到规格研磨记录集；对所述规格研磨记录集中的各个研磨记录进行哈希编码，得到研磨哈希编码集，对所述研磨哈希编码集进行重复性检测，得到重复研磨记录组；从所述规格研磨记录集中删除所述重复研磨记录组，得到去重研磨记录集；逐个选取所述去重研磨记录集中的研磨记录数据作为目标研磨数据，根据数据类型对所述目标研磨数据中的各个数据进行离群数据检测，得到离群结果；判断所述离群结果是否大于预设的离群阈值；若是，则将所述目标研磨数据从所述去重研磨数据集中删除，返回所述逐个选取所述去重研磨记录集中的研磨记录数据作为目标研磨数据的步骤，直至所述目标研磨数据是所述去重研磨数据集中的最后一个研磨数据时，将更新后的去重研磨数据集作为标准研磨数据集；若否，则返回所述逐个选取所述去重研磨记录集中的研磨记录数据作为目标研磨数据的步骤，直至所述目标研磨数据是所述去重研磨数据集中的最后一个研磨数据时，将更新后的去重研磨数据集作为标准研磨数据集
。3.
如权利要求1所述的基于机器学习的瓷砖原料研磨方法，其特征在于，所述分别从所述标准研磨数据集中提取出球磨机型特征集
、
研磨介质特征集
、
研磨比例特征集以及研磨模式特征集，包括：逐个选取所述标准研磨数据集中的标准研磨数据作为目标标准研磨数据，按照数据类型将所述目标标准研磨数据拆分成文本研磨数据和时间戳研磨数据；依次对所述目标文本研磨数据进行文本分词
、
停用词过滤和文本向量化操作，得到文本研磨向量集；利用余弦相似度算法对所述文本研磨向量集中的各文本研磨向量进行关键词向量匹配操作，得到球磨机机型词向量集
、
研磨介质词向量集以及研磨比例词向量集；将所述球磨机型词向量集融合成球磨机型特征
、
将所述研磨介质词向量集融合成研磨介质特征
、
将所述研磨比例词向量集融合成研磨比例特征；利用预设的时序模式算法从所述时间戳研磨数据中提取出研磨模式特征；将所有的球磨机型特征汇集成球磨机型特征集，将所有的研磨介质特征汇集成研磨介质特征，将所有的研磨比例特征汇集成研磨比例特征集，将所有的研磨模式特征汇集成研磨模式特征集
。4.
如权利要求3所述的基于机器学习的瓷砖原料研磨方法，其特征在于，所述利用预设的时序模式算法从所述时间戳研磨数据中提取出研磨模式特征，包括：按照时序对所述时间戳研磨数据进行排列，得到时序研磨数据；对所述实时研磨数据进行趋势转化，得到研磨转速曲线；利用如下的时序模式算法将所述研磨转速曲线转化成研磨转速频域：其中，
T(k)
是指所述研磨转速曲线中第
k
个频率的振幅，
k
是指频率序号，
n
是时间序号，
N
是指所述研磨转速曲线的时间长度，
w(n)
是汉宁窗函数在
n
时刻的权重值，
t(n)
是所述研磨转速曲线在频率为
n
时的振幅，
exp()
是指数函数，
i
是虚数符号，
π
是圆周率符号，
γ
是相位偏移参数；分别从所述研磨转速频域中提取出转速峰值频率
、
转速频谱能量
、
转速频带...

【专利技术属性】
技术研发人员：肖楠，唐敏，
申请(专利权)人：景德镇陶瓷大学，
类型：发明
国别省市：