纺纱机断线报警系统及其方法技术方案

本申请涉及纺纱机智能监测领域，其具体地公开了一种纺纱机断线报警系统及其方法，其通过张力传感器和速度传感器分别采集待监测纺纱机的多个预定时间点的纱线张力和纱线运行速度以及通过摄像头采集待监测纺纱机的监控视频，并且将多个预定时间点的纱线张力和纱线运行速度进行特征关联，通过深度学习中的卷积神经网络对其关联特征和监控视频提取特征进行特征融合和分析，从而得到用于表示待监测纺纱机是否断线的分类结果

【技术实现步骤摘要】
纺纱机断线报警系统及其方法


[0001]本申请涉及纺纱机智能监测领域，且更为具体地，涉及一种纺纱机断线报警系统及其方法
。

技术介绍

[0002]随着纺织业的快速发展，纺织机的种类也逐渐增多
。
在纺纱过程中，纺纱机能够在牵拉和捻粗砂之后来处理粗纱卷从而制造纺纱卷，纱线在纱管上向纺纱机进行输送时，经常会出现纱线断头的情况
。
由于纺纱厂内的操作人员一般都是一个人操作多台机器同时工作，所以，当某一个机器在工作过程中，其纱管上的纱线出现断头时，操作人员是难以察觉到的
。
这就会致使纱管上的纱线长时间无法向纺纱机进行输送，从而影响纺纱质量以及纺纱速度
。
[0003]因此，期望一种纺纱机断线报警系统及其方法，通过对纺纱机中的纱线进行实时监测，以保证纺纱的质量和速度
。

技术实现思路

[0004]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纺纱机断线报警系统及其方法，其通过张力传感器和速度传感器分别采集待监测纺纱机的多个预定时间点的纱线张力和纱线运行速度以及通过摄像头采集待监测纺纱机的监控视频，并且将多个预定时间点的纱线张力和纱线运行速度进行特征关联，通过深度学习中的卷积神经网络对其关联特征和监控视频提取特征进行特征融合和分析，从而得到用于表示待监测纺纱机是否断线的分类结果
。
这样，可以实现对纺纱机纱线的实时
、
持续监测，以便其出现断线时及时向维修人员做出预警
。
[0005]根据本申请的第一方面，提供了一种纺纱机断线报警系统，其包括：
[0006]测量值获取单元，用于通过张力传感器和速度传感器分别采集待监测纺纱机的多个预定时间点的纱线张力和纱线运行速度以及通过摄像头采集待监测纺纱机的监控视频；
[0007]卷积编码单元，用于将所述监控视频通过使用空间注意力机制的第一卷积神经网络以得到第一特征图；
[0008]时序编码单元，用于将所述多个预定时间点的纱线张力和纱线运行速度分别通过包含一维卷积层和全连接层的时序编码器以得到第一特征向量和第二特征向量；
[0009]特征关联单元，用于将所述第一特征向量和所述第二特征向量的转置向量进行相乘以得到张力
‑
速度关联特征矩阵；
[0010]特征提取单元，用于将所述张力
‑
速度关联特征矩阵通过作为特征提取器的第二卷积神经网络以得到第二特征图；
[0011]特征优化单元，用于对所述第一特征图和所述第二特征图进行单应密度域一致化以得到优化第一特征图和优化第二特征图；
[0012]特征融合单元，用于计算所述优化第一特征图和所述优化第二特征图的按位置加
权和以得到融合特征图；
[0013]结果生成单元，用于将所述融合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待监测纺纱机是否断线
。
[0014]结合本申请的第一方面，在本申请的第一方面的一种纺纱机断线报警系统中，所述卷积编码单元，包括：使用所述第一卷积神经网络的卷积编码部分对所述监控视频进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述第一卷积神经网络的空间注意力部分以得到空间注意力图；将所述空间注意力图通过
Softmax
激活函数以得到空间注意力特征图；计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到所述第一特征图
。
[0015]结合本申请的第一方面，在本申请的第一方面的一种纺纱机断线报警系统中，所述时序编码单元，包括：输入向量子单元，将多个预定时间点的纱线张力和纱线运行速度分别排列为第一输入向量和第二输入向量；全连接编码子单元，使用时序编码器的全连接层以如下全连接公式分别对所述第一输入向量和所述第二输入向量进行全连接编码以提取出所述第一输入向量和所述第二输入向量中各个位置的特征值的高维隐含特征，其中，所述全连接公式为：其中
X
是所述第一输入向量和所述第二输入向量，
Y
是输出向量，
W
是权重矩阵，
B
是偏置向量，表示矩阵乘法；关联特征子单元，使用所述时序编码器的一维卷积层以如下一维卷积公式分别对所述第一输入向量和所述第二输入向量进行一维卷积编码以提取出所述第一输入向量和所述第二输入向量中各个位置的特征值间的关联的高维隐含关联特征，其中，所述一维卷积公式为：
[0016][0017]其中，
a
为第一卷积核在
X
方向上的宽度
、F(a)
为第一卷积核参数向量
、G(x
‑
a)
为与卷积核函数运算的局部向量矩阵，
w
为第一卷积核的尺寸，
X
表示所述第一输入向量和所述第二输入向量，
Cov(X)
表示对所述第一输入向量和所述第二输入向量进行一维卷积编码
。
[0018]根据本申请的第二方面，提供了一种纺纱机断线报警方法，其包括：
[0019]通过张力传感器和速度传感器分别采集待监测纺纱机的多个预定时间点的纱线张力和纱线运行速度以及通过摄像头采集待监测纺纱机的监控视频；
[0020]将所述监控视频通过使用空间注意力机制的第一卷积神经网络以得到第一特征图；
[0021]将所述多个预定时间点的纱线张力和纱线运行速度分别通过包含一维卷积层和全连接层的时序编码器以得到第一特征向量和第二特征向量；
[0022]将所述第一特征向量和所述第二特征向量的转置向量进行相乘以得到张力
‑
速度关联特征矩阵；
[0023]将所述张力
‑
速度关联特征矩阵通过作为特征提取器的第二卷积神经网络以得到第二特征图；
[0024]对所述第一特征图和所述第二特征图进行单应密度域一致化以得到优化第一特征图和优化第二特征图；
[0025]计算所述优化第一特征图和所述优化第二特征图的按位置加权和以得到融合特
征图；
[0026]将所述融合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待监测纺纱机是否断线
。
[0027]根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的纺纱机断线报警方法
。
[0028]与现有技术相比，本申请提供的一种纺纱机断线报警系统及其方法，其通过张力传感器和速度传感器分别采集待监测纺纱机的多个预定时间点的纱线张力和纱线运行速度以及通过摄像头采集待监测纺纱机的监控视频，并且将多个预定时间点的纱线张力和纱线运行速度进行特征关联，通过深度学习中的卷积神经网络对其关联特征和监控视频提取特征进行特征融合和分析，从而得到用于表示待监测纺纱机是否断线的分类结果
。
这样，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种纺纱机断线报警系统，其特征在于，包括：测量值获取单元，用于通过张力传感器和速度传感器分别采集待监测纺纱机的多个预定时间点的纱线张力和纱线运行速度以及通过摄像头采集待监测纺纱机的监控视频；卷积编码单元，用于将所述监控视频通过使用空间注意力机制的第一卷积神经网络以得到第一特征图；时序编码单元，用于将所述多个预定时间点的纱线张力和纱线运行速度分别通过包含一维卷积层和全连接层的时序编码器以得到第一特征向量和第二特征向量；特征关联单元，用于将所述第一特征向量和所述第二特征向量的转置向量进行相乘以得到张力
‑
速度关联特征矩阵；特征提取单元，用于将所述张力
‑
速度关联特征矩阵通过作为特征提取器的第二卷积神经网络以得到第二特征图；特征优化单元，用于对所述第一特征图和所述第二特征图进行单应密度域一致化以得到优化第一特征图和优化第二特征图；特征融合单元，用于计算所述优化第一特征图和所述优化第二特征图的按位置加权和以得到融合特征图；结果生成单元，用于将所述融合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待监测纺纱机是否断线
。2.
根据权利要求1所述的纺纱机断线报警系统，其特征在于，所述卷积编码单元，包括：使用所述第一卷积神经网络的卷积编码部分对所述监控视频进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述第一卷积神经网络的空间注意力部分以得到空间注意力图；将所述空间注意力图通过
Softmax
激活函数以得到空间注意力特征图；计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到所述第一特征图
。3.
根据权利要求2所述的纺纱机断线报警系统，其特征在于，所述时序编码单元，包括：输入向量子单元，将多个预定时间点的纱线张力和纱线运行速度分别排列为第一输入向量和第二输入向量；全连接编码子单元，使用时序编码器的全连接层以如下全连接公式分别对所述第一输入向量和所述第二输入向量进行全连接编码以提取出所述第一输入向量和所述第二输入向量中各个位置的特征值的高维隐含特征，其中，所述全连接公式为：其中
X
是所述第一输入向量和所述第二输入向量，
Y
是输出向量，
W
是权重矩阵，
B
是偏置向量，表示矩阵乘法；关联特征子单元，使用所述时序编码器的一维卷积层以如下一维卷积公式分别对所述第一输入向量和所述第二输入向量进行一维卷积编码以提取出所述第一输入向量和所述第二输入向量中各个位置的特征值间的关联的高维隐含关联特征，其中，所述一维卷积公式为：
表示所述优化第一特征图和所述优化第二特征图相对应位...

【专利技术属性】
技术研发人员：郭华峰，沈国强，郭东奇，郁晓强，
申请(专利权)人：海宁市海隆鑫纺织有限公司，
类型：发明
国别省市：