【技术实现步骤摘要】
本专利技术属于纤维色母粒生产与智能识别领域，涉及一种纤维色母粒团聚与分散超微结构检测方法。
技术介绍
1、目前，化学纤维行业发展正面临着智能化、高端化升级的迫切需求，同时要求生产模式向更智能化、专业化的细分市场定制转变。
2、纤维色母粒本质上是纺织品制造过程中的原始材料，其组成成分包括载体树脂、颜料、染料、功能粉体和助剂。当高浓度纤维色母粒（或称高浓度分散体）处于液体状态时，由于颗粒间的分子作用力，高浓度纤维色母粒中颗粒相互靠近，形成团块或聚集，出现团聚效应。团聚效应主要是由于范德华力、电荷相互作用、以及斥力屏蔽效应等引起的，纤维色母粒团聚效应不仅直接影响纤维色母粒的颜色均匀性、颗粒分散性和热稳定性等，还进一步关联到纤维纺织产品的强度、外观和耐久性。在实际生产过程中，这种高浓度纤维色母粒的团聚效应是必然的，在加工过程中通过适当使用分散剂可以解离，所以在化学纤维中纤维色母粒的分散性评价是关键技术。现有的评价技术主要是通过评估过滤效果(dropfiltration，df值)来实现，这种方式与纤维色母粒的加工过程相关，但是单一的d...
【技术保护点】
1.一种纤维色母粒团聚与分散超微结构检测方法，其特征在于：构建并训练细粒度注意力网络模型后，将待识别的纤维色母粒电镜图像输入到训练好的细粒度注意力网络模型中，由训练好的细粒度注意力网络模型输出纤维色母粒团聚识别结果；
2.根据权利要求1所述的一种纤维色母粒团聚与分散超微结构检测方法，其特征在于，浅层卷积网络中，第一层卷积层采用7×7像素的卷积核，输出的特征图数目为32个，卷积步长为3像素；第二层卷积层采用5×5像素的卷积核，输出的特征图数目为64个，卷积步长为2像素；两层下采样层均采用2×2像素的采样尺寸和2像素的采样步长；非线性层采用softmax函数。
3.根...
【技术特征摘要】
1.一种纤维色母粒团聚与分散超微结构检测方法，其特征在于：构建并训练细粒度注意力网络模型后，将待识别的纤维色母粒电镜图像输入到训练好的细粒度注意力网络模型中，由训练好的细粒度注意力网络模型输出纤维色母粒团聚识别结果；
2.根据权利要求1所述的一种纤维色母粒团聚与分散超微结构检测方法，其特征在于，浅层卷积网络中，第一层卷积层采用7×7像素的卷积核，输出的特征图数目为32个，卷积步长为3像素；第二层卷积层采用5×5像素的卷积核，输出的特征图数目为64个，卷积步长为2像素；两层下采样层均采用2×2像素的采样尺寸和2像素的采样步长；非线性层采用softmax函数。
3.根据权利要求1所述的一种纤维色母粒团聚与分散超微结构检测方法，其特征在于，深层卷积网络中，第一层卷积层采用11×11像素的卷积核，输出的特征图数目为32个，卷积步长为3像素；第二层卷积层采用5×5像素的卷积核，输出的特征图数目为64个，卷积步长为2像素；两层下采样层均采用2×2像素的采样尺寸和2像素的采样步长；三层全连接层分别包含5184个、5184个...
【专利技术属性】
技术研发人员：隗兵，王华平，徐毅明，
申请(专利权)人：苏州宝丽迪材料科技股份有限公司，
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。