基于两阶段深度迁移学习的面料疵点检测算法

针对针织格纹面料疵点检测存在检测实时性差和疵点数据稀缺的问题,提出一种基于两阶段深度迁移学习的面料疵点检测算法,实现对疵点的实时高精度检测与检测模型的高效训练.第一阶段迁移:设计面料疵点先验知识迁移算法,通过聚类算法求得交并比最优的四类疵点预选框尺寸参数,使用带有先验知识的疵点预选框替代基于特征的定位方法,实现面料疵点尺寸特征先验知识的迁移,提高面料疵点的定位速度;第二阶段迁移:设计面料特征提取能力迁移算法,利用不同种面料之间具有通用特征的特性,通过将纯色棉麻布检测模型参数迁移至格纹面料检测模型,实现对面料通用特征提取能力的迁移,减少检测模型训练所需的样本数量,提高检测模型训练效率.实验结果表明,在检测性能方面,提出的面料疵点检测算法检测精度为95％、检测速度可达30 m/min,优于传统的目标检测算法,能够满足面料生产中对于检测性能的要求;在模型训练方面,检测模型训练所需疵点样本数量减少50％以上、检测模型训练速度同比提高3倍.     

基于WSN的车间数据智能采集与监控系统的设计与研究

针对汽车设备、工程机械零件、装备制造工艺等制造行业而言,需涉及到多人员、多物料、多设备的机械制造,考虑到车间复杂性、准时性、不确定性等生产因素,研究了无线传感器网络节点的应用优势,设计AP组网模式,利用Zig Bee短距离无线通信技术,通过传感器进行车间数据采集,依托无线传感器网络进行数据传输,从而实现车间多源状态数据采集。     

基于视觉校准的环锭纺细纱条干特征在线提取方法

针对纱线高速回转、毛羽条干交织导致的条干轮廓特征难以准确提取的问题,提出了深度学习与形态学运算融合的在线提取方法,设计了图像在线采集系统与校准定焦方法,为轮廓特征提取提供高质量输入,构建了基于整体嵌套边缘检测神经网络和形态学运算的细纱条干轮廓特征提取重构模型,实现毛羽干扰下的条干轮廓在线准确提取。实验结果表明,所提方法的轮廓提取准度指标OIS-F(optimal image scale)、ODS-F(optimal dataset scale)达到了0.91,平均准确率AP达到了0.89,相对于当前方法提高了7%以上。基于提取的轮廓特征计算的条干不匀CV值,与CT3000均匀度检测仪的平均误差小于4%。     

数据驱动的机器人化纺织生产智能管控系统研究进展

我国纺织产业规模庞大、生产流程长、用工量大,全流程自动化生产仍难以实现。建设数据驱动的机器人化纺织生产智能管控系统,对于推动我国纺织业由劳动密集型向少人或无人化生产转型升级具有重要的作用。系统回顾了纺织机器人生产系统的发展历程,提出了数据驱动的机器人化纺织生产智能管控系统体系架构,从装备层、数据层、应用层探讨了补全流程断点的多类型纺织机器人、多链融合的纺织全流程数字主线、多应用协同的纺织生产智能管控3项关键技术及应用,并对实际应用中的问题和挑战进行总结。最后指出高速实时性、灵巧精密性、自主协同性纺织机器人,及具备可解释性、可持续性、韧性的纺织生产智能管控系统是未来可能的发展方向。     

细纱接头机器人神经网络自适应力跟踪导纳控制

环锭纺细纱工序中断纱自动接头一直是业界难题，细纱强力低易断裂、纱线张力受环境因素影响明显等因素导致机器人接头过程中纱线张力控制困难。为解决接头过程纱线张力控制问题，提出了基于交互力预测的神经网络自适应导纳控制方法。首先设计了导纳控制器参数的神经网络自适应调整策略来解决接头过程环境模型参数动态变化导致恒导纳控制器力跟踪效果差的问题；其次针对现有自适应控制器跟踪时变期望力时由于控制滞后产生的误差突变问题，提出了一种交互力预测方法，通过加入未来控制周期交互力的预测值来完成导纳控制器参数的提前调整，进而避免期望力突变时较大的力跟踪误差产生；最后进行了仿真试验，结果表明神经网络自适应控制器在动态环境下的力跟踪任务中有很好的鲁棒性，基于交互力预测的神经网络自适应控制器在动态环境下的时变期望力跟踪任务中最大误差和总体误差相比未加入交互力预测时分别降低了78.3%和29.7%，证明了所提出方法在机器人接头过程中纱线张力跟踪控制的可靠性。