开云优惠体育网页版入口

专利名称：一种用于纺织品加工进度的追踪控制系统及方法

专利类型：发明专利

专利申请号：CN202410880139.3

专利申请（专利权）人：宜宾弘曲线业有限公司
权利人地址：四川省宜宾市屏山县王场工业园

专利发明（设计）人：于泽学

专利摘要：本发明公开了一种用于纺织品加工进度的追踪控制系统及方法，涉及纺织技术领域，该包括数据单元：获取纺织品的类型数据、待加工量及源图像；图像采集单元：对纺织品的加工图像进行采集；预处理单元：对第一图像预处理得到第一纺织品的类型数据；特征单元：记录第一特征点通过每个加工节点的时刻并计算通过相邻加工节点之间的时间间隔得到第一计算结果；进度追踪单元：采用第一预设方法判断是否出现不同类型的纺织品，若是，对第二纺织品采用第二预设方法进行处理得到处理并进行加工进度追踪；若否，基于时间间隔、第一计算结果和设备运行数据，对第一纺织品加工进度进行追踪。本发明能解决现有纺织品加工追踪准确率低和无法实现实时追踪的问题。

主权利要求：
1.一种用于纺织品加工进度的追踪控制系统，其特征在于，所述系统包括：数据单元：获取待加工纺织品的类型数据、待加工量及源图像；
图像采集单元：对每个加工节点中纺织品的加工图像进行实时采集并放至图像集；
预处理单元：基于所述图像集，获取第一纺织品加工前的图像为第一图像，基于所述源图像，对所述第一图像进行预处理，得到所述第一纺织品的类型数据；
特征单元：提取所述第一图像的特征数据为第一特征数据，在所述第一特征数据中确定至少一个特征点为第一特征点，记录所述第一特征点依次通过第一加工节点、第二加工节点、……、及第N加工节点对应的时刻分别为t1、t2、……、和tN并放至第一预设时刻集；基于所述第一预设时刻集，计算所述第一特征点通过相邻加工节点之间的时间间隔得到计算结果为第一计算结果，N为正整数；
进度追踪单元：基于所述第一纺织品的类型数据，获取所述第一纺织品的待加工量为第一待加工量；获取所述第一加工节点的tM时刻，在t1至tM时刻的时间区间内，判断是否出现不同类型的纺织品，若是，则判定所述第一纺织品完成加工，将不同类型的纺织品定义为第二纺织品，对所述第二纺织品进行处理得到处理结果，基于所述处理结果，对所述第二纺织品加工进度进行追踪并通过预设终端进行显示；若否，则计算t1至tM之间的时间间隔为第一时间间隔，获取t1至tM时刻的时间区间内，纺织设备的运行数据为第一运行数据，基于所述第一时间间隔、所述第一计算结果及所述第一运行数据，得到所述第一纺织品的完成量为第一完成量，计算所述第一完成量与所述第一待加工量的比值为第一比值，对所述第一比值进行可视化处理并通过所述预设终端进行显示，M为大于1的正整数；
采用第一预设方法判断是否出现不同类型的纺织品包括：
连续获取所述第一加工节点关于所述第一纺织品的多帧加工图像；
对所述多帧加工图像处理得到所述第一纺织品在所述第一加工节点的样本图像；
计算后续所述第一加工节点所有加工图像与所述样本图像之间的欧式距离得到计算结果为第二计算结果；
基于所述第二计算结果，获取所有加工图像中与所述样本图像之间欧式距离超过第一预设值的加工图像为第一帧加工图像；
基于所述第一帧加工图像，连续获取位于所述第一帧加工图像后的R帧加工图像与所述样本图像之间的欧式距离并放至第一距离集，R为正整数；
计算所述第一距离集中所有欧式距离的平均值，判断所述平均值是否超过第二预设值，若是，则判断位于所述第一帧加工图像前后的纺织品属于不同类型；若否，则判断位于所述第一帧加工图像前后的纺织品属于同一类型。
2.根据权利要求1所述的一种用于纺织品加工进度的追踪控制系统，其特征在于，采用第三预设方法对所述多帧加工图像处理得到所述第一纺织品在所述第一加工节点的样本图像包括：创建样本模型，将所述多帧加工图像作为输入集输入到所述样本模型；对所述样本模型进行训练，利用训练后的所述样本模型输出所述样本图像。
3.根据权利要求2所述的一种用于纺织品加工进度的追踪控制系统，其特征在于，对所述样本模型进行训练包括：创建预设数量的网络，将所述多帧加工图像均分至多个网络；
基于排列组合原理，迭代计算任意两个网络中任意两帧加工图像之间的欧式距离并放至第二距离集，直至任意一个网络中的任意一帧加工图像均与其他网络中任意一帧加工图像之间完成欧式距离的计算；
计算所有欧式距离的平均值，筛选出距离该平均值最近对应的一组加工图像分别为加工图像A和加工图像B；
基于所述第二距离集，获取除加工图像B外距离所述加工图像A最近对应的欧式距离为第一欧式距离；
基于所述第二距离集，获取除加工图像A外距离所述加工图像B最近对应的欧式距离为第二欧式距离；
若所述第一欧式距离大于所述第二欧式距离，则将所述加工图像B作为样本图像；若所述第二欧式距离大于所述第一欧式距离，则将所述加工图像A作为样本图像。
4.根据权利要求1所述的一种用于纺织品加工进度的追踪控制系统，其特征在于，采用第二预设方法对所述第二纺织品进行处理包括：基于所述第一预设方法，获取所述第二纺织品加工前的图像为第二图像；
提取所述第二图像的特征数据为第二特征数据，在所述第二特征数据中确定至少一个特征点为第二特征点；
记录所述第二特征点依次通过所述第一加工节点，所述第二加工节点、……、及所述第N加工节点对应的时刻并放至第二预设时刻集；
基于所述第二预设时刻集，计算所述第二特征点通过相邻加工节点之间的时间间隔得到计算结果为第四计算结果；
获取所述第二图像的时刻为tD，D为正整数，且1＜D＜M；
计算tD至tM之间的时间间隔为第二时间间隔，获取tD至tM时刻的时间区间内，所述纺织设备的运行数据为第二运行数据；
基于所述第二时间间隔、所述第四计算结果及所述第二运行数据，得到所述第二纺织品的完成量为第二完成量；
基于所述第二纺织品的类型数据，获取所述第二纺织品的待加工量为第二待加工量；
计算所述第二完成量与所述第二待加工量的比值为第二比值；
对所述第二比值进行可视化处理并通过所述预设终端进行显示。
5.根据权利要求1所述的一种用于纺织品加工进度的追踪控制系统，其特征在于，基于所述源图像，对所述第一图像进行预处理包括：将所述第一图像与所述源图像进行匹配，判断是否存在有源图像匹配成功，若是，将对应源图像命名为第一源图像，并获取所述第一源图像对应的纺织品类型数据作为所述第一图像对应的纺织品类型数据；若否，则对所述第一图像进行处理。
6.根据权利要求5所述的一种用于纺织品加工进度的追踪控制系统，其特征在于，采用第四预设方法对所述第一图像进行处理包括：计算所有源图像与所述第一图像的欧式距离得到计算结果为第三计算结果；
基于所述第三计算结果，筛选得到预设个数距离所述第一图像最近的源图像放至源图像集；
基于所述源图像集，将所有源图像对应的纺织品类型数据作为所述第一图像对应的伪类型数据；
获取所述第一纺织品在每个加工节点的多帧图像数据、纺织设备的运行数据为第三运行数据以及所述第一纺织品的完成量数据；
创建修正模型，将所述伪类型数据、所述多帧图像数据、所述第三运行数据及所述完成量数据作为输入集输入到所述修正模型；
对所述修正模型进行训练，利用训练后的模型对所述伪类型数据进行修正得到所述第一图像对应的纺织品类型数据。
7.根据权利要求6所述的一种用于纺织品加工进度的追踪控制系统，其特征在于，对所述修正模型进行训练包括：提取所述多帧图像数据中每帧图像的特征数据并放至对应数据集，对每个数据集中的特征数据进行降维处理；
将降维处理后的所述多帧图像数据、所述第三运行数据及所述完成量数据作为约束条件，不断对所述伪类型数据进行修正，直至所述源图像集中存在最后一帧第二源图像满足所述约束条件，将所述第二源图像对应的纺织品类型数据作为所述第一图像对应的纺织品类型数据。
8.根据权利要求1所述的一种用于纺织品加工进度的追踪控制系统，其特征在于，对所述第一比值进行可视化处理包括：采用预设组件对所述第一比值进行处理，所述预设组件显示的数据随所述第一比值动态变化。
9.一种用于纺织品加工进度的追踪控制方法，其特征在于，所述方法包括以下步骤：获取待加工纺织品的类型数据、待加工量及源图像；
对每个加工节点中纺织品的加工图像进行实时采集并放至图像集；
基于所述图像集，获取第一纺织品加工前的图像为第一图像，基于所述源图像，对所述第一图像进行预处理，得到所述第一纺织品的类型数据；
提取所述第一图像的特征数据为第一特征数据，在所述第一特征数据中确定至少一个特征点为第一特征点，记录所述第一特征点依次通过第一加工节点、第二加工节点、……、及第N加工节点对应的时刻分别为t1、t2、……、和tN并放至第一预设时刻集；基于所述第一预设时刻集，计算所述第一特征点通过相邻加工节点之间的时间间隔得到计算结果为第一计算结果，N为正整数；
基于所述第一纺织品的类型数据，获取所述第一纺织品的待加工量为第一待加工量；
获取所述第一加工节点的tM时刻，在t1至tM时刻的时间区间内，判断是否出现不同类型的纺织品，若是，则判定所述第一纺织品完成加工，将不同类型的纺织品定义为第二纺织品，对所述第二纺织品进行处理得到处理结果，基于所述处理结果，对所述第二纺织品加工进度进行追踪并通过预设终端进行显示；若否，则计算t1至tM之间的时间间隔为第一时间间隔，获取t1至tM时刻的时间区间内，纺织设备的运行数据为第一运行数据，基于所述第一时间间隔、所述第一计算结果及所述第一运行数据，得到所述第一纺织品的完成量为第一完成量，计算所述第一完成量与所述第一待加工量的比值为第一比值，对所述第一比值进行可视化处理并通过所述预设终端进行显示，M为大于1的正整数；
采用第一预设方法判断是否出现不同类型的纺织品包括：
连续获取所述第一加工节点关于所述第一纺织品的多帧加工图像；
对所述多帧加工图像处理得到所述第一纺织品在所述第一加工节点的样本图像；
计算后续所述第一加工节点所有加工图像与所述样本图像之间的欧式距离得到计算结果为第二计算结果；
基于所述第二计算结果，获取所有加工图像中与所述样本图像之间欧式距离超过第一预设值的加工图像为第一帧加工图像；
基于所述第一帧加工图像，连续获取位于所述第一帧加工图像后的R帧加工图像与所述样本图像之间的欧式距离并放至第一距离集，R为正整数；
计算所述第一距离集中所有欧式距离的平均值，判断所述平均值是否超过第二预设值，若是，则判断位于所述第一帧加工图像前后的纺织品属于不同类型；若否，则判断位于所述第一帧加工图像前后的纺织品属于同一类型。 说明书 : 一种用于纺织品加工进度的追踪控制系统及方法技术领域[0001] 本发明涉及纺织技术领域，具体地，涉及一种用于纺织品加工进度的追踪控制系统及方法。背景技术[0002] 通过对纺织品加工进度进行实时追踪，可实时了解纺织品加工效率，便于调整参数提高加工效率和控制加工质量，但现有对于纺织品加工进度的检测[0003] 在纺织行业领域，由于纺织品生产或者相关加工时机台运转速度较高，针对小批量和多品种的纺织品进行加工时，需要将不同品种的纺织品直接缝在一起或用导布连接后进行连续生产，现有技术中，对于纺织品加工进度的跟踪，最开始是通过人工输入或者扫描纺织品的批次号来记录纺织品品种的加工进度，经过改进后，通过设置缝头检测装置，对两匹纺织品之间的缝头信号进行检测，根据检测到的缝头信号产生脉冲信号，通过记录并追踪脉冲信号的个数，来获取不同品种纺织品的加工进度。[0004] 但改进后的纺织品加工进度自动跟踪方法存在以下弊端，首先缝头检测装置只能对纺织品之间的缝头信号进行检测，但对于同一品种纺织品而言，若需要加工的纺织品长度较长时，也会存在缝头信号，就会造成加工进度追踪的准确率得不到保障，同时由于是通过脉冲信号来追踪纺织品加工进度，因此也无法对加工进度进行实时追踪。发明内容[0005] 为解决现有纺织品加工进度跟踪方法中存在的追踪准确率低和无法实现实时追踪的问题，本发明提供了一种用于纺织品加工进度的追踪控制系统，该系统包括：[0006] 数据单元：获取待加工纺织品的类型数据、待加工量及源图像；[0007] 图像采集单元：对每个加工节点中纺织品的加工图像进行实时采集并放至图像集；[0008] 预处理单元：基于所述图像集，获取第一纺织品加工前的图像为第一图像，基于所述源图像，对所述第一图像进行预处理，得到所述第一纺织品的类型数据；[0009] 特征单元：提取所述第一图像的特征数据为第一特征数据，在所述第一特征数据中确定至少一个特征点为第一特征点，记录所述第一特征点依次通过第一加工节点、第二加工节点、……、及第N加工节点对应的时刻分别为t1、t2、……、和tN并放至第一预设时刻集；基于所述第一预设时刻集，计算所述第一特征点通过相邻加工节点之间的时间间隔得到计算结果为第一计算结果，N为正整数；[0010] 进度追踪单元：基于所述第一纺织品的类型数据，获取所述第一纺织品的待加工量为第一待加工量；获取所述第一加工节点的tM时刻，在t1至tM时刻的时间区间内，判断是否出现不同类型的纺织品，若是，则判定所述第一纺织品完成加工，将不同类型的纺织品定义为第二纺织品，对所述第二纺织品进行处理得到处理结果，基于所述处理结果，对所述第二纺织品加工进度进行追踪并通过预设终端进行显示；若否，则计算t1至tM之间的时间间隔为第一时间间隔，获取t1至tM时刻的时间区间内，纺织设备的运行数据为第一运行数据，基于所述第一时间间隔、所述第一计算结果及所述第一运行数据，得到所述第一纺织品的完成量为第一完成量，计算所述第一完成量与所述第一待加工量的比值为第一比值，对所述第一比值进行可视化处理并通过所述预设终端进行显示，M为大于1的正整数。[0011] 本发明是通过以下技术方案实现的：首先通过数据单元获取待加工纺织品的类型数据、以及不同纺织品的待加工量以及源图像，源图像用于后续帮助确定待加工纺织品的类型数据。然后图像采集单元对纺织过程中每个加工节点的加工图像进行实时采集，并将采集的所有图像放至图像集；预处理单元是对第一纺织品加工前的第一图像进行预处理，获取得到第一纺织品的类型数据，后续通过类型数据可以获取第一纺织品的待加工量。[0012] 由于纺织品在实际加工中很难提取到具有关键特征的特征点，因此本发明通过设置特征单元对第一纺织品加工前的第一图像进行特征数据提。谔崛〉牡谝惶卣魇葜腥范ㄖ辽僖桓鎏卣鞯悖ㄒ部晌喔觯，记录该特征点依次通过每个加工节点的时刻，因为纺织品材质存在差异，因此不同类型的纺织品即使在同一加工参数下也难以保障加工效率和加工难度一致，因此为了实现对纺织品进度的实时追踪需要对不同纺织品的加工效率进行统计，本方案通过统计第一特征点通过相邻加工节点之间的时间间隔得到第一计算结果，基于第一计算结果来体现纺织设备对不同类型纺织加工效率的差异。[0013] 最后进度追踪单元对纺织品加工进度进行实时追踪并通过预设终端进行显示，实现纺织品加工进度实时追踪具体为：获取第一加工节点的tM时刻，在t1至tM时刻的区间内，判断是否出现不同类型的纺织品，因为在针对小批量和多品种的纺织品进行加工时，会将不同品种的纺织品缝在一起或用导布连接，同时当需要加工的纺织品长度较长时，也会缝在一起或用导布连接，因此采用第一预设方法判断在该时间区间内，是否出现了不同类型的纺织品，若是，则说明第一纺织品已经完成加工，此时需要对第二纺织品进行追踪，对第二纺织品进行处理得到处理结果，基于该处理结果，实现对第二纺织品加工进度进行实时追踪；若否，则说明第一纺织品正在进行加工，因此只需要对第一纺织品加工进度进行追踪，计算得到t1至tM之间的第一时间间隔，再获取t1至tM时刻的区间内，纺织设备的第一运行数据，最后通过第一时间间隔、第一计算结果和第一运行数据，得到第一纺织品的完成量，计算完成量与待加工量之间的比值，该比值就为第一纺织品的加工进度，对该比值进行可视化处理并通过预设终端进行显示，这样用户就能实时查看纺织品的加工进度。[0014] 进一步地，采用第一预设方法判断是否出现不同类型的纺织品包括：[0015] 连续获取所述第一加工节点关于所述第一纺织品的多帧加工图像；[0016] 对所述多帧加工图像处理得到所述第一纺织品在所述第一加工节点的样本图像；[0017] 计算后续所述第一加工节点所有加工图像与所述样本图像之间的欧式距离得到计算结果为第二计算结果；[0018] 基于所述第二计算结果，获取所有加工图像中与所述样本图像之间欧式距离超过第一预设值的加工图像为第一帧加工图像；[0019] 基于所述第一帧加工图像，连续获取位于所述第一帧加工图像后的R帧加工图像与所述样本图像之间的欧式距离并放至第一距离集，R为正整数；[0020] 计算所述第一距离集中所有欧式距离的平均值，判断所述平均值是否超过第二预设值，若是，则判断位于所述第一帧加工图像前后的纺织品属于不同类型；若否，则判断位于所述第一帧加工图像前后的纺织品属于同一类型。[0021] 其中，现有对于纺织品加工进度的追踪系统是通过缝头检测装置，对两匹纺织品之间的缝头信号进行检测，根据检测到的缝头信号产生脉冲信号，从而来区分不同类型的纺织品。但在实际加工过程中，对于加工量较大的纺织品也存在缝头的情况，因此为了区分不同类型的纺织品，首先连续获取多帧纺织品的图像，通过多帧纺织品的图像确定该纺织品加工的样本图像，然后基于该样本图像，计算后续第一加工节点的所有图像与该样本图像之间的欧式距离，如果欧式距离未超过第一预设值，说明属于同一类型纺织品，如果欧式距离超过第一预设值，说明出现了纺织品之间出现了缝头信号，但不能确定缝头两端的纺织品是否为同一纺织品，因此当出现第一帧加工图像与样本图像之间的欧式距离超过第一预设值时，继续获取该第一帧加工图像后连续R帧加工图像，通过计算这R帧加工图像与样本图像之间欧式距离的平均值，若该平均值超过第二预设值，说明第一帧加工图像前后的纺织品属于不同类型，若该平均值未超过第二预设值，则说明第一帧加工图像前后的纺织品属于同一类型。之所以采用多帧加工图像与样本图像之间欧式距离平均值，是为了提高纺织品类型判别的准确率。[0022] 进一步地，采用第三预设方法对所述多帧加工图像处理得到所述第一纺织品在所述第一加工节点的样本图像包括：[0023] 创建样本模型，将所述多帧加工图像作为输入集输入到所述样本模型；对所述样本模型进行训练，利用训练后的所述样本模型输出所述样本图像。[0024] 其中，对于样本图像的处理采用神经网络模型学习的方法，提高样本图像获取的效率。[0025] 进一步地，对所述样本模型进行训练包括：[0026] 创建预设数量的网络，将所述多帧加工图像均分至多个网络；[0027] 基于排列组合原理，迭代计算任意两个网络中任意两帧加工图像之间的欧式距离并放至第二距离集，直至任意一个网络中的任意一帧加工图像均与其他网络中任意一帧加工图像之间完成欧式距离的计算；[0028] 计算所有欧式距离的平均值，筛选出距离该平均值最近对应的一组加工图像分别为加工图像A和加工图像B；[0029] 基于所述第二距离集，获取除加工图像B外距离所述加工图像A最近对应的欧式距离为第一欧式距离；[0030] 基于所述第二距离集，获取除加工图像A外距离所述加工图像B最近对应的欧式距离为第二欧式距离；[0031] 若所述第一欧式距离大于所述第二欧式距离，则将所述加工图像B作为样本图像；若所述第二欧式距离大于所述第一欧式距离，则将所述加工图像A作为样本图像。[0032] 其中，由于纺织加工图像的样本数量较小且图像之间的差距较。虼宋颂岣哐就枷窕袢〉淖既仿，本方案首先是创建预设数量的网络，然后将多帧加工图像均分至多个网络，基于排列组合原理，将每个网络中的每帧图像与其他网络中的图像进行欧式距离计算，提高训练样本的数量，然后计算所有欧式距离的平均值，基于该平均值，获取距离该平均值距离最近对应的一组加工图像A和B，再去计算除加工图像B以外距离加工图像A最近对应的第一欧式距离，计算除加工图像A以外距离加工图像B最近的第二欧式距离，如果第一欧式距离大于第二欧式距离，说明加工图像B更适用于作为样本图像，如果第二欧式距离大于第一欧式距离，说明加工图像A更适用于作为样本图像，通过上述方法对样本模型进行训练，能提高样本图像的获取效率。[0033] 进一步地，采用第二预设方法对所述第二纺织品进行处理包括：[0034] 基于所述第一预设方法，获取所述第二纺织品加工前的图像为第二图像；[0035] 提取所述第二图像的特征数据为第二特征数据，在所述第二特征数据中确定至少一个特征点为第二特征点；[0036] 记录所述第二特征点依次通过所述第一加工节点，所述第二加工节点、……、及所述第N加工节点对应的时刻并放至第二预设时刻集；[0037] 基于所述第二预设时刻集，计算所述第二特征点通过相邻加工节点之间的时间间隔得到计算结果为第四计算结果；[0038] 获取所述第二图像的时刻为tD，D为正整数，且1＜D＜M；[0039] 计算tD至tM之间的时间间隔为第二时间间隔，获取tD至tM时刻的时间区间内，所述纺织设备的运行数据为第二运行数据；[0040] 基于所述第二时间间隔、所述第四计算结果及所述第二运行数据，得到所述第二纺织品的完成量为第二完成量；[0041] 基于所述第二纺织品的类型数据，获取所述第二纺织品的待加工量为第二待加工量；[0042] 计算所述第二完成量与所述第二待加工量的比值为第二比值；[0043] 对所述第二比值进行可视化处理并通过所述预设终端进行显示。[0044] 其中，对于第二纺织品采用第二预设方法处理，其处理具体方式与第一纺织品加工进度追踪方式相似，先是获取第二纺织品加工前的第二图像，在第二图像中提取第二特征数据，在第二特征数据中确定至少一个第二特征点，然后记录第二特征点依次通过第一加工节点，第二加工节点、……、及第N加工节点对应的时刻并放至第二预设时刻集，基于该时刻集，计算第二特征点通过相邻加工节点之间的时间间隔得到第四计算结果，最后通过第二时间间隔、第四计算结果及第二运行数据，得到所述第二纺织品的第二完成量，基于第二纺织品的类型数据，得到第二纺织品的第二待加工量，通过计算第二完成量与第二待加工量之间比值并进行实时更新，实现对第二纺织品加工进度的实时追踪。[0045] 进一步地，基于所述源图像，对所述第一图像进行预处理包括：[0046] 将所述第一图像与所述源图像进行匹配，判断是否存在有源图像匹配成功，若是，将对应源图像命名为第一源图像，并获取所述第一源图像对应的纺织品类型数据作为所述第一图像对应的纺织品类型数据；若否，则对所述第一图像进行处理。[0047] 其中，源图像即为纺织品原材料供应商或者厂家提供的关于不同类型纺织品的样本图像，但该样本图像与实际加工的纺织品图像存在不完全匹配的情况，因此预处理首先是先将第一图像与源图像进行匹配，如果匹配成功，则直接获取对应的类型数据，如果匹配失败，则对第一图像进行处理。[0048] 进一步地，采用第四预设方法对所述第一图像进行处理包括：[0049] 计算所有源图像与所述第一图像的欧式距离得到计算结果为第三计算结果；[0050] 基于所述第三计算结果，筛选得到预设个数距离所述第一图像最近的源图像放至源图像集；[0051] 基于所述源图像集，将所有源图像对应的纺织品类型数据作为所述第一图像对应的伪类型数据；[0052] 获取所述第一纺织品在每个加工节点的多帧图像数据、纺织设备的运行数据为第三运行数据以及所述第一纺织品的完成量数据；[0053] 创建修正模型，将所述伪类型数据、所述多帧图像数据、所述第三运行数据及所述完成量数据作为输入集输入到所述修正模型；[0054] 对所述修正模型进行训练，利用训练后的模型对所述伪类型数据进行修正得到所述第一图像对应的纺织品类型数据。[0055] 其中，对与源图像无法匹配成功的第一图像，本方案采用的是在源图像中寻找一帧最接近第一图像的源图像，为了尽可能提高寻找最接近源图像的准确率，首先计算所有源图像与第一图像的欧式距离，筛选得到预设个数距离第一图像最近的源图像，将这些源图像的类型数据作为第一图像对应的伪类型数据，创建修正模型，将伪类型数据、第一纺织品在每个加工节点的图像数据、设备运行数据及完成量数据作为输入集输入到修正模型中，通过对修正模型进行训练，基于训练后的修正模型，能及时确定第一图像对应的类型数据。[0056] 进一步地，对所述修正模型进行训练包括：[0057] 提取所述多帧图像数据中每帧图像的特征数据并放至对应数据集，对每个数据集中的特征数据进行降维处理；[0058] 将降维处理后的所述多帧图像数据、所述第三运行数据及所述完成量数据作为约束条件，不断对所述伪类型数据进行修正，直至所述源图像集中存在最后一帧第二源图像满足所述约束条件，将所述第二源图像对应的纺织品类型数据作为所述第一图像对应的纺织品类型数据。[0059] 其中，提取多帧图像中每帧图像的特征数据，通过预设算法（如SNE算法），对每个数据集中的特征数据进行降维处理，降维，即在保证数据所具有的代表性特性或者分布的情况下，将高纬数据转化为低纬数据的过程，起到数据可视化和精简数据的效果，然后将降维处理后的多帧图像数据、设备运行数据和纺织品完成量数据作为约束条件，不断对伪类型数据进行修正，直到只剩一帧源图像对应的类型数据满足该约束条件，将该源图像对应的类型数据作为第一图像的类型数据。[0060] 进一步地，对所述第一比值进行可视化处理包括：采用预设组件对所述第一比值进行处理，所述预设组件显示的数据随所述第一比值动态变化。[0061] 其中，将所述第一比值输入到预设组件中，且预设组件显示的数据可以随第一比值动态变化，用户通过预设终端中的预设组件可以实时查看不同纺织品的加工进度。[0062] 为解决现有纺织品加工进度跟踪方法中存在的追踪准确率低和无法实现实时追踪的问题，本发明提供了一种用于纺织品加工进度的追踪控制方法，该方法包括以下步骤：[0063] 获取待加工纺织品的类型数据、待加工量及源图像；[0064] 对每个加工节点中纺织品的加工图像进行实时采集并放至图像集；[0065] 基于所述图像集，获取第一纺织品加工前的图像为第一图像，基于所述源图像，对所述第一图像进行预处理，得到所述第一纺织品的类型数据；[0066] 提取所述第一图像的特征数据为第一特征数据，在所述第一特征数据中确定至少一个特征点为第一特征点，记录所述第一特征点依次通过第一加工节点、第二加工节点、……、及第N加工节点对应的时刻分别为t1、t2、……、和tN并放至第一预设时刻集；基于所述第一预设时刻集，计算所述第一特征点通过相邻加工节点之间的时间间隔得到计算结果为第一计算结果，N为正整数；[0067] 基于所述第一纺织品的类型数据，获取所述第一纺织品的待加工量为第一待加工量；获取所述第一加工节点的tM时刻，在t1至tM时刻的时间区间内，判断是否出现不同类型的纺织品，若是，则判定所述第一纺织品完成加工，将不同类型的纺织品定义为第二纺织品，对所述第二纺织品进行处理得到处理结果，基于所述处理结果，对所述第二纺织品加工进度进行追踪并通过预设终端进行显示；若否，则计算t1至tM之间的时间间隔为第一时间间隔，获取t1至tM时刻的时间区间内，纺织设备的运行数据为第一运行数据，基于所述第一时间间隔、所述第一计算结果及所述第一运行数据，得到所述第一纺织品的完成量为第一完成量，计算所述第一完成量与所述第一待加工量的比值为第一比值，对所述第一比值进行可视化处理并通过所述预设终端进行显示，M为大于1的正整数。[0068] 本发明提供的一个或多个技术方案，至少具有如下技术效果或优点：[0069] 本发明通过设置数据单元获取待加工纺织品的基础数据，图像采集单元采集每个加工节点纺织品的加工图像，预处理单元处理得到待加工纺织品的类型数据，再通过特征单元，记录并计算不同纺织品通过相邻加工节点之间的时间间隔得到第一计算结果，基于该第一计算结果体现纺织设备对不同纺织品加工效率的差异，再通过进度追踪单元对不同场景下的纺织品加工进度进行追踪，不仅实现了对纺织品加工进度的实时追踪，同时还提高了加工进度追踪的准确率。[0070] 本发明通过设置第一预设方法来判断是否出现不同类型的纺织品，由于是通过纺织品本身的加工图像来确定纺织品的样本图像，再通过计算后续图像与该样本图像的相似度来判断不同类型的纺织品，其判别方式相较于现有缝头信号检测的方式，更加准确。[0071] 本发明通过设置样本模型，并对该样本模型进行训练，利用训练后的样本模型，能快速准确的基于纺织品多帧加工图像得到对应的样本图像。[0072] 本发明通过第四预设方法和修正模型，对无法通过源图像直接确定纺织品类型数据的待加工纺织品，能快速准确的获取纺织品的类型数据。附图说明[0073] 此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明的一部分，并不构成对本发明实施例的限定；[0074] 图1是本发明中一种用于纺织品加工进度的追踪控制系统组成示意图；[0075] 图2是本发明中一种用于纺织品加工进度的追踪控制方法流程示意图。具体实施方式[0076] 为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。[0077] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。[0078] 实施例一[0079] 请参考图1，图1是本发明中一种用于纺织品加工进度的追踪控制系统组成示意图，该系统包括：[0080] 数据单元：获取待加工纺织品的类型数据、待加工量及源图像；[0081] 图像采集单元：对每个加工节点中纺织品的加工图像进行实时采集并放至图像集；[0082] 预处理单元：基于所述图像集，获取第一纺织品加工前的图像为第一图像，基于所述源图像，对所述第一图像进行预处理，得到所述第一纺织品的类型数据；[0083] 特征单元：提取所述第一图像的特征数据为第一特征数据，在所述第一特征数据中确定至少一个特征点为第一特征点，记录所述第一特征点依次通过第一加工节点、第二加工节点、……、及第N加工节点对应的时刻分别为t1、t2、……、和tN并放至第一预设时刻集；基于所述第一预设时刻集，计算所述第一特征点通过相邻加工节点之间的时间间隔得到计算结果为第一计算结果，N为正整数；[0084] 进度追踪单元：基于所述第一纺织品的类型数据，获取所述第一纺织品的待加工量为第一待加工量；获取所述第一加工节点的tM时刻，在t1至tM时刻的时间区间内，判断是否出现不同类型的纺织品，若是，则判定所述第一纺织品完成加工，将不同类型的纺织品定义为第二纺织品，对所述第二纺织品进行处理得到处理结果，基于所述处理结果，对所述第二纺织品加工进度进行追踪并通过预设终端进行显示；若否，则计算t1至tM之间的时间间隔为第一时间间隔，获取t1至tM时刻的时间区间内，纺织设备的运行数据为第一运行数据，基于所述第一时间间隔、所述第一计算结果及所述第一运行数据，得到所述第一纺织品的完成量为第一完成量，计算所述第一完成量与所述第一待加工量的比值为第一比值，对所述第一比值进行可视化处理并通过所述预设终端进行显示，M为大于1的正整数。[0085] 本发明的具体实施例如下：通过数据单元获取待加工纺织品的类型数据、以及不同纺织品的待加工量以及源图像，然后图像采集单元对纺织过程中每个加工节点的加工图像进行实时采集，并将采集的所有图像放至图像集，图像采集单元可以采用工业相机，对于工业相机的型号，可根据实际进行选择，本发明不做具体限定。预处理单元是对第一纺织品加工前的第一图像进行预处理，获取得到第一纺织品的类型数据，通过纺织品的类型数据，可以获取到纺织品的待加工量。[0086] 通过特征单元提取特征点，并记录该特征点依次通过每个加工节点的时刻，因为纺织品材质存在差异，因此不同类型的纺织品即使在同一加工参数下也难以保障加工效率和加工难度一致，本方案通过统计第一特征点通过相邻加工节点之间的时间间隔得到第一计算结果，基于第一计算结果来体现纺织设备对不同类型纺织加工效率的差异。[0087] 最后进度追踪单元对纺织品加工进度进行实时追踪，获取第一加工节点的tM时刻，在t1至tM时刻的区间内，采用第一预设方法判断是否出现不同类型的纺织品，若是，则说明第一纺织品已经完成加工，此时需要对第二纺织品进行追踪，通过第二预设方法对第二纺织品进行处理得到处理结果，基于该处理结果，实现对第二纺织品加工进度进行实时追踪，对第二纺织品加工进度的实时追踪在其他实施例已经进行阐述，本实施例不再展开阐述；若否，则说明第一纺织品正在进行加工，因此只需要对第一纺织品加工进度进行追踪，计算得到t1至tM之间的第一时间间隔，再获取t1至tM时刻的区间内，纺织设备的第一运行数据，最后通过第一时间间隔、第一计算结果和第一运行数据，得到第一纺织品的完成量，计算完成量与待加工量之间的比值，对该比值进行可视化处理后通过预设终端进行显示，方便用户实时查看纺织品的加工进度。[0088] 其中，采用第一预设方法判断是否出现不同类型的纺织品包括：[0089] 连续获取所述第一加工节点关于所述第一纺织品的多帧加工图像；[0090] 对所述多帧加工图像处理得到所述第一纺织品在所述第一加工节点的样本图像；[0091] 计算后续所述第一加工节点所有加工图像与所述样本图像之间的欧式距离得到计算结果为第二计算结果；[0092] 基于所述第二计算结果，获取所有加工图像中与所述样本图像之间欧式距离超过第一预设值的加工图像为第一帧加工图像；[0093] 基于所述第一帧加工图像，连续获取位于所述第一帧加工图像后的R帧加工图像与所述样本图像之间的欧式距离并放至第一距离集，R为正整数；[0094] 计算所述第一距离集中所有欧式距离的平均值，判断所述平均值是否超过第二预设值，若是，则判断位于所述第一帧加工图像前后的纺织品属于不同类型；若否，则判断位于所述第一帧加工图像前后的纺织品属于同一类型。[0095] 首先连续获取多帧纺织品的加工图像，通过多帧纺织品的加工图像确定该纺织品加工的样本图像，然后基于该样本图像，计算后续第一加工节点的所有图像与该样本图像之间的欧式距离，如果欧式距离未超过第一预设值，说明属于同一类型纺织品，如果欧式距离超过第一预设值，说明出现了纺织品之间出现了缝头信号，但不能确定缝头两端的纺织品是否为同一纺织品，因此当出现第一帧加工图像与样本图像之间的欧式距离超过第一预设值时，继续获取该第一帧加工图像后连续R帧加工图像，通过计算这R帧加工图像与样本图像之间欧式距离的平均值，若该平均值超过第二预设值，说明第一帧加工图像前后的纺织品属于不同类型，若该平均值未超过第二预设值，则说明第一帧加工图像前后的纺织品属于同一类型。[0096] 其中，采用第三预设方法对所述多帧加工图像处理得到所述第一纺织品在所述第一加工节点的样本图像包括：[0097] 创建样本模型，将所述多帧加工图像作为输入集输入到所述样本模型；对所述样本模型进行训练，利用训练后的所述样本模型输出所述样本图像。[0098] 对于样本图像的处理采用神经网络模型学习的方法，提高样本图像获取的效率。[0099] 其中，对所述样本模型进行训练包括：[0100] 创建预设数量的网络，将所述多帧加工图像均分至多个网络；[0101] 基于排列组合原理，迭代计算任意两个网络中任意两帧加工图像之间的欧式距离并放至第二距离集，直至任意一个网络中的任意一帧加工图像均与其他网络中任意一帧加工图像之间完成欧式距离的计算；[0102] 计算所有欧式距离的平均值，筛选出距离该平均值最近对应的一组加工图像分别为加工图像A和加工图像B；[0103] 基于所述第二距离集，获取除加工图像B外距离所述加工图像A最近对应的欧式距离为第一欧式距离；[0104] 基于所述第二距离集，获取除加工图像A外距离所述加工图像B最近对应的欧式距离为第二欧式距离；[0105] 若所述第一欧式距离大于所述第二欧式距离，则将所述加工图像B作为样本图像；若所述第二欧式距离大于所述第一欧式距离，则将所述加工图像A作为样本图像。[0106] 如网络的数量为4个，多帧加工图像的数量为8。8帧加工图像均分至4个网络中，基于排列组合原理，计算任意两个网络之间任意两帧加工图像之间的欧式距离，也就是得到24个关于加工图像之间的欧式距离，计算这24个欧式距离的平均值为z，筛选距离z最近的对应的一组加工图像分别为加工图像A和加工图像B，再获取除加工图像B外距离加工图像A最近对应的第一欧式距离为x，除加工图像A外距离加工图像B最近对应的第二欧式距离为y，如果x＞y，则将加工图像B作为样本图像，如果y＞x，则将加工图像A作为样本图像。[0107] 其中，采用第二预设方法对所述第二纺织品进行处理包括：[0108] 基于所述第一预设方法，获取所述第二纺织品加工前的图像为第二图像；[0109] 提取所述第二图像的特征数据为第二特征数据，在所述第二特征数据中确定至少一个特征点为第二特征点；[0110] 记录所述第二特征点依次通过所述第一加工节点，所述第二加工节点、……、及所述第N加工节点对应的时刻并放至第二预设时刻集；[0111] 基于所述第二预设时刻集，计算所述第二特征点通过相邻加工节点之间的时间间隔得到计算结果为第四计算结果；[0112] 获取所述第二图像的时刻为tD，D为正整数，且1＜D＜M；[0113] 计算tD至tM之间的时间间隔为第二时间间隔，获取tD至tM时刻的时间区间内，所述纺织设备的运行数据为第二运行数据；[0114] 基于所述第二时间间隔、所述第四计算结果及所述第二运行数据，得到所述第二纺织品的完成量为第二完成量；[0115] 基于所述第二纺织品的类型数据，获取所述第二纺织品的待加工量为第二待加工量；[0116] 计算所述第二完成量与所述第二待加工量的比值为第二比值；[0117] 对所述第二比值进行可视化处理并通过所述预设终端进行显示。[0118] 第二纺织品采用第二预设方法处理，其处理具体方式与第一纺织品加工进度追踪方式相似，先是获取第二纺织品加工前的第二图像，在第二图像中提取第二特征数据，在第二特征数据中确定至少一个第二特征点，然后记录第二特征点依次通过第一加工节点，第二加工节点、……、及第N加工节点对应的时刻并放至第二预设时刻集，基于该时刻集，计算第二特征点通过相邻加工节点之间的时间间隔得到第四计算结果，最后通过第二时间间隔、第四计算结果及第二运行数据，得到所述第二纺织品的第二完成量，基于第二纺织品的类型数据，得到第二纺织品的第二待加工量，通过计算第二完成量与第二待加工量之间比值并进行实时更新，实现对第二纺织品加工进度的实时追踪。[0119] 其中，基于所述源图像，对所述第一图像进行预处理包括：[0120] 将所述第一图像与所述源图像进行匹配，判断是否存在有源图像匹配成功，若是，将对应源图像命名为第一源图像，并获取所述第一源图像对应的纺织品类型数据作为所述第一图像对应的纺织品类型数据；若否，则对所述第一图像进行处理。[0121] 源图像即为纺织品原材料供应商或者厂家提供的关于不同类型纺织品的样本图像，预处理首先是先将第一图像与源图像进行匹配，如果匹配成功，则直接获取对应的纺织品类型数据，如果匹配失败，则需要采用第四预设方法进行处理。[0122] 其中，采用第四预设方法对所述第一图像进行处理包括：[0123] 计算所有源图像与所述第一图像的欧式距离得到计算结果为第三计算结果；[0124] 基于所述第三计算结果，筛选得到预设个数距离所述第一图像最近的源图像放至源图像集；[0125] 基于所述源图像集，将所有源图像对应的纺织品类型数据作为所述第一图像对应的伪类型数据；[0126] 获取所述第一纺织品在每个加工节点的多帧图像数据、纺织设备的运行数据为第三运行数据以及所述第一纺织品的完成量数据；[0127] 创建修正模型，将所述伪类型数据、所述多帧图像数据、所述第三运行数据及所述完成量数据作为输入集输入到所述修正模型；[0128] 对所述修正模型进行训练，利用训练后的模型对所述伪类型数据进行修正得到所述第一图像对应的纺织品类型数据。[0129] 由于存在不同类型纺织品之间差异较小的情况，这就导致在通过源图像进行匹配来确定第一图像对应纺织品类型数据时，可能出现匹配不成功的情况，本方案首先通过计算所有源图像与第一图像的欧式距离来筛选得到预设个数（如5个）的源图像，这5个源图像与该第一图像均相似，将这5个源图像对应的纺织品类型数据作为第一图像的纺织品伪类型数据，再通过创建修正模型，利用训练后的修正模型对伪类型数据进行修正，直至只剩其中一个源图像对应的纺织品类型数据，将该纺织品类型数据作为第一图像对应的纺织品类型数据。[0130] 其中，对所述修正模型进行训练包括：[0131] 提取所述多帧图像数据中每帧图像的特征数据并放至对应数据集，对每个数据集中的特征数据进行降维处理；[0132] 将降维处理后的所述多帧图像数据、所述第三运行数据及所述完成量数据作为约束条件，不断对所述伪类型数据进行修正，直至所述源图像集中存在最后一帧第二源图像满足所述约束条件，将所述第二源图像对应的纺织品类型数据作为所述第一图像对应的纺织品类型数据。[0133] 对数据进行降维处理，是为了保证数据所具有的代表性特征或者分布的情况下，将高维数据转化为低纬数据，起到精简数据的效果，经过降维处理后的多帧图像数据、第三运行数据及纺织品实时完成量数据作为约束条件，不断对伪类型数据进行修正，如通过纺织品的实时完成量数据作为其中一个约束条件，H类型对应的纺织品待加工量为h，K类型对应的纺织品待加工量为k，当第一纺织品的实时完成量超过k时，说明第一纺织品的类型不为K类型，将K类型对应的类型数据从伪类型数据中去除，保留H类型数据。上述数据只是起到解释说明作用，可根据实际进行调整，本发明不做具体限定。[0134] 其中，对所述第一比值进行可视化处理包括：采用预设组件对所述第一比值进行处理，所述预设组件显示的数据随所述第一比值动态变化。[0135] 预设组件可以选择饼状图组件和柱状图组件等其他组件，本发明不做具体限定，且预设组件显示的数据随第一比值动态变化，这样加工人员通过预设终端就能清晰的了解不同纺织品加工的实时进度。[0136] 实施例二[0137] 请参考图2，图2是本发明中一种用于纺织品加工进度的追踪控制方法流程示意图，该方法包括以下步骤：[0138] 获取待加工纺织品的类型数据、待加工量及源图像；[0139] 对每个加工节点中纺织品的加工图像进行实时采集并放至图像集；[0140] 基于所述图像集，获取第一纺织品加工前的图像为第一图像，基于所述源图像，对所述第一图像进行预处理，得到所述第一纺织品的类型数据；[0141] 提取所述第一图像的特征数据为第一特征数据，在所述第一特征数据中确定至少一个特征点为第一特征点，记录所述第一特征点依次通过第一加工节点、第二加工节点、……、及第N加工节点对应的时刻分别为t1、t2、……、和tN并放至第一预设时刻集；基于所述第一预设时刻集，计算所述第一特征点通过相邻加工节点之间的时间间隔得到计算结果为第一计算结果，N为正整数；[0142] 基于所述第一纺织品的类型数据，获取所述第一纺织品的待加工量为第一待加工量；获取所述第一加工节点的tM时刻，在t1至tM时刻的时间区间内，判断是否出现不同类型的纺织品，若是，则判定所述第一纺织品完成加工，将不同类型的纺织品定义为第二纺织品，对所述第二纺织品进行处理得到处理结果，基于所述处理结果，对所述第二纺织品加工进度进行追踪并通过预设终端进行显示；若否，则计算t1至tM之间的时间间隔为第一时间间隔，获取t1至tM时刻的时间区间内，纺织设备的运行数据为第一运行数据，基于所述第一时间间隔、所述第一计算结果及所述第一运行数据，得到所述第一纺织品的完成量为第一完成量，计算所述第一完成量与所述第一待加工量的比值为第一比值，对所述第一比值进行可视化处理并通过所述预设终端进行显示，M为大于1的正整数。[0143] 尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。[0144] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

专利地区：四川

专利申请日期：2024-07-02

专利公开日期：2024-09-06

专利公告号：CN118409555B