公开(公告)号：CN111235709A

公开(公告)日：2020-06-05

申请号：CN202010193070.9

申请日：2020-03-18

Applicant: 东华大学

Inventor： 张洁 ,  徐楚桥 ,  汪俊亮 ,  寇恩浦 ,  鲍劲松

IPC: D01H13/22

Abstract: 本发明涉及一种基于机器视觉的环锭纺细纱条干在线检测系统通过边缘计算及5G高速传输方式，在细纱机上使用高速照相机，实现高速运动纱线的实时图像捕获，同时配合多元混合结构光实现条干、毛羽特征差分，最后融合结构化和非结构化数据，利用深度学习算法修正机理模型，实现细纱条干CV的实时在线检测。本发明能实时在线检测环锭纺细纱条干，实时反映生产过程中的条干波谱图，反应实时纱线质量情况和设备状态，以及时发现生产异常情况，辅助车间人员及时处理，保障高质高效生产。

公开(公告)号：CN111738413B

公开(公告)日：2021-04-20

申请号：CN202010498114.9

申请日：2020-06-04

Applicant: 东华大学

Inventor： 张洁 ,  徐楚桥 ,  汪俊亮 ,  任杰 ,  朱子洵 ,  寇恩浦 ,  赵树煊 ,  李冬武

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06Q50/04

Abstract: 本发明涉及一种基于特征自匹配迁移学习的纺纱全流程能耗监测方法，该方法通过深度卷积神经网络从旧厂历史数据集中学习知识规律，并迁移到新厂纺纱能效的异常趋势识别中，以弥补新厂异常样本不足的问题。同时，针对迁移过程中由于源域、目标域之间数据特征不匹配造成的负迁移问题，设计了基于聚类的特征自匹配层网络，通过特征匹配矩阵最小化同类特征的距离，剔除离群特征，促进有效知识的正向迁移，抑制无效干扰知识的负迁移。与现有方法相比，所提模型具有更高的纺纱能效异常侦测精度和更低的漏报率。

公开(公告)号：CN111738413A

公开(公告)日：2020-10-02

申请号：CN202010498114.9

申请日：2020-06-04

Applicant: 东华大学

Inventor： 张洁 ,  徐楚桥 ,  汪俊亮 ,  任杰 ,  朱子洵 ,  寇恩浦 ,  赵树煊 ,  李冬武

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06Q50/04

Abstract: 本发明涉及一种基于特征自匹配迁移学习的纺纱全流程能耗监测方法，该方法通过深度卷积神经网络从旧厂历史数据集中学习知识规律，并迁移到新厂纺纱能效的异常趋势识别中，以弥补新厂异常样本不足的问题。同时，针对迁移过程中由于源域、目标域之间数据特征不匹配造成的负迁移问题，设计了基于聚类的特征自匹配层网络，通过特征匹配矩阵最小化同类特征的距离，剔除离群特征，促进有效知识的正向迁移，抑制无效干扰知识的负迁移。与现有方法相比，所提模型具有更高的纺纱能效异常侦测精度和更低的漏报率。