基于人工智能的纺织毛刷辊磨损分析及寿命预测方法与流程

技术特征：
1.一种基于人工智能的纺织毛刷辊磨损分析及寿命预测方法，其特征在于，该方法包括：利用两个滤光片的偏光角度相差90度的线阵相机分别获取毛刷辊的第一柱面图像和第二柱面图像；根据每小时内的所述第一柱面图像和所述第二柱面图像获取每小时对应的一张双通道的第三柱面图像，所述第三柱面图像用于描述所述毛刷辊工作多个小时后刷毛的偏振光特征；将所述第三柱面图像划分为多个子柱面图像，由所述子柱面图像中像素点的像素值分别获取刷毛偏向各方向时的亮斑强度和高频纹理强度，根据所述亮斑强度和所述高频纹理强度获取每个所述子柱面图像对应刷毛的材质劣化评分以获取所述毛刷辊的磨损特征向量；基于多个所述磨损特征向量训练孪生网络，利用训练好的所述孪生网络预测待测毛刷辊的剩余寿命。2.如权利要求1所述的方法，其特征在于，所述基于多个所述磨损特征向量训练孪生网络的方法，包括：根据预设的k个磨损等级，对多个所述磨损特征向量进行聚类得到k个簇；利用k个簇内的所述磨损特征向量训练所述孪生网络。3.如权利要求2所述的方法，其特征在于，对多个所述磨损特征向量聚类后，进一步包括：基于k个所述磨损等级，将每个簇的向量模自小到大排列以得到每个簇对应的磨损等级标签；根据每个簇中每个所述磨损特征向量对应的时间获取时间均值；由每个簇的所述磨损等级标签和对应所述时间均值构成二元组。4.如权利要求3所述的方法，其特征在于，所述利用训练好的所述孪生网络预测待测毛刷辊的剩余寿命的方法，包括：获取所述待测毛刷辊多个小时所对应的多个所述第三柱面图像，以得到所述待测毛刷辊每个小时对应的所述磨损特征向量；将所述磨损特征向量输入训练好的所述孪生网络中以得到对应的所述磨损等级标签；让所述磨损等级标签通过所述二元组得到对应的所述时间均值；根据所述孪生网络的余弦距离获取每个所述磨损特征向量的隶属度；结合每个所述磨损特征向量对应的所述隶属度和所述时间均值预测所述待测毛刷辊的所述剩余寿命。5.如权利要求1所述的方法，其特征在于，所述根据每小时内的所述第一柱面图像和所述第二柱面图像获取每小时对应的一张双通道的第三柱面图像的方法，包括：获取每小时内所述毛刷辊所有的所述第一柱面图像和所述第二柱面图像；分别对所述第一柱面图像和所述第二柱面图像中像素点的像素值进行求和再求平均，以得到一张双通道的所述第三柱面图像。6.如权利要求1所述的方法，其特征在于，所述亮斑强度的获取方法，包括：对所述子柱面图像中像素点进行像素值求和，将求和结果作为刷毛偏向各方向时的所述亮斑强度。
7.如权利要求1所述的方法，其特征在于，所述高频纹理强度的获取方法，包括：让所述子柱面图像经过算子计算后，获取计算后所述子柱面图像的像素值之和，将所述像素值之和作为所述高频纹理强度。8.如权利要求1所述的方法，其特征在于，所述根据所述亮斑强度和所述高频纹理强度获取每个所述子柱面图像对应刷毛的材质劣化评分的方法，包括：利用由所述亮斑强度和所述高频纹理强度构建的所述材质劣化评分模型得到每个所述子柱面图像对应刷毛的所述材质劣化评分。9.如权利要求1或8所述的方法，其特征在于，将多个所述子柱面图像对应的所述材质劣化评分所构成的序列作为所述毛刷辊的所述磨损特征向量。

技术总结
本发明涉及视觉测量技术领域，具体涉及一种基于人工智能的纺织毛刷辊磨损分析及寿命预测方法。该方法利用两个滤光片的偏光角度相差90度的线阵相机分别获取毛刷辊的第一柱面图像和第二柱面图像；根据每小时内的第一柱面图像和第二柱面图像获取每小时对应的一张双通道的第三柱面图像,将第三柱面图像划分为多个子柱面图像，获取每个子柱面图像对应刷毛的材质劣化评分以得到毛刷辊的磨损特征向量；由磨损特征向量训练孪生网络，利用训练好的孪生网络预测待测毛刷辊的剩余寿命。通过分析刷毛磨损时毛刷辊的微观特征变化所导致的偏振光纹理的不同，以预测毛刷辊的剩余寿命，由实时预测的剩余寿命及时更换新的毛刷辊，避免因磨损严重导致工艺不合格。损严重导致工艺不合格。损严重导致工艺不合格。


技术研发人员：黄曼贞 林康群
受保护的技术使用者：海门市恒昌织带有限公司
技术研发日：2021.09.22
技术公布日：2021/10/28