CN114355855A - 一种缝制机械设备ai自动计件系统 - Google Patents

Abstract

本发明提供了一种缝制机械设备AI自动计件系统，包括数据管理模块：用于对输入数据进行多维度管理，获取管理数据；缝纫工序模块：用于根据所述管理数据进行工序分析，确定缝纫工序，获取工序信息；计件模块：用于根据所述工序信息，生成计件策略，根据所述计件策略，进行缝纫机计件，并获取计件信息；仿真模块：用于根据所述计件信息，构建计件模型，并进行计件检测，生成计件结果；通过对数据、工序、计件、仿真模型的逻辑化管理，极大提高了缝纫机工作精准性和管理精细程度，通过仿真模块实现了对计件和工序的联合优化，并对计件服务进行了迭代，提高了工序速度和计件效率。

Description

一种缝制机械设备AI自动计件系统

技术领域

本发明涉及互联网与云计算技术领域，特别涉及一种缝制机械设 备AI自动计件系统。

背景技术

针对缝纫机计件来说，缝纫机计件是制造行业必不可少的组成部 分，并且与人们的生活息息相关，其广阔的市场和广泛的应用场景， 使得对其的科技发展有了更高的要求；在申请号为 “202010166955.X”的专利“基于缝纫机工艺文件下发的控制系统 及控制方法”中，利用机器识别缝纫机的设备号，设备类型和工艺 匹配关系，通过对这些信息的分析，下发工艺文件，当缝纫机接收 到下发的工艺文件后，系统结束，在对缝纫机进行工艺规划和具体 操作方面，其具有很深的局限性，同时其应用于缝纫机与工艺文件 的关系也更待协调；通过对缝纫机进行科技优化升级，既可以提升 缝纫机智能化生产水平，也可以锻炼相关从事人才，提升信息化研 发、带动创新发展，从而进一步提升缝纫机整体信息化水平。

发明内容

本发明提供一种缝制机械设备AI自动计件系统，用以解决缝纫 机工作过程中，缺少多维度数据支撑，工艺识别与计件无法有效结合， 同时不能提高缝纫机效率和安全性的情况。

本发明提供了一种缝制机械设备AI自动计件系统，包括：

数据管理模块：用于对输入数据进行多维度管理，获取管理数据；

缝纫工序模块：用于根据所述管理数据进行工序分析，确定缝纫 工序，获取工序信息；

计件模块：用于根据所述工序信息，生成计件策略，根据所述计 件策略，进行缝纫机计件，并获取计件信息；

仿真模块：用于根据所述计件信息，构建计件模型，并进行计件 检测，生成计件结果。

作为本技术方案的一种实施例，在于所述数据管理模块包括：

输入识别单元：用于对输入数据进行有效识别，获取有效输入数 据；其中，

所述有效输入数据包括：布料数据、电控数据、辅助数据；其中，

所述电控数据包括：针数、剪线数、缝纫机控制信号、控制时间；

管理单元：用于根据预设的数据作用，对所述有效输入数据进行 分类管理，生成管理数据。

作为本技术方案的一种实施例，在于所述缝纫工序模块包括：

工序分析单元：用于根据预设的工序对照表，对管理数据进行数 据提取，生成工序特征数据；其中，

所述工序特征数据包括：工序分布数据、工序时间；

根据所述工序特征数据和预设的特征数据库，进行对照分析，确 定缝纫工序，并获取所述缝纫工序的工序信息；其中，

所述缝纫工序信息包括：缝纫工序类别、缝纫工序控制时间、缝 纫工序操作信息；其中，

所述缝纫工序类别包括：加急缝纫类别、正常缝纫类别。

作为本技术方案的一种实施例，在于所述计件模块包括：

计件策略单元：用于对工序信息进行策略识别，获取策略信息； 其中，

所述策略识别通过将工序信息进行关键类别筛选，获取关键信息， 对所述关键信息进行策略特征筛选，获取策略信息；其中，

所述关键信息包括：指令信息、材料信息；

根据所述策略信息进行计件策略分析，生成计件策略；其中，

所述计件策略包括：计件执行策略、计件监测策略；

计件控制单元：用于根据所述计件策略进行计件控制，获取控制 信息；其中，

所述计件控制包括：工序控制、统计控制；其中，

所述统计控制包括：布料数据统计、电控数据统计；

所述控制信息包括：控制信号信息、控制时间、控制状态信息；

根据所述控制信息进行缝纫机计件，并获取计件信息；其中，

所述计件信息包括：数量信息、参数变化信息、数据统计信息。

作为本技术方案的一种实施例，在于所述仿真模块包括：

模型构建单元：用于根据模型预设条件对计件信息进行信息提取， 获取模型基础数据；其中，

所述模型基础数据包括：材料数据、工序数据、计件控制数据；

根据所述模型基础数据，分析模型搭建类型，生成模型主体，根 据所述模型主体，构建计件模型；其中，

所述模型搭建类型为：逻辑模型、数字模型。

作为本技术方案的一种实施例，在于所述仿真模块还包括：

检测单元：用于对计件模型进行计件仿真训练，生成训练结果， 并对所述训练结果进行类型筛选，获取第一计件数据；

通过预设的计件方法，对缝纫机计件主体进行对照计件处理，获 取第二计件数据，将所述第一计件数据和第二计件数据进行偏差计算， 生成偏差值，并进行判断，确定判断结果；其中，

当所述偏差值小于等于预设的标准偏差值时，则计件成功；

当所述偏差值大于预设的标准偏差值时，则计件失败，进行计件 核实处理。

作为本技术方案的一种实施例，在于所述缝纫工序模块还包括：

工序检测单元：用于对缝纫工序进行识别检测，获取工序检测信 息，生成工序检测结果；其中，

所述识别检测包括以下步骤：

步骤S01：通过对缝纫工序进行节点捕捉，获取工序节点信息； 其中，

所述节点信息包括：操作节点信息、分类节点信息、时间节点信 息、节点逻辑序号；

步骤S02：根据所述工序节点信息，进行工序识别，生成工序识 别信息；其中，

所述工序识别信息包括：工序执行类别、工序节点信息；其中，

所述工序执行类别包括：单工序执行、多工序执行；

步骤S03：通过对所述工序识别信息进行检测，获取工序检测信 息；其中，

所述工序检测信息包括：工序流程数据、工序执行数据、工序时 间分布数据；

步骤S04：根据所述工序检测信息计算工序对比度，并进行判断， 生成判断结果；其中，

所述计算工序对比度通过预设工序数据库中的标准工序信息和 所述工序检测信息进行对比计算，确定工序对比度

当所述工序对比度在预设的阈值范围内时，则为常规工序；

当所述工序对比度不在预设的阈值范围内时，则根据所述对比度， 进行工序切换判断；其中，

当所述对比度在预设的切换阈值范围内时，则进行工序切换；

当所述对比度不在预设的切换阈值范围内时，则进行工序筛查处 理。

作为本技术方案的一种实施例，在于所述计件控制单元包括以下 步骤：

步骤一：通过检测工序信息，获取标准剪线数信息；其中，

所述标准剪线数信息包括：无标准剪线、第一标准剪线数、第二 标准剪线数；其中，

所述第一标准剪线数表示有一条标准剪线；

所述第二标准剪线数表示有两条标准剪线；

步骤二：根据所述标准剪线数信息，进行逻辑处理，获取处理信 息；其中，

所述逻辑处理包括：针数逻辑判断、针数区间处理、针数特征值 判断、信号检测；其中，

所述信号检测包括：剪线信号检测、布料信号检测；

步骤三：通过对所述处理信息进行处理排序，获取序列处理信息， 并对所述序列处理信息进行整合，获取控制信息；其中，

所述处理排序通过对逻辑处理的先后顺序进行记录，并根据预设 处理顺序表进行对比，生成处理信息序列。

作为本技术方案的一种实施例，在于所述计件模块还包括：

计件迭代单元：用于对工序过程进行识别，获取工序过程数据； 其中，

所述工序过程数据包括：剪线间隔的针数差值数据、布料生成数 据、针数分布数据、特征值数据、总剪线量化数据、时间分布数据； 其中，

所述剪线间隔的针数差值数据：在预设的时间内，进行预设次剪 线后，获取的针数差值；

通过对所述工序过程数据进行迭代分析，计算出迭代计件结果； 其中，

所述迭代分析包括：对工序过程数据进行迭代策略分析，生成计 件迭代策略，根据所述计件迭代策略，构建计件迭代模型，并将迭代 结果与实际计件结果进行比较，判断迭代类别；其中，

所述迭代类别包括：正向迭代、负向迭代。

作为本技术方案的一种实施例，在于所述仿真模块包括AI计件 回归算法，包括以下步骤：

步骤S101：用于根据工序缝纫数据，组建工序训练样本，并进行 一维向量提取，获取一维特征向量；其中，

所述工序训练样本包括：预测训练样本、统计训练样本；

所述一维向量提取包括：通过对工序训练样本中的每一组数据， 分别进行样本提取和样本连接，并进行向量转化；

所述一维特征向量包括：预测特征向量、统计特征向量；

步骤S102：通过所述一维特征向量，构建计件函数，进行优化分 析，获取计件函数值要预测分布数据；其中，

所述计件函数包括：预测计件函数、统计计件函数；

步骤S103：根据所述计件函数值要预测分布数据，进行最大似然 估计处理，获取交叉熵误差，并进行判断；其中，

当所述交叉熵误差在预设的阈值范围内时，则缝纫机计件回归成 功；

当所述交叉熵误差不在预设的阈值范围内时，则进行交叉熵误差 分析处理。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分 地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的 目的和其他优点可通过在所写的说明书以及附图中所特别指出的结 构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描 述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分， 与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。 在附图中：

图1为本发明实施例中一种缝制机械设备AI自动计件系统的功 能图；

图2为本发明实施例中一种缝制机械设备AI自动计件系统中仿 真模块的AI计件回归算法的步骤图；

图3为本发明实施例中一种缝制机械设备AI自动计件系统中计 件模块的功能图；

图4为本发明实施例中一种缝制机械设备AI自动计件系统中识 别检测的步骤图；

图5为本发明实施例中一种缝制机械设备AI自动计件系统中计 件控制单元的步骤图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处 所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

需说明的是，当部件被称为“固定于”或“设置于”另一个部件， 它可以直接在另一个部件上或者间接在该另一个部件上。当一个部件 被称为是“连接于”另一个部件，它可以是直接或者间接连接至该另 一个部件上。

需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、 “左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方 位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述 本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特 定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限 制。

此外，需要说明的是，在本文中，诸如第一和第二等之类的关系 术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而 不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系 或者顺序，“多个”的含义是两个或两个以上，除非另有明确具体的 限定。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排 他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备 不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还 包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术 人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这 些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权 利要求及其等同物限定。

本发明实施例提供了一种缝制机械设备AI自动计件系统，包括：

数据管理模块：用于对输入数据进行多维度管理，获取管理数据；

缝纫工序模块：用于根据所述管理数据进行工序分析，确定缝纫 工序，获取工序信息；

计件模块：用于根据所述工序信息，生成计件策略，根据所述计 件策略，进行缝纫机计件，并获取计件信息；

仿真模块：用于根据所述计件信息，构建计件模型，并进行计件 检测，生成计件结果；

上述技术方案的工作原理为：在现有技术方案中，一般围绕在对 缝纫机的控制处理或者针对计件系统分别进行调整优化，通常改进方 向偏向于对缝纫机的送料出料进行控制，如申请号为 “201811223620.6”的“新型自动送料缝纫机”；或者又如“基于超声 波的工业缝纫机控制系统和工业缝纫机控制方法”，是对缝纫机控制 信号进行了限制优化；还有像“缝纫机的智能计件方法、系统、存储 器及缝纫机”对缝纫机的计件进行了步骤优化；但大多都无法将缝纫 机与计件服务进行紧密结合和共同优化，同时其自动化程度受限，计件流程的使用缺少规范和迭代性；在上述技术方案中，通过数据管理 模块对输入数据进行多维度管理，获取管理数据；再经由缝纫工序模 块，根据管理数据进行工序分析，确定缝纫工序，获取工序信息；进 一步，计件模块根据工序信息，生成计件策略，再通过策略进行缝纫 机计件规划，完成缝纫机计件，并获取计件信息；最后，通过仿真模 块根据计件信息，构建计件模型，并进行计件检测，生成计件结果；

上述技术方案的有益效果为：通过对数据、工序、计件、仿真模 型的逻辑化管理，极大提高了缝纫机工作精准性和管理精细程度，通 过仿真模块实现了对计件和工序的联合优化，并对计件服务进行了迭 代，大大提高了工序速度和计件效率。

在一个实施例中，所述数据管理模块包括：

输入识别单元：用于对输入数据进行有效识别，获取有效输入数 据；其中，

所述有效输入数据包括：布料数据、电控数据、辅助数据；其中，

所述电控数据包括：针数、剪线数、缝纫机控制信号、控制时间；

管理单元：用于根据预设的数据作用，对所述有效输入数据进行 分类管理，生成管理数据；

上述技术方案的工作原理为：与现有技术方案中通常直接按照分 类输入数据，根据输入数据进行操作或者操作规范不同，上述技术方 案中通过输入识别单元对输入数据进行有效识别，获取布料数据、针 数、剪线数、缝纫机控制信号、控制时间、辅助数据，再通过管理单 元对上述数据进行分类管理，生成管理数据；

上述技术方案的有益效果为：通过对输入数据的有效分类和依次 管理，极大提高了数据的适用性和准确性，增强了整体计件效率和计 件准确性。

在一个实施例中，所述缝纫工序模块包括：

工序分析单元：用于根据预设的工序对照表，对管理数据进行数 据提取，生成工序特征数据；其中，

所述工序特征数据包括：工序分布数据、工序时间；

根据所述工序特征数据和预设的特征数据库，进行对照分析，确 定缝纫工序，并获取所述缝纫工序的工序信息；其中，

所述缝纫工序信息包括：缝纫工序类别、缝纫工序控制时间、缝 纫工序操作信息；其中，

所述缝纫工序类别包括：加急缝纫类别、正常缝纫类别；

上述技术方案的工作原理为：与现有技术方案中对工序直接按照 输入数据进行划分不同，上述技术方案中通过工序分析单元，根据预 设的工序对照表，对管理数据进行数据提取，生成工序特征数据，包 括：工序分布数据、工序时间，根据特征数据库，对工序特征数据进 行对照分析，确定缝纫工序，并获取缝纫工序的工序信息，包括：缝 纫工序类别、缝纫工序控制时间、缝纫工序操作信息，缝纫工序类别 包括：加急缝纫类别、正常缝纫类别；

上述技术方案的有益效果为：通过对缝纫工序进行分析，提取哦 工序特征数据，提高了工序布置效率，同时增强了工序流程的完整度 和缜密度。

在一个实施例中，所述计件模块包括：

计件策略单元：用于对工序信息进行策略识别，获取策略信息； 其中，

所述策略识别通过将工序信息进行关键类别筛选，获取关键信息， 对所述关键信息进行策略特征筛选，获取策略信息；其中，

所述关键信息包括：指令信息、材料信息；

根据所述策略信息进行计件策略分析，生成计件策略；其中，

所述计件策略包括：计件执行策略、计件监测策略；

计件控制单元：用于根据所述计件策略进行计件控制，获取控制 信息；其中，

所述计件控制包括：工序控制、统计控制；其中，

所述统计控制包括：布料数据统计、电控数据统计；

所述控制信息包括：控制信号信息、控制时间、控制状态信息；

根据所述控制信息进行缝纫机计件，并获取计件信息；其中，

所述计件信息包括：数量信息、参数变化信息、数据统计信息；

上述技术方案的工作原理为：与现有技术方案中对缝纫机计件进 行信号划分或者直接进行计件，完成计件后进行计件查询不同，上述 技术方案中通过计件策略单元对工序信息进行策略识别，获策略识别 通过将工序信息进行关键类别筛选，获取关键信息，包括：指令信息、 材料信息，对所述关键信息进行策略特征筛选，获取策略信息，计件 策略包括：计件执行策略、计件监测策略，根据计件策略进行计件控 制，计件控制包括：工序控制、统计控制，统计控制包括：布料数据 统计、电控数据统计，获取控制信息，包括：控制信号信息、控制时 间、控制状态信息，最后根据控制信息进行缝纫机计件，并获取计件 信息包括：数量信息、参数变化信息、数据统计信息；

上述技术方案的有益效果为：通过对计件指令和计件策略的细分， 增强了计件的安全性，降低了计件服务的错误率，提高了计件效率； 通过对计件模块进行分步控制，并对控制信息进行筛选，提高了计件 的流畅性，扩大了计件范围，增强了缝纫机计件服务深度。

在一个实施例中，所述仿真模块包括：

模型构建单元：用于根据模型预设条件对计件信息进行信息提取， 获取模型基础数据；其中，

所述模型基础数据包括：材料数据、工序数据、计件控制数据；

根据所述模型基础数据，分析模型搭建类型，生成模型主体，根 据所述模型主体，构建计件模型；其中，

所述模型搭建类型为：逻辑模型、数字模型；

上述技术方案的工作原理为：与现有技术方案中直接将工序和计 件步骤分好，来完成计件不同，上述技术方案中通过模型构建单元， 对计件信息进行信息提取，获取模型基础数据，包括：材料数据、工 序数据、计件控制数据，再根据模型基础数据，分析模型搭建类型， 包括：逻辑模型、数字模型，生成模型主体，最后根据主体，构建计 件模型；

上述技术方案的有益效果为：通过仿真模块中构建模型，结合了 计件信息，提高了模型的准确度和适用性，增强了构建模型与计件的 匹配度。

在一个实施例中，所述仿真模块还包括：

检测单元：用于对计件模型进行计件仿真训练，生成训练结果， 并对所述训练结果进行类型筛选，获取第一计件数据；

通过预设的计件方法，对缝纫机计件主体进行对照计件处理，获 取第二计件数据，将所述第一计件数据和第二计件数据进行偏差计算， 生成偏差值，并进行判断，确定判断结果；其中，

当所述偏差值小于等于预设的标准偏差值时，则计件成功；

当所述偏差值大于预设的标准偏差值时，则计件失败，进行计件 核实处理；

所述检测单元包括以下步骤：

步骤S100：根据训练结果，获取检测数据组{u₁,u₂,…,u_a}，计算 经过t次检测的第一检测结果δ_t：

其中，u_d为检测数据组中第d个数据，d为变量，且1≤d≤a， a为检测数组组中数据个数，且1<a，e为自然底数，t为常数，且1≤ t；

步骤S200：获取对照数据组{v₁,v₂,…,v_a}，计算经过t次检测对 照的第二检测结果ξ_t：

其中，v_r为对照数据组中第r个数据，y_r为对照数据组中第r个数 据的检测误差参数，r为变量，且1≤r≤a；

步骤S300：根据计算出的第一检测结果δ_t和第二检测结果ξ_t，进 行偏差计算δ_t-ξ_t，生成偏差值，判断计件是否成功，获取判断结果；

上述技术方案的工作原理为：与现有技术方案中通过控制工序直 接完成计件不同，上述技术方案中通过检测单元对计件模型进行计件 仿真训练，生成训练结果，并对所述训练结果进行类型筛选，获取第 一计件数据，通过预设的计件方法，对缝纫机计件主体进行对照计件 处理，获取第二计件数据，将第一计件数据和第二计件数据进行偏差 计算，生成偏差值，并进行判断，确定判断结果，当偏差值小于等于 预设的标准偏差值时，此时计件成功，当偏差值大于预设的标准偏差 值时，此时计件失败，需要进行计件核实处理；

上述技术方案的有益效果为：通过对计件模型进行仿真训练，再 将训练结果与缝纫机实际检测结果第二计件数据进行偏差计算，一方 面将策略准确度进行直观展示，另一方面可以对策略优劣程度进行评 判，并未后续的方案优化打下基础，提高了计件效率和计件流程优化 度。

在一个实施例中，所述缝纫工序模块还包括：

工序检测单元：用于对缝纫工序进行识别检测，获取工序检测信 息，生成工序检测结果；其中，

所述识别检测包括以下步骤：

步骤S01：通过对缝纫工序进行节点捕捉，获取工序节点信息； 其中，

所述节点信息包括：操作节点信息、分类节点信息、时间节点信 息、节点逻辑序号；

步骤S02：根据所述工序节点信息，进行工序识别，生成工序识 别信息；其中，

所述工序识别信息包括：工序执行类别、工序节点信息；其中，

所述工序执行类别包括：单工序执行、多工序执行；

步骤S03：通过对所述工序识别信息进行检测，获取工序检测信 息；其中，

所述工序检测信息包括：工序流程数据、工序执行数据、工序时 间分布数据；

步骤S04：根据所述工序检测信息计算工序对比度，并进行判断， 生成判断结果；其中，

所述计算工序对比度通过预设工序数据库中的标准工序信息和 所述工序检测信息进行对比计算，确定工序对比度

当所述工序对比度在预设的阈值范围内时，则为常规工序；

当所述工序对比度不在预设的阈值范围内时，则根据所述对比度， 进行工序切换判断；其中，

当所述对比度在预设的切换阈值范围内时，则进行工序切换；

当所述对比度不在预设的切换阈值范围内时，则进行工序筛查处 理；

上述技术方案的工作原理为：比现有的缝纫机计件当中多了对工 序的二次检测，上述技术方案通过工序检测单元对缝纫工序进行识别 检测，获取工序检测信息，生成工序检测结果，识别检测首先通过对 缝纫工序进行节点捕捉，获取工序节点信息，包括：操作节点信息、 分类节点信息、时间节点信息、节点逻辑序号；其次根据工序节点信 息，进行工序识别，生成工序识别信息，包括：工序执行类别、工序 节点信息，工序执行类别包括：单工序执行、多工序执行，然后通过 检测工序识别信息，获取工序检测信息，包括：工序流程数据、工序 执行数据、工序时间分布数据，最后根据工序检测信息计算工序对比 度，并进行判断，生成判断结果，当工序对比度在预设的阈值范围内 时，则为常规工序；否则根据所述对比度，进行工序切换判断；其中， 当对比度在预设的切换阈值范围内时，则进行工序切换；否则进行工 序筛查处理；

上述技术方案的有益效果为：通过对工序识别检测，一方面极大 保障了工序实施的安全性和成功率，另一方面提高了工序识别数据的 丰富度，为后续优化迭代打下基础，并且通过对工序的检测，提高了 缝纫机计件服务效率。

在一个实施例中，所述计件控制单元包括以下步骤：

步骤一：通过检测工序信息，获取标准剪线数信息；其中，

所述标准剪线数信息包括：无标准剪线、第一标准剪线数、第二 标准剪线数；其中，

所述第一标准剪线数表示有一条标准剪线；

所述第二标准剪线数表示有两条标准剪线；

步骤二：根据所述标准剪线数信息，进行逻辑处理，获取处理信 息；其中，

所述逻辑处理包括：针数逻辑判断、针数区间处理、针数特征值 判断、信号检测；其中，

所述信号检测包括：剪线信号检测、布料信号检测；

步骤三：通过对所述处理信息进行处理排序，获取序列处理信息， 并对所述序列处理信息进行整合，获取控制信息；其中，

所述处理排序通过对逻辑处理的先后顺序进行记录，并根据预设 处理顺序表进行对比，生成处理信息序列；

上述技术方案的工作原理为：与现有方案中对控制信号进行管理， 并对各种数据进行分类部署不同，上述技术方案通过对剪线数的应用， 分别对各个场景进行了计件控制分析，首先通过检测工序信息，获取 标准剪线数信息，包括：无标准剪线、第一标准剪线数、第二标准剪 线数，第一标准剪线数表示有一条标准剪线，同理，第二标准剪线数 表示有两条标准剪线，再根据标准剪线数信息，进行逻辑处理，获取 处理信息，逻辑处理包括：针数逻辑判断、针数区间处理、针数特征 值判断、信号检测，信号检测包括：剪线信号检测、布料信号检测， 最后通过对处理信息进行处理排序，获取序列处理信息，并对序列处 理信息进行整合，获取控制信息，其中的处理排序是通过对逻辑处理 的先后顺序进行记录，并根据预设处理顺序表进行对比，生成处理信 息序列；

上述技术方案的有益效果为：通过剪线数的细化使用，对计件控 制场景进行区分，提高了计件控制的针对性和准确度，通过处理排序， 增强了计件控制效率。

在一个实施例中，所述计件模块还包括：

计件迭代单元：用于对工序过程进行识别，获取工序过程数据； 其中，

所述工序过程数据包括：剪线间隔的针数差值数据、布料生成数 据、针数分布数据、特征值数据、总剪线量化数据、时间分布数据； 其中，

所述剪线间隔的针数差值数据：在预设的时间内，进行预设次剪 线后，获取的针数差值；

通过对所述工序过程数据进行迭代分析，计算出迭代计件结果； 其中，

所述迭代分析包括：对工序过程数据进行迭代策略分析，生成计 件迭代策略，根据所述计件迭代策略，构建计件迭代模型，并将迭代 结果与实际计件结果进行比较，判断迭代类别；

所述计件迭代包括以下步骤：

步骤S10：获取工序数据组X＝{x₁,x₂,…,x_n}，工序过程节点m 个，计算工序数据总值ψ_n：

其中，p_i1为第i个工序过程节点对工序数据组中第1个工序数据的 影响因子，i为变量，且1≤i≤m，m为常数，且1<m，p_i2为第i个 工序过程节点对工序数据组中第2个工序数据的影响因子，p_in为第i 个工序过程节点对工序数据组中第n个工序数据的影响因子，n为工 序数组中的数据个数，且1<n，x_n为工序数据组中第n个数据；

步骤S20：根据工序数据组X＝{x₁,x₂,…,x_n}，计算工序数据效 值

其中，x_j为工序数据组中第j个数据，j为变量，且1≤j≤n，

为 工序数据组的数据均值，σ为工序数据效值影响参数；

步骤S30：获取迭代数据组K＝{k₁,k₂,…,k_n}，根据工序数据总 值ψ和工序数据效值

计算迭代偏差值η：

其中，ψ_q为工序数据组中从数据x₁到数据x_q的工序数据总值，q 为变量，且1≤q≤n，

为工序数据组中从数据x₁到数据x_q的工序 数据效值，k_l为迭代数据组中第l个数据，1≤l≤n；

步骤S40：根据预设的偏差值对照表对计算出的迭代偏差值进行 判断，获取判断结果；其中，

所述判断结果包括：正向迭代、负向迭代；

上述技术方案的工作原理为：与现有技术方案中通过根据过程不 断调试，获取结果，进行判断不同，上述技术方案中通过计件迭代单 元对工序过程进行识别，获取工序过程数据，包括：剪线间隔的针数 差值数据、布料生成数据、针数分布数据、特征值数据、总剪线量化 数据、时间分布数据；剪线间隔的针数差值数据是在预设的时间内， 进行预设次剪线后，获取的针数差值；然后对工序过程数据进行迭代 分析，包括：对工序过程数据进行迭代策略分析，生成计件迭代策略， 根据所述计件迭代策略，构建计件迭代模型，并将迭代结果与实际计 件结果进行比较，判断迭代类别，包括：正向迭代、负向迭代，最后 计算出迭代计件结果；

上述技术方案的有益效果为：通过对缝纫机工序进行迭代优化， 将过程数据进行分析，提高了工序优化的缜密性，同时通过对计件迭 代策略和迭代模型的分析，提高了迭代准确性，增强了缝纫机计件服 务效率。

在一个实施例中，所述仿真模块包括AI计件回归算法，包括以 下步骤：

步骤S101：用于根据工序缝纫数据，组建工序训练样本，并进行 一维向量提取，获取一维特征向量；其中，

所述工序训练样本包括：预测训练样本、统计训练样本；

所述一维向量提取包括：通过对工序训练样本中的每一组数据， 分别进行样本提取和样本连接，并进行向量转化；

所述一维特征向量包括：预测特征向量、统计特征向量；

步骤S102：通过所述一维特征向量，构建计件函数，进行优化分 析，获取计件函数值要预测分布数据；其中，

所述计件函数包括：预测计件函数、统计计件函数；

步骤S103：根据所述计件函数值要预测分布数据，进行最大似然 估计处理，获取交叉熵误差，并进行判断；其中，

当所述交叉熵误差在预设的阈值范围内时，则缝纫机计件回归成 功；

当所述交叉熵误差不在预设的阈值范围内时，则进行交叉熵误差 分析处理；

上述技术方案的工作原理为：一般情况，缝纫机计件结果有两种： 一种是计件成功，计件总量加一；另一种是几件失败，计件总量不变； 其中对缝纫机计件进行AI回归，其计件回归值的范围在[0,1]，当计 件回归值越接近0，则计件目标函数的数据构成，也就是当前数据采 集范围内的计件过程中，大多都是计件失败；同理，当计件回归值越 接近1，则计件成功分布越多；上述技术方案通过AI计件回归算法， 将工序缝纫数据组建成工序训练样本，包括：预测训练样本、统计训 练样本，再提取一维特征向量，包括：预测特征向量、统计特征向量， 然后构建计件函数，获取计件函数值要预测分布数据，最后进行最大 似然估计处理，获取交叉熵误差，当交叉熵误差在预设的阈值范围内 时，则缝纫机计件回归成功，否则，进行交叉熵误差分析处理；

上述技术方案的有益效果为：通过AI计件回归算法，对缝纫机 计件分布进行了深入分析，提高了根据计件分布进行缝纫机计件优化 的处理效率，更直观的反应当前计件水平，方便使用者及时对缝纫机 计件策略进行调整，提高计件效率。

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。

Claims (10)

1.一种缝制机械设备AI自动计件系统，包括：

数据管理模块：用于对输入数据进行多维度管理，获取管理数据；

缝纫工序模块：用于根据所述管理数据进行工序分析，确定缝纫工序，获取工序信息；

计件模块：用于根据所述工序信息，生成计件策略，根据所述计件策略，进行缝纫机计件，并获取计件信息；

仿真模块：用于根据所述计件信息，构建计件模型，并进行计件检测，生成计件结果。

2.如权利要求1所述的一种缝制机械设备AI自动计件系统，其特征在于，所述数据管理模块包括：

输入识别单元：用于对输入数据进行有效识别，获取有效输入数据；其中，

所述有效输入数据包括：布料数据、电控数据、辅助数据；其中，

所述电控数据包括：针数、剪线数、缝纫机控制信号、控制时间；

管理单元：用于根据预设的数据作用，对所述有效输入数据进行分类管理，生成管理数据。

3.如权利要求1所述的一种缝制机械设备AI自动计件系统，其特征在于，所述缝纫工序模块包括：

工序分析单元：用于根据预设的工序对照表，对管理数据进行数据提取，生成工序特征数据；其中，

所述工序特征数据包括：工序分布数据、工序时间；

根据所述工序特征数据和预设的特征数据库，进行对照分析，确定缝纫工序，并获取所述缝纫工序的工序信息；其中，

所述缝纫工序信息包括：缝纫工序类别、缝纫工序控制时间、缝纫工序操作信息；其中，

所述缝纫工序类别包括：加急缝纫类别、正常缝纫类别。

4.如权利要求1所述的一种缝制机械设备AI自动计件系统，其特征在于，所述计件模块包括：

计件策略单元：用于对工序信息进行策略识别，获取策略信息；其中，

所述策略识别通过将工序信息进行关键类别筛选，获取关键信息，对所述关键信息进行策略特征筛选，获取策略信息；其中，

所述关键信息包括：指令信息、材料信息；

根据所述策略信息进行计件策略分析，生成计件策略；其中，

所述计件策略包括：计件执行策略、计件监测策略；

计件控制单元：用于根据所述计件策略进行计件控制，获取控制信息；其中，

所述计件控制包括：工序控制、统计控制；其中，

所述统计控制包括：布料数据统计、电控数据统计；

所述控制信息包括：控制信号信息、控制时间、控制状态信息；

根据所述控制信息进行缝纫机计件，并获取计件信息；其中，

所述计件信息包括：数量信息、参数变化信息、数据统计信息。

5.如权利要求1所述的一种缝制机械设备AI自动计件系统，其特征在于，所述仿真模块包括：

模型构建单元：用于根据模型预设条件对计件信息进行信息提取，获取模型基础数据；其中，

所述模型基础数据包括：材料数据、工序数据、计件控制数据；

根据所述模型基础数据，分析模型搭建类型，生成模型主体，根据所述模型主体，构建计件模型；其中，

所述模型搭建类型为：逻辑模型、数字模型。

6.如权利要求1所述的一种缝制机械设备AI自动计件系统，其特征在于，所述仿真模块还包括：

检测单元：用于对计件模型进行计件仿真训练，生成训练结果，并对所述训练结果进行类型筛选，获取第一计件数据；

通过预设的计件方法，对缝纫机计件主体进行对照计件处理，获取第二计件数据，将所述第一计件数据和第二计件数据进行偏差计算，生成偏差值，并进行判断，确定判断结果；其中，

当所述偏差值小于等于预设的标准偏差值时，则计件成功；

当所述偏差值大于预设的标准偏差值时，则计件失败，进行计件核实处理。

7.如权利要求1所述的一种缝制机械设备AI自动计件系统，其特征在于，所述缝纫工序模块还包括：

工序检测单元：用于对缝纫工序进行识别检测，获取工序检测信息，生成工序检测结果；其中，

所述识别检测包括以下步骤：

步骤S01：通过对缝纫工序进行节点捕捉，获取工序节点信息；其中，

所述节点信息包括：操作节点信息、分类节点信息、时间节点信息、节点逻辑序号；

步骤S02：根据所述工序节点信息，进行工序识别，生成工序识别信息；其中，

所述工序识别信息包括：工序执行类别、工序节点信息；其中，

所述工序执行类别包括：单工序执行、多工序执行；

步骤S03：通过对所述工序识别信息进行检测，获取工序检测信息；其中，

所述工序检测信息包括：工序流程数据、工序执行数据、工序时间分布数据；

步骤S04：根据所述工序检测信息计算工序对比度，并进行判断，生成判断结果；其中，

所述计算工序对比度通过预设工序数据库中的标准工序信息和所述工序检测信息进行对比计算，确定工序对比度

当所述工序对比度在预设的阈值范围内时，则为常规工序；

当所述工序对比度不在预设的阈值范围内时，则根据所述对比度，进行工序切换判断；其中，

当所述对比度在预设的切换阈值范围内时，则进行工序切换；

当所述对比度不在预设的切换阈值范围内时，则进行工序筛查处理。

8.如权利要求5所述的一种缝制机械设备AI自动计件系统，其特征在于，所述计件控制单元包括以下步骤：

步骤一：通过检测工序信息，获取标准剪线数信息；其中，

所述标准剪线数信息包括：无标准剪线、第一标准剪线数、第二标准剪线数；其中，

所述第一标准剪线数表示有一条标准剪线；

所述第二标准剪线数表示有两条标准剪线；

步骤二：根据所述标准剪线数信息，进行逻辑处理，获取处理信息；其中，

所述逻辑处理包括：针数逻辑判断、针数区间处理、针数特征值判断、信号检测；其中，

所述信号检测包括：剪线信号检测、布料信号检测；

步骤三：通过对所述处理信息进行处理排序，获取序列处理信息，并对所述序列处理信息进行整合，获取控制信息；其中，

所述处理排序通过对逻辑处理的先后顺序进行记录，并根据预设处理顺序表进行对比，生成处理信息序列。

9.如权利要求1所述的一种缝制机械设备AI自动计件系统，其特征在于，所述计件模块还包括：

计件迭代单元：用于对工序过程进行识别，获取工序过程数据；其中，

所述工序过程数据包括：剪线间隔的针数差值数据、布料生成数据、针数分布数据、特征值数据、总剪线量化数据、时间分布数据；其中，

所述剪线间隔的针数差值数据：在预设的时间内，进行预设次剪线后，获取的针数差值；

通过对所述工序过程数据进行迭代分析，计算出迭代计件结果；其中，

所述迭代分析包括：对工序过程数据进行迭代策略分析，生成计件迭代策略，根据所述计件迭代策略，构建计件迭代模型，并将迭代结果与实际计件结果进行比较，判断迭代类别；其中，

所述迭代类别包括：正向迭代、负向迭代。

10.如权利要求1所述的一种缝制机械设备AI自动计件系统，其特征在于，所述仿真模块包括AI计件回归算法，包括以下步骤：

步骤S101：用于根据工序缝纫数据，组建工序训练样本，并进行一维向量提取，获取一维特征向量；其中，

所述工序训练样本包括：预测训练样本、统计训练样本；

所述一维向量提取包括：通过对工序训练样本中的每一组数据，分别进行样本提取和样本连接，并进行向量转化；

所述一维特征向量包括：预测特征向量、统计特征向量；

步骤S102：通过所述一维特征向量，构建计件函数，进行优化分析，获取计件函数值要预测分布数据；其中，

所述计件函数包括：预测计件函数、统计计件函数；

步骤S103：根据所述计件函数值要预测分布数据，进行最大似然估计处理，获取交叉熵误差，并进行判断；其中，

当所述交叉熵误差在预设的阈值范围内时，则缝纫机计件回归成功；

当所述交叉熵误差不在预设的阈值范围内时，则进行交叉熵误差分析处理。

Images