CN114648593B - 一种纺织生产用自添液型布料浸染设备智能控制系统 - Google Patents
一种纺织生产用自添液型布料浸染设备智能控制系统 Download PDFInfo
- Publication number
- CN114648593B CN114648593B CN202210540999.3A CN202210540999A CN114648593B CN 114648593 B CN114648593 B CN 114648593B CN 202210540999 A CN202210540999 A CN 202210540999A CN 114648593 B CN114648593 B CN 114648593B
- Authority
- CN
- China
- Prior art keywords
- image
- dye liquor
- transformation
- difference
- concentration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000004744 fabric Substances 0.000 title claims abstract description 63
- 238000004043 dyeing Methods 0.000 title claims abstract description 33
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 21
- 239000004753 textile Substances 0.000 title claims abstract description 21
- 230000009466 transformation Effects 0.000 claims abstract description 91
- 239000007788 liquid Substances 0.000 claims abstract description 42
- 230000000694 effects Effects 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 13
- 238000007747 plating Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 239000013589 supplement Substances 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Treatment Of Fiber Materials (AREA)
- Coloring (AREA)
Abstract
本发明涉及计算机控制系统技术领域,具体涉及一种纺织生产用自添液型布料浸染设备智能控制系统,包括:图像采集模块,用于采集染液图像和浸染后的布料图像;同时获取标准图像及其对应的标准模板;添液判断模块,用于利用不同参数对布料图像进行多次灰度线性变换,得到多张变换图像,选取与标准图像差异最小的变换图像作为布料图像的最优变换图像;获取最优变换图像的灰度直方图,将其与标准模板进行对比,得到对应的灰度差异,根据灰度差异判断是否要添加染液;染液浓度获取模块,用于实时获取染液浓度;染液添加模块,计算需要添加的高浓度染液的体积,添加染液。本发明为纺织生产领域人工智能系统,能够及时精准地补充染液,保证布料浸染均匀。
Description
技术领域
本发明涉及计算机控制系统技术领域,具体涉及一种纺织生产用自添液型布料浸染设备智能控制系统。
背景技术
布料浸染是纺织生产中不可或缺的一个流程,通过浸染对布料上色,增加布料颜色多样性。在布料浸染的过程中,布料通过染池中染液,吸收染液中的染料,同时也吸收走部分的水,使布料上色。
布料浸染的同时,会使染液量下降,染液浓度降低,因此在浸染一段时间后需要人为添加高浓度染料,然后对整体的染料进行混合。实际操作中,工作人员并不能通过肉眼观察精确及时地判断染液的液面和浓度是否发生变化,可能会出现染液添加不及时的情况,会影响到布料的成品质量;通过人工添加染液不能保证添加后的染液浓度与先前一致,可能会使布料染色不均;同时不同工作人员对染液变化的判断不同,主观性太强,不能得到一个准确的结果。
在现有技术中存在通过液面高度来控制泵体的启动,从而实现染液的自动添加的设备,但是仅仅通过液面高度判断是否需要添加染液只能判断染液不足,进而添加染液,不能在浓度降低时及时判断是否要添加染液,因此在纺织生产领域的布料浸染中需要人工智能系统来保证布料浸染的准确与及时。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种纺织生产用自添液型布料浸染设备智能控制系统,所采用的技术方案具体如下:
本发明一个实施例提供了一种纺织生产用自添液型布料浸染设备智能控制系统,该系统包括以下模块:
图像采集模块,用于采集染液图像和浸染后的布料图像;同时获取通过标准浓度染液浸染后的布料的标准图像,并获取标准图像的灰度直方图作为标准模板;
添液判断模块,用于利用不同参数对布料图像进行多次灰度线性变换,得到多张变换图像,选取与所述标准图像差异最小的变换图像作为布料图像的最优变换图像;获取最优变换图像的灰度直方图,将其与所述标准模板进行对比,得到对应的灰度差异,根据所述灰度差异判断是否要添加染液;
染液浓度获取模块,用于将所述染液图像输入训练完成的浓度获取网络,得到该染液图像对应的染液浓度;
染液添加模块,用于当通过所述添液判断模块判断需要添加染液时,根据当前的染液浓度、对应的体积、高浓度染液的浓度以及标准浓度计算需要添加的高浓度染液的体积,进行相应体积的高浓度染液添加。
优选的,所述添液判断模块包括:
灰度线性变换单元,用于通过调整线性变换的参数使布料图像的灰度值进行整体迁移,每个参数对应一张变换图像。
优选的,所述添液判断模块包括:
最优变换图像获取单元,用于根据每张变换图像与标准图像之间的第一差异、每张变换图像的灰度直方图与标准模板之间的第二差异获取每张变换图像的变换效果,以所述变换效果最好的变换图像作为最优变换图像。
优选的,所述添液判断模块包括:
灰度差异获取单元,用于获取最优变换图像的灰度直方图与所述标准模板对应灰度级的像素数量差异,根据所述像素数量差异、每个灰度级的权重以及最优变换图像对应的线性变换的参数获取最优变换图像与标准图像之间的灰度差异。
优选的,所述添液判断模块包括:
染液添加判断单元,用于当所述灰度差异大于灰度阈值,或者当染液的液位低于液位阈值时,判断此系统需要添加染液。
优选的,所述染液浓度获取模块包括:
网络训练单元,用于以不同浓度的染液图像作为网络的输入,以对应的浓度作为其标签训练所述浓度获取网络,直至浓度获取网络的损失函数收敛。
优选的,所述染液添加模块包括:
添加控制单元,用于通过控制添液装置的添液速度和添液时间来控制添液体积,直至达到需要添加的高浓度染液的体积。
优选的,所述最优变换图像获取单元包括:
变换效果获取单元,用于计算每张变换图像与标准图像的对应像素点的灰度值的平均差异作为所述第一差异,以及每张变换图像的灰度直方图的波峰与所述标准模板的波峰对应的灰度级的差异作为所述第二差异,以所述第一差异和所述第二差异的乘积作为变换图像的变换效果。
优选的,所述灰度差异获取单元包括:
权重获取单元,用于根据最优变换图像的灰度直方图中每个灰度级与标准模板的波峰对应的灰度级之间的差距获取该灰度级的权重。
本发明实施例至少具有如下有益效果:
通过浸染后的布料图像与标准图像之间的灰度差异判断是否需要添加染液,进而根据实时获取的染液浓度确定需要添加的高浓度染液的体积,进行染液的添加,本发明实施例能够实时获取需要添加的高浓度染液的体积,及时精准地补充染液,保证布料浸染均匀。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种纺织生产用自添液型布料浸染设备智能控制系统的系统框图;
图2为本发明一个实施例提供的浸染设备示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种纺织生产用自添液型布料浸染设备智能控制系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种纺织生产用自添液型布料浸染设备智能控制系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种纺织生产用自添液型布料浸染设备智能控制系统的系统框图,该系统包括以下模块:
图像采集模块100、添液判断模块200、染液浓度获取模块300以及染液添加模块400。
图像采集模块100,用于采集染液图像和浸染后的布料图像;同时获取通过标准浓度染液浸染后的布料的标准图像,并获取标准图像的灰度直方图作为标准模板。
请参阅图2,在染液箱201顶部固定相机202,拍摄箱内染液图像反映染液颜色变化,在出布侧固定另一相机203,对染色完成的布料进行拍摄,得到布料图像。
利用两个相机实时采集染液图像和布料图像,同时获取在标准浓度染液浸染后的布料图像作为标准图像,并得到其灰度直方图作为标准模板。
添液判断模块200,用于利用不同参数对布料图像进行多次灰度线性变换,得到多张变换图像,选取与标准图像差异最小的变换图像作为布料图像的最优变换图像;获取最优变换图像的灰度直方图,将其与标准模板进行对比,得到对应的灰度差异,根据灰度差异判断是否要添加染液。
具体的,添液判断模块200包括灰度线性变换单元210、最优变换图像获取单元220、灰度差异获取单元230以及染液添加判断单元240。
灰度线性变换单元210,用于通过调整线性变换的参数使布料图像的灰度值进行整体迁移,每个参数对应一张变换图像。
由于实际采集图像时各种因素的干扰,即使整张图像只有同一种颜色,得到的灰度直方图也不是呈现理想中的一条竖直的线,而是在主要灰度级两侧分散,其中主要灰度级处为波峰。标准模板也是如此。
当染液浓度降低,浸染后的布料图像颜色也会相应变浅,对应的灰度直方图的整体灰度级与标准模板相比向右迁移了,通过对其进行灰度线性变换使其与标准模板尽量一致,即对图像灰度值进行整体迁移,灰度线性变换公式为:
其中,x表示进行灰度线性变换之前的布料图像的灰度值,y表示进行灰度线性变换之后的变换图像的灰度值,a表示对比度,b表示变换的灰度值。即当a变化时,调节的是图像的对比度,当b进行变化时,调节的是图像的灰度值。
由于进行灰度线性变换时,只需要将灰度直方图左右迁移,因此,对比度a保持为1不变,对b进行调节,在调节的过程中,超过灰度范围的像素值变为0或者255,即调节后小于0的像素值都变为0,大于255的值都变为255。
每个灰度线性变换的参数b都对应了一张变换图像。
最优变换图像获取单元220,用于根据每张变换图像与标准图像之间的第一差异、每张变换图像的灰度直方图与标准模板之间的第二差异获取每张变换图像的变换效果,以变换效果最好的变换图像作为最优变换图像。
具体的,最优变换图像获取单元220包括变换效果获取单元221和最优变换图像筛选单元222。
变换效果获取单元221,用于计算每张变换图像与标准图像的对应像素点的灰度值的平均差异作为第一差异,以及每张变换图像的灰度直方图的波峰与标准模板的波峰对应的灰度级的差异作为第二差异,以第一差异和第二差异的乘积作为变换图像的变换效果。
当进行线性变换后,变换图像与标准图像之间的平均灰度值差异越小,波峰位置越一致,则线性变换的效果越好,即M越小,变换效果越好。
最优变换图像筛选单元222,用于筛选处变换效果最好的变换图像作为最优变换图像。
选取变换效果M最小的变换图像作为最优变换图像。
灰度差异获取单元230,用于获取最优变换图像的灰度直方图与标准模板对应灰度级的像素数量差异,根据像素数量差异、每个灰度级的权重以及最优变换图像对应的线性变换的参数获取最优变换图像与标准图像之间的灰度差异。
具体的,灰度差异获取单元230包括权重获取单元231和灰度差异计算单元232。
权重获取单元231,用于根据最优变换图像的灰度直方图中每个灰度级与标准模板的波峰对应的灰度级之间的差距获取该灰度级的权重。
在最优变换图像的灰度直方图中,波峰位置处的灰度值为该最优变换图像中的色彩对应的灰度值,越接近波峰的灰度值,对应的颜色越接近最优变换图像的实际色彩,那么,相应的,对于标准模板的波峰所对灰度级w,最优变换图像的灰度直方图中越接近该灰度级w的灰度级的权值就越大,记灰度级n对应的权值为,则:
需要说明的是,由于灰度线性变换之后小于0的像素值都变为0,大于255的值都变为255,说明灰度级为0和灰度级为255处的像素点的数量是不准确的,因此将这两个灰度级舍弃,从灰度级为1开始至灰度级为254为止。
灰度差异计算单元232,用于根据像素数量差异、每个灰度级的权重以及最优变换图像对应的线性变换的参数获取最优变换图像与标准图像之间的灰度差异。
通过比较最优变换图像与标准模板各个灰度级的差异以及在线性变换中进行的灰度偏移值b,再利用各个灰度级对应的权重得到最优变换图像与标准图像之间的灰度差异C:
染液添加判断单元240,用于当灰度差异大于灰度阈值,或者当染液的液位低于液位阈值时,判断此系统需要添加染液。
当实际操作中设置的染液最低浓度较高时,染液浓度降低后导致灰度差异过大而需要添加染液时,染液的液位一般不会低于液位阈值,只有当染液最低浓度设置较低时才会出现染液的液位低于液位阈值还未判断为需要添加染液,因此,一般情况下只需要根据灰度差异是否大于灰度阈值来判断是否需要添加染液。
作为一个示例,本发明实施例中灰度阈值的取值为100,液位阈值为淹没布料处,具体取值根据实际浸染高度确定。
染液浓度获取模块300,用于将染液图像输入训练完成的浓度获取网络,得到该染液图像对应的染液浓度。
具体的,染液浓度获取模块300包括网络训练单元310和染液浓度输出单元320。
网络训练单元310,用于以不同浓度的染液图像作为网络的输入,以对应的浓度作为其标签训练浓度获取网络,直至浓度获取网络的损失函数收敛。
将不同浓度的染液图像作为网络的训练集,并以其对应的浓度作为标签,输入卷积神经网络(DNN)中进行训练,损失函数为均方差损失函数,通过大量数据的训练,直至损失函数收敛,DNN网络训练完成,作为浓度获取网络。
染液浓度输出单元320,用于将染液图像输入浓度获取网络,得到该染液图像对应的染液浓度。
将实时采集的染液图像输入训练完成的神经网络,即浓度输入网络中,输出即为输入图像的染液浓度,能够实时获取染液箱中的染液浓度。
染液添加模块400,用于当通过添液判断模块判断需要添加染液时,根据当前的染液浓度、对应的体积、高浓度染液的浓度以及标准浓度计算需要添加的高浓度染液的体积,进行相应体积的高浓度染液添加。
具体的,染液添加模块400包括体积计算单元410和添加控制单元420。
体积计算单元410,用于根据当前的染液浓度、对应的体积、高浓度染液的浓度以及标准浓度计算需要添加的高浓度染液的体积。
添加控制单元420,用于通过控制添液装置的添液速度和添液时间来控制添液体积,直至达到需要添加的高浓度染液的体积。
综上所述,本发明实施例提供的一种纺织生产用自添液型布料浸染设备智能控制系统包括以下模块:
图像采集模块100、添液判断模块200、染液浓度获取模块300以及染液添加模块400。
具体的,图像采集模块用于采集染液图像和浸染后的布料图像;同时获取通过标准浓度染液浸染后的布料的标准图像,并获取标准图像的灰度直方图作为标准模板;添液判断模块用于利用不同参数对布料图像进行多次灰度线性变换,得到多张变换图像,选取与标准图像差异最小的变换图像作为布料图像的最优变换图像;获取最优变换图像的灰度直方图,将其与标准模板进行对比,得到对应的灰度差异,根据灰度差异判断是否要添加染液;染液浓度获取模块用于将染液图像输入训练完成的浓度获取网络,得到该染液图像对应的染液浓度;染液添加模块用于当通过添液判断模块判断需要添加染液时,根据当前的染液浓度、对应的体积、高浓度染液的浓度以及标准浓度计算需要添加的高浓度染液的体积,进行相应体积的高浓度染液添加。本发明实施例能够实时获取需要添加的高浓度染液的体积,及时精准地补充染液,保证布料浸染均匀。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种纺织生产用自添液型布料浸染设备智能控制系统,其特征在于,该系统包括以下模块:
图像采集模块,用于采集染液图像和浸染后的布料图像;同时获取通过标准浓度染液浸染后的布料的标准图像,并获取标准图像的灰度直方图作为标准模板;
添液判断模块,用于利用不同参数对布料图像进行多次灰度线性变换,得到多张变换图像,选取与所述标准图像差异最小的变换图像作为布料图像的最优变换图像;获取最优变换图像的灰度直方图,将其与所述标准模板进行对比,得到对应的灰度差异,根据所述灰度差异判断是否要添加染液;
染液浓度获取模块,用于将所述染液图像输入训练完成的浓度获取网络,得到该染液图像对应的染液浓度;
染液添加模块,用于当通过所述添液判断模块判断需要添加染液时,根据当前的染液浓度、对应的体积、高浓度染液的浓度以及标准浓度计算需要添加的高浓度染液的体积,进行相应体积的高浓度染液添加;
所述添液判断模块包括:
最优变换图像获取单元,用于根据每张变换图像与标准图像之间的第一差异、每张变换图像的灰度直方图与标准模板之间的第二差异获取每张变换图像的变换效果,以所述变换效果最好的变换图像作为最优变换图像;
所述最优变换图像获取单元包括:
变换效果获取单元,用于计算每张变换图像与标准图像的对应像素点的灰度值的平均差异作为所述第一差异,以及每张变换图像的灰度直方图的波峰与所述标准模板的波峰对应的灰度级的差异作为所述第二差异,以所述第一差异和所述第二差异的乘积作为变换图像的变换效果。
2.根据权利要求1所述的一种纺织生产用自添液型布料浸染设备智能控制系统,其特征在于,所述添液判断模块包括:
灰度线性变换单元,用于通过调整线性变换的参数使布料图像的灰度值进行整体迁移,每个参数对应一张变换图像。
3.根据权利要求1所述的一种纺织生产用自添液型布料浸染设备智能控制系统,其特征在于,所述添液判断模块包括:
灰度差异获取单元,用于获取最优变换图像的灰度直方图与所述标准模板对应灰度级的像素数量差异,根据所述像素数量差异、每个灰度级的权重以及最优变换图像对应的线性变换的参数获取最优变换图像与标准图像之间的灰度差异。
4.根据权利要求1所述的一种纺织生产用自添液型布料浸染设备智能控制系统,其特征在于,所述添液判断模块包括:
染液添加判断单元,用于当所述灰度差异大于灰度阈值,或者当染液的液位低于液位阈值时,判断此系统需要添加染液。
5.根据权利要求1所述的一种纺织生产用自添液型布料浸染设备智能控制系统,其特征在于,所述染液浓度获取模块包括:
网络训练单元,用于以不同浓度的染液图像作为网络的输入,以对应的浓度作为其标签训练所述浓度获取网络,直至浓度获取网络的损失函数收敛。
6.根据权利要求1所述的一种纺织生产用自添液型布料浸染设备智能控制系统,其特征在于,所述染液添加模块包括:
添加控制单元,用于通过控制添液装置的添液速度和添液时间来控制添液体积,直至达到需要添加的高浓度染液的体积。
7.根据权利要求3所述的一种纺织生产用自添液型布料浸染设备智能控制系统,其特征在于,所述灰度差异获取单元包括:
权重获取单元,用于根据最优变换图像的灰度直方图中每个灰度级与标准模板的波峰对应的灰度级之间的差距获取该灰度级的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210540999.3A CN114648593B (zh) | 2022-05-19 | 2022-05-19 | 一种纺织生产用自添液型布料浸染设备智能控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210540999.3A CN114648593B (zh) | 2022-05-19 | 2022-05-19 | 一种纺织生产用自添液型布料浸染设备智能控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114648593A CN114648593A (zh) | 2022-06-21 |
CN114648593B true CN114648593B (zh) | 2022-10-14 |
Family
ID=81997747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210540999.3A Active CN114648593B (zh) | 2022-05-19 | 2022-05-19 | 一种纺织生产用自添液型布料浸染设备智能控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648593B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116643497B (zh) * | 2023-05-29 | 2024-05-10 | 汕头市鼎泰丰实业有限公司 | 筒子纱的染色控制系统及其方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI482102B (zh) * | 2012-11-21 | 2015-04-21 | Univ Nat Cheng Kung | 強化標的圖案之處理方法、標的圖案分類系統之產生方法以及分類檢測標的圖案之方法 |
CN112553817B (zh) * | 2020-12-11 | 2022-11-15 | 河南省纺织产品质量监督检验院 | 基于人工智能的纺织染色工艺实时控制与调节方法及系统 |
CN114051098B (zh) * | 2021-11-23 | 2023-05-30 | 河南牧业经济学院 | 一种视觉图像智能采集方法及平台 |
-
2022
- 2022-05-19 CN CN202210540999.3A patent/CN114648593B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114648593A (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114648593B (zh) | 一种纺织生产用自添液型布料浸染设备智能控制系统 | |
CN109671124B (zh) | 一种矿物浮选泡沫图像颜色校正方法及泡沫颜色检测系统 | |
CN108672218A (zh) | 一种集成测试的智能点胶系统及其点胶方法 | |
CN114782562A (zh) | 基于数据识别的服装布料浸染监测方法及人工智能系统 | |
CN107437094A (zh) | 基于机器学习的木板分拣方法及系统 | |
CN104942015B (zh) | 一种冷轧机组中酸洗工艺段智能控制方法和系统 | |
CN104346818B (zh) | 一种机织物密度自动测量方法 | |
CN112508817B (zh) | 一种基于循环生成对抗网络的图像运动盲去模糊方法 | |
CN113592868B (zh) | 一种玻纤布面黑灰检测方法 | |
CN103196789A (zh) | 柴油车尾气烟度检测方法 | |
CN110378887A (zh) | 屏幕缺陷检测方法、装置及系统、计算机设备及介质 | |
CN115294137A (zh) | 一种布料表面渗色的缺陷检测方法 | |
CN106791758A (zh) | 一种图像中自然光混合色温的判断方法及装置 | |
CN107274403B (zh) | 一种浮选表面质量的评价方法 | |
CN108921819A (zh) | 一种基于机器视觉的验布装置及方法 | |
CN113706495A (zh) | 一种在传送带上自动检测锂电池参数的机器视觉检测系统 | |
CN110517213A (zh) | 一种显微镜用的基于拉普拉斯金字塔的实时景深延拓方法 | |
CN113222926A (zh) | 基于深度支持向量数据描述模型的拉链异常检测方法 | |
CN108810506A (zh) | 一种基于fpga的透雾增强图像处理方法及系统 | |
CN115687850A (zh) | 一种农田的灌溉需水量计算方法及装置 | |
CN116012701A (zh) | 一种基于矾花检测的水处理加药控制方法及装置 | |
CN107504905A (zh) | 一种基于机器视觉的网状织物网目长度偏差率检测系统 | |
CN106355556B (zh) | 图像去雾的方法和设备 | |
CN117557806A (zh) | 硅棒生长视觉监测方法、装置、设备及存储介质 | |
CN115984360B (zh) | 一种基于图像处理的计算干滩长度的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |