CN116971052B - 一种高强度尼龙长丝及其制备方法 - Google Patents
一种高强度尼龙长丝及其制备方法 Download PDFInfo
- Publication number
- CN116971052B CN116971052B CN202310833889.0A CN202310833889A CN116971052B CN 116971052 B CN116971052 B CN 116971052B CN 202310833889 A CN202310833889 A CN 202310833889A CN 116971052 B CN116971052 B CN 116971052B
- Authority
- CN
- China
- Prior art keywords
- mixed state
- feature map
- scale feature
- enhanced
- nylon
- 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
- 239000004677 Nylon Substances 0.000 title claims abstract description 103
- 229920001778 nylon Polymers 0.000 title claims abstract description 103
- 238000002360 preparation method Methods 0.000 title abstract description 13
- 238000002156 mixing Methods 0.000 claims abstract description 56
- 239000000203 mixture Substances 0.000 claims abstract description 53
- 239000011347 resin Substances 0.000 claims abstract description 33
- 229920005989 resin Polymers 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 32
- 239000004594 Masterbatch (MB) Substances 0.000 claims abstract description 19
- 239000006229 carbon black Substances 0.000 claims abstract description 19
- 239000000049 pigment Substances 0.000 claims abstract description 16
- 239000002270 dispersing agent Substances 0.000 claims abstract description 13
- 238000007493 shaping process Methods 0.000 claims abstract description 13
- 238000010791 quenching Methods 0.000 claims abstract description 9
- 230000000171 quenching effect Effects 0.000 claims abstract description 8
- 238000001291 vacuum drying Methods 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims abstract description 5
- 239000012257 stirred material Substances 0.000 claims abstract description 5
- 241000872198 Serjania polyphylla Species 0.000 claims abstract description 3
- 239000013598 vector Substances 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000011176 pooling Methods 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 23
- 238000010586 diagram Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 10
- 238000001816 cooling Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000003993 interaction Effects 0.000 description 8
- 239000004033 plastic Substances 0.000 description 7
- 229920003023 plastic Polymers 0.000 description 7
- 238000003756 stirring Methods 0.000 description 7
- 230000002708 enhancing effect Effects 0.000 description 5
- 238000002844 melting Methods 0.000 description 5
- 230000008018 melting Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000003709 image segmentation Methods 0.000 description 4
- 239000004595 color masterbatch Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001125 extrusion Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 238000004043 dyeing Methods 0.000 description 2
- 238000005469 granulation Methods 0.000 description 2
- 230000003179 granulation Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000009987 spinning Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000007730 finishing process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000009477 glass transition Effects 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000009775 high-speed stirring Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- NJNNJTZOZPHSRA-UHFFFAOYSA-N octatriacontanedioic acid Chemical group OC(=O)CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC(O)=O NJNNJTZOZPHSRA-UHFFFAOYSA-N 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C48/00—Extrusion moulding, i.e. expressing the moulding material through a die or nozzle which imparts the desired form; Apparatus therefor
- B29C48/022—Extrusion moulding, i.e. expressing the moulding material through a die or nozzle which imparts the desired form; Apparatus therefor characterised by the choice of material
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B13/00—Conditioning or physical treatment of the material to be shaped
- B29B13/06—Conditioning or physical treatment of the material to be shaped by drying
- B29B13/065—Conditioning or physical treatment of the material to be shaped by drying of powder or pellets
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B9/00—Making granules
- B29B9/02—Making granules by dividing preformed material
- B29B9/06—Making granules by dividing preformed material in the form of filamentary material, e.g. combined with extrusion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C48/00—Extrusion moulding, i.e. expressing the moulding material through a die or nozzle which imparts the desired form; Apparatus therefor
- B29C48/03—Extrusion moulding, i.e. expressing the moulding material through a die or nozzle which imparts the desired form; Apparatus therefor characterised by the shape of the extruded material at extrusion
- B29C48/05—Filamentary, e.g. strands
-
- D—TEXTILES; PAPER
- D01—NATURAL OR MAN-MADE THREADS OR FIBRES; SPINNING
- D01F—CHEMICAL FEATURES IN THE MANUFACTURE OF ARTIFICIAL FILAMENTS, THREADS, FIBRES, BRISTLES OR RIBBONS; APPARATUS SPECIALLY ADAPTED FOR THE MANUFACTURE OF CARBON FILAMENTS
- D01F1/00—General methods for the manufacture of artificial filaments or the like
- D01F1/02—Addition of substances to the spinning solution or to the melt
- D01F1/10—Other agents for modifying properties
-
- D—TEXTILES; PAPER
- D01—NATURAL OR MAN-MADE THREADS OR FIBRES; SPINNING
- D01F—CHEMICAL FEATURES IN THE MANUFACTURE OF ARTIFICIAL FILAMENTS, THREADS, FIBRES, BRISTLES OR RIBBONS; APPARATUS SPECIALLY ADAPTED FOR THE MANUFACTURE OF CARBON FILAMENTS
- D01F6/00—Monocomponent artificial filaments or the like of synthetic polymers; Manufacture thereof
- D01F6/88—Monocomponent artificial filaments or the like of synthetic polymers; Manufacture thereof from mixtures of polycondensation products as major constituent with other polymers or low-molecular-weight compounds
- D01F6/90—Monocomponent artificial filaments or the like of synthetic polymers; Manufacture thereof from mixtures of polycondensation products as major constituent with other polymers or low-molecular-weight compounds of polyamides
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29K—INDEXING SCHEME ASSOCIATED WITH SUBCLASSES B29B, B29C OR B29D, RELATING TO MOULDING MATERIALS OR TO MATERIALS FOR MOULDS, REINFORCEMENTS, FILLERS OR PREFORMED PARTS, e.g. INSERTS
- B29K2077/00—Use of PA, i.e. polyamides, e.g. polyesteramides or derivatives thereof, as moulding material
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Textile Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Processing And Handling Of Plastics And Other Materials For Molding In General (AREA)
Abstract
公开了一种高强度尼龙长丝及其制备方法。所述高强度尼龙长丝包括：尼龙树脂、表面活性的高色素炭黑和改性EBS分散剂，其制备方法包括：将所述尼龙树脂、所述表面活性的高色素炭黑和所述改性EBS分散剂加入到高速混合机中进行混合后通过平行双螺杆中进行挤出造粒处理，并将制造好的黑色尼龙色母粒进行真空干燥以得到干燥黑色尼龙色母粒；将所述尼龙树脂切片后与所述干燥黑色尼龙色母粒一同加入到双锥螺旋搅拌器中进行搅拌处理，再将搅拌好的物料送入螺杆挤压机中进行熔融处理以得到丝束；将所述丝束在空气中骤冷成形后进行拉伸定型处理，再通过压缩空气网络装置进行压缩以得到高强度尼龙长丝。这样，可以提高产品质量和生产效率。
Description
技术领域
本公开涉及尼龙长丝领域，且更为具体地，涉及一种高强度尼龙长丝及其制备方法。
背景技术
高强度尼龙长丝是一种具有广泛应用前景的材料，它在各个领域都有着重要的作用，如纺织、汽车、航空航天等。目前，现有技术方案所提供的尼龙制网长丝采用的是低相对粘度的尼龙树脂纺制，强度不高，容易产生断裂。另外，有些长丝所必需的黑色，采用的是纺后染整工艺，颜色均匀度较差，并且在使用过程中会逐渐退色，造成环境污染。
因此，期望一种优化的高强度尼龙长丝。
发明内容
有鉴于此，本公开提出了一种高强度尼龙长丝及其制备方法，采用基于深度学习的机器视觉技术来对于该混合物的混合状态图像进行分析，从而提取出有关于混合物的混合状态特征信息，以此来进行混合物的混合均一度检测，这样，能够有效评估混合物的混合均匀性，有助于提高产品质量和生产效率。
根据本公开的一方面，提供了一种高强度尼龙长丝，其包括：尼龙树脂、表面活性的高色素炭黑和改性EBS分散剂。
根据本公开的另一方面，提供了一种高强度尼龙长丝的制备方法，其包括：
将所述尼龙树脂、所述表面活性的高色素炭黑和所述改性EBS分散剂加入到高速混合机中进行混合后通过平行双螺杆中进行挤出造粒处理，并将制造好的黑色尼龙色母粒进行真空干燥以得到干燥黑色尼龙色母粒；
将所述尼龙树脂切片后与所述干燥黑色尼龙色母粒一同加入到双锥螺旋搅拌器中进行搅拌处理，再将搅拌好的物料送入螺杆挤压机中进行熔融处理以得到丝束；以及
将所述丝束在空气中骤冷成形后进行拉伸定型处理，再通过压缩空气网络装置进行压缩以得到高强度尼龙长丝。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出根据本公开的实施例的高强度尼龙长丝的制备方法的流程图。
图2示出根据本公开的实施例的高强度尼龙长丝的制备方法的子步骤S110的流程图。
图3示出根据本公开的实施例的高强度尼龙长丝的制备方法的子步骤S110的架构示意图。
图4示出根据本公开的实施例的高强度尼龙长丝的制备方法的子步骤S112的流程图。
图5示出根据本公开的实施例的高强度尼龙长丝的制备方法的子步骤S113的流程图。
图6示出根据本公开的实施例的高强度尼龙长丝的制备方法的子步骤S1132的流程图。
图7示出根据本公开的实施例的高强度尼龙长丝的制备系统的框图。
图8示出根据本公开的实施例的高强度尼龙长丝的制备方法的应用场景图。
具体实施方式
下面将结合附图对本公开实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本公开的部分实施例，而不是全部的实施例。基于本公开实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本公开保护的范围。
如本公开和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开的实施例的高强度尼龙长丝的制备方法的流程图。如图1所示，根据本公开实施例的高强度尼龙长丝的制备方法，包括步骤：S110，将所述尼龙树脂、所述表面活性的高色素炭黑和所述改性EBS分散剂加入到高速混合机中进行混合后通过平行双螺杆中进行挤出造粒处理，并将制造好的黑色尼龙色母粒进行真空干燥以得到干燥黑色尼龙色母粒；S120，将所述尼龙树脂切片后与所述干燥黑色尼龙色母粒一同加入到双锥螺旋搅拌器中进行搅拌处理，再将搅拌好的物料送入螺杆挤压机中进行熔融处理以得到丝束；以及，S130，将所述丝束在空气中骤冷成形后进行拉伸定型处理，再通过压缩空气网络装置进行压缩以得到高强度尼龙长丝。
应可以理解，在步骤S110中，表面活性的高色素炭黑是一种特殊处理过的炭黑材料，炭黑是一种由碳元素组成的黑色颗粒状物质，具有很高的比表面积和吸附性能，表面活性的高色素炭黑经过特殊的表面处理，使其具有更好的分散性和稳定性，能够更好地与尼龙树脂相互作用。高色素炭黑具有较高的染色力和遮盖力，可以赋予尼龙材料更鲜艳、深沉的黑色，表面活性的高色素炭黑在制备高强度尼龙长丝的过程中，起到了增加颜色和改善分散性的作用。改性EBS分散剂是一种改性的乙烯-双-硬脂酸酯分散剂，用于改善尼龙树脂与高色素炭黑的分散性，它可以帮助将炭黑均匀分散在尼龙树脂中，提高色母粒的均一性和稳定性。高速混合机是一种用于将尼龙树脂、高色素炭黑和改性EBS分散剂进行混合的设备，通过高速搅拌和剪切作用，确保各种成分充分混合均匀，形成均一的混合物，为后续挤出造粒处理提供良好的原料。真空干燥是将制造好的黑色尼龙色母粒放入真空环境中进行干燥的过程，通过减少湿气的存在，可以防止色母粒受潮，保持其质量稳定，并避免在后续加工过程中产生气泡或其他缺陷。
应可以理解，在步骤S120中，在制备高强度尼龙长丝的过程中，切片是将尼龙树脂分割成薄片的步骤，可以通过下述方式切片：1.准备尼龙树脂，将尼龙树脂准备好，确保其处于固态状态；2.加热尼龙树脂，使用加热设备(如热板)将尼龙树脂加热至适当的温度，使其软化和变得易于加工。具体的加热温度取决于尼龙树脂的类型和性质；3.将尼龙树脂放置在切片机中：将加热后的尼龙树脂放置在切片机的工作台上或夹持装置中；4.切割尼龙树脂，使用切片机的切割刀具，将尼龙树脂切割成薄片，切割刀具可以是旋转刀片、切割刀片或其他适合的刀具；5.控制切片厚度，根据需要，调整切片机的参数(如切割速度、刀具压力等)，控制切片的厚度，通常来说，较薄的切片有助于后续加工步骤的进行；6.收集切片，将切割好的尼龙树脂薄片收集起来，可以使用容器、托盘或其他适当的收集装置。
双锥螺旋搅拌器是一种用于混合和搅拌的设备，通常用于固体颗粒和粉末的混合，它由两个相互融合的螺旋形状的搅拌叶片组成，形状类似于两个相互倾斜的锥形，这两个搅拌叶片通过旋转运动，将物料从一个端口输送到另一个端口，从而实现混合和搅拌的目的。双锥螺旋搅拌器具有混合效果好、搅拌速度可调的特点，由于搅拌叶片的特殊形状和旋转运动，物料在搅拌器内部得到充分的混合，确保了混合的均匀性和质量；而通过调整搅拌器的旋转速度，可以控制混合的强度和时间，以满足不同物料的混合要求。
螺杆挤压机是一种用于塑料加工和成型的设备，它由一个或多个螺杆组成，通过旋转螺杆将塑料料柱推送到加热区域，使塑料熔化，然后，通过螺杆的旋转和外部压力，将熔融的塑料挤出模具，形成所需的产品形状。螺杆挤压机具有可塑性强、生产效率高的特点，通过调整螺杆的设计和加工参数，可以适应不同类型的塑料材料，实现塑料的熔化和挤出；螺杆挤压机可以实现连续生产，高效率地制造大批量的塑料制品。
应可以理解，在步骤S130中，将丝束在空气中骤冷成形的方法可以通过以下步骤实现：准备丝束，首先，准备好需要进行骤冷成形的丝束，确保丝束的长度和直径符合要求；创建冷却环境，在适当的工作区域内，创建一个冷却环境，可以使用冷风机、冷却室或其他冷却设备，确保环境温度低于丝束的玻璃化转变温度；安装丝束，将丝束固定在适当的位置上，可以使用夹具或其他固定装置，确保丝束在整个过程中保持稳定；启动冷却设备，启动冷却设备，使冷风或冷气流以适当的速度和温度通过丝束，确保冷却气流均匀地覆盖整个丝束；进行骤冷成形，当冷却气流通过丝束时，丝束会迅速冷却和固化，在此过程中，丝束会发生形状变化，根据所需的成形形状进行调整；检查和调整，一旦丝束完全冷却和固化，检查成形结果。如果需要，可以进行调整和修正，以满足要求的形状。需要注意的是，骤冷成形的成功与否取决于多个因素，包括丝束材料的性质、冷却环境的温度和速度、丝束的固定方式等。
压缩空气网络装置是一种用于供应和分配压缩空气的系统，它由压缩空气发生器、压缩空气储存设备、管道网络、过滤器、调压器、干燥器和其他控制元件组成。压缩空气发生器通过机械或其他方式将大气中的空气压缩成高压空气，常见的压缩机类型包括螺杆式压缩机、活塞式压缩机和涡轮式压缩机；压缩空气储存设备用于存储压缩空气，平衡供应和需求之间的差异，常见的储存设备包括气罐、气缸和储气库；管道网络用于将压缩空气从发生器和储存设备输送到使用点，管道应根据需要进行布置和安装，以确保压缩空气的顺畅传输；过滤器用于去除压缩空气中的杂质和污染物，以保护后续设备和工艺的正常运行，常见的过滤器类型包括颗粒过滤器和油雾过滤器；调压器用于调节压缩空气的压力，以满足不同使用点的需求，它可以根据需要提供恒定的压力或可调节的压力；干燥器用于去除压缩空气中的水分和湿气，以防止管道和设备的腐蚀和故障，常见的干燥器类型包括冷却式干燥器和吸附式干燥器。通过以上组件的配合，压缩空气网络装置可以提供干燥、过滤、调压的压缩空气供应。
进一步地，在实际高强度尼龙长丝的制备过程中，在将所述尼龙树脂、所述表面活性的高色素炭黑和所述改性EBS分散剂加入到高速混合机中进行混合时，确保原料混合的充分性和均匀性是保证尼龙长丝制备性能和颜色均匀的关键。然而，在传统的制备方法中，在高速混合机中的混合物混合的均匀性通常依赖于操作人员的经验和技术水平来进行检测判断。然而，由于操作人员的主观因素和生产环境的变化，很难保证每次制备都能得到一致的均匀性。基于此，在本申请的技术方案中，期望采用基于深度学习的机器视觉技术来对于该混合物的混合状态图像进行分析，从而提取出有关于混合物的混合状态特征信息，以此来进行混合物的混合均一度检测。这样，能够有效评估混合物的混合均匀性，有助于提高产品质量和生产效率。
图2示出根据本公开的实施例的高强度尼龙长丝的制备方法的子步骤S110的流程图。图3示出根据本公开的实施例的高强度尼龙长丝的制备方法的子步骤S110的架构示意图。如图2和图3所示，根据本公开实施例的高强度尼龙长丝的制备方法，将所述尼龙树脂、所述表面活性的高色素炭黑和所述改性EBS分散剂加入到高速混合机中进行混合后通过平行双螺杆中进行挤出造粒处理，并将制造好的黑色尼龙色母粒进行真空干燥以得到干燥黑色尼龙色母粒，包括步骤：S111，通过摄像头采集所述高速混合机中混合物的混合状态图像；S112，对所述混合状态图像进行特征提取以得到强化混合状态多尺度特征图；以及，S113，基于所述强化混合状态多尺度特征图，确定混合物的混合均一度是否符合预定标准。
具体地，在本申请的技术方案中，首先，通过摄像头采的混合物的混合状态图像。然后，考虑到若所述混合物的混合均一度满足预设要求，那么会在图像的纹理端有所呈现。应可以理解，所述方向梯度直方图是一种用于描述图像局部纹理特征的方法，该算法图像将图像等划分为小尺寸的细胞空间，计算细胞内各像素点的梯度，并根据梯度分布生成细胞(HOG(Histogram of Oriented Gradient,HOG)，然后，在较大尺寸的块空间内统计各细胞HOG分布，生成块空间HOG，描述局部纹理信息。因此，在本申请的技术方案中，进一步计算所述混合状态图像的方向梯度直方图以得到混合状态方向梯度直方图，进而使用所述混合状态方向梯度直方图替代原始RGB图像作为输入数据，以更为有效且容易地提取到所述混合状态方向梯度直方图中关于所述混合物的混合状态信息相关的特征信息。
相应地，在一种可能的实现方式中，如图4所示，对所述混合状态图像进行特征提取以得到强化混合状态多尺度特征图，包括：S1121，计算所述混合状态图像的方向梯度直方图以得到混合状态方向梯度直方图；S1122，对所述混合状态方向梯度直方图进行混合状态特征分析以得到混合状态多尺度特征图；以及，S1123，对所述混合状态多尺度特征图进行图像特征增强以得到所述强化混合状态多尺度特征图。
进一步地，使用在图像的隐含特征提取方面具有优异表现的卷积神经网络模型来进行所述混合状态方向梯度直方图的特征挖掘，特别地，考虑到MBCNet是一种用于图像分割的深度卷积神经网络，主要解决多次卷积和上采样造成边界信息丢失的问题。该网络采用了多尺度融合的边界特征提取分支，能够提高图像分割的精度。因此，进一步将所述混合状态方向梯度直方图通过包含主干网络和边界特征提取分支的MBCNet以得到混合状态多尺度特征图。值得一提的是，这里，所述MBCNet包含两个分支，一个是主干网络，另一个是边界特征提取分支。所述主干网络用于提取所述混合状态方向梯度直方图中有关于混合物的全局特征，而边界特征提取分支则用于提取所述混合状态方向梯度直方图中有关于混合物的边界特征信息，以此来更为精准地进行混合物的混合均一度检测。
相应地，在S1122步骤中，对所述混合状态方向梯度直方图进行混合状态特征分析以得到混合状态多尺度特征图，包括：将所述混合状态方向梯度直方图通过包含主干网络和边界特征提取分支的MBCNet以得到所述混合状态多尺度特征图。值得一提的是，MBCNet，用于图像分割和混合状态多尺度特征图的提取。MBCNet是一种深度卷积神经网络，用于解决图像分割中边界信息丢失的问题，它包含两个分支：主干网络和边界特征提取分支。主干网络用于提取混合状态方向梯度直方图中有关混合物的全局特征，它可以捕捉到整个图像中的重要信息，帮助理解混合物的整体特征。边界特征提取分支则专门用于提取混合状态方向梯度直方图中有关混合物的边界特征信息，边界特征对于准确检测混合物的混合均一度非常重要，因为混合物的边界往往包含了混合状态的关键信息。通过将混合状态方向梯度直方图输入到MBCNet中，可以得到混合状态多尺度特征图。这个特征图包含了主干网络和边界特征提取分支提取的多种特征信息，可以用于更准确地进行混合物的混合均一度检测。
接着，将所述混合状态多尺度特征图通过三分支注意力模块以得到强化混合状态多尺度特征图。应可以理解，由于所述混合状态多尺度特征图存在所述混合物的混合状态的全局特征和边界特征的综合特征信息，因此，在本申请的技术方案中，进一步使用所述三分支注意力模块来加强所述混合状态多尺度特征图中各个位置的特征在空间维度上的交互，空间维度和通道维度上的交互，以及，不同通道维度之间的交互以更为有效地挖掘和重视全局和边界的综合特征信息。
相应地，在S1123步骤中，对所述混合状态多尺度特征图进行图像特征增强以得到所述强化混合状态多尺度特征图，包括：将所述混合状态多尺度特征图通过三分支注意力模块以得到所述强化混合状态多尺度特征图。应可以理解，三分支注意力模块是一种用于增强混合状态多尺度特征图的图像特征的模块，它通过在空间维度和通道维度上进行交互，以及对不同通道维度之间进行交互，来提高各个位置特征的重要性。三分支注意力模块通常由三个分支组成：空间注意力分支、通道注意力分支和全局注意力分支。空间注意力分支主要用于在空间维度上增强特征的交互，它通过学习每个位置的权重，来调整特征图中不同位置的重要性，这样可以更好地捕捉到混合物在图像中的空间分布信息。通道注意力分支主要用于在通道维度上增强特征的交互，它通过学习每个通道的权重，来调整特征图中不同通道的重要性，这样可以更好地捕捉到不同特征通道对于混合物特征的贡献程度。全局注意力分支主要用于在空间和通道维度上进行全局的交互，它通过学习整个特征图的权重，来调整特征图中所有位置和通道的重要性，这样可以更好地捕捉到全局和边界的综合特征信息。通过将混合状态多尺度特征图输入到三分支注意力模块中，可以得到强化的混合状态多尺度特征图。这个特征图经过空间维度和通道维度的交互以及全局的加权调整，使得各个位置的特征更加准确和有区分度，从而进一步提高混合物的混合均一度检测的效果。三分支注意力模块是一种用于增强混合状态多尺度特征图的图像特征的模块，通过空间维度和通道维度的交互以及全局的加权调整，提高特征的重要性和区分度。
相应地，在一种可能的实现方式中，如图5所示，基于所述强化混合状态多尺度特征图，确定混合物的混合均一度是否符合预定标准，包括：S1131，对所述强化混合状态多尺度特征图进行特征分布优化以得到优化强化混合状态多尺度特征图；以及，S1132，将所述优化强化混合状态多尺度特征图通过分类器以得到分类结果，所述分类结果用于表示混合物的混合均一度是否符合预定标准。
特别地，在本申请的技术方案中，将所述混合状态方向梯度直方图通过包含主干网络和边界特征提取分支的MBCNet时，所得到的所述混合状态多尺度特征图会包含所述混合状态方向梯度直方图的主干图像语义特征和边缘图像语义特征，且所述主干图像语义特征和所述边缘图像语义特征会遵循所述MBCNet的通道维度分布而体现在所述混合状态多尺度特征图的特征矩阵内，由此导致所述混合状态多尺度特征图的特征矩阵间的特征表达差异。
进一步地，所述三分支注意力模块的空间注意力模块会强化特征矩阵内的局部特征分布，而通道注意力模块则会强化某些特征矩阵的整体特征分布，这都会导致所述强化混合状态多尺度特征图的特征矩阵间的特征表达差异进一步扩大，从而使得所述强化混合状态多尺度特征图的特征矩阵间存在较大的高维特征空间内的特征流形表达的流形几何差异，造成所述强化混合状态多尺度特征图的流形几何连续性差，影响其通过分类器得到的分类结果的准确性。因此，本申请的申请人针对所述强化混合状态多尺度特征图的沿通道维度的每个特征矩阵，例如记为Mi，进行特征图的通道维度遍历流形式凸优化。
相应地，在一种可能的实现方式中，对所述强化混合状态多尺度特征图进行特征分布优化以得到优化强化混合状态多尺度特征图，包括：以如下优化公式对所述强化混合状态多尺度特征图的沿通道维度的各个特征矩阵进行特征图的通道维度遍历流形式凸优化以得到所述优化强化混合状态多尺度特征图；其中，所述优化公式为：
其中，Mi是所述强化混合状态多尺度特征图的沿通道维度的第i个特征矩阵，Vt1[GAP(F)]和Vt2[GAP(F)]分别为基于所述强化混合状态多尺度特征图的各个特征矩阵的全局均值组成的全局均值池化向量通过线性变换得到的列向量和行向量，‖·‖2表示矩阵的谱范数，即Mi TMi的最大本征值的平方根，表示向量乘法，⊙表示按位置点乘，且Mi ′为所述优化强化混合状态多尺度特征图的沿通道维度的第i个特征矩阵。
这里，所述强化混合状态多尺度特征图的通道维度遍历流形式凸优化通过结构化调制的特征矩阵的最大分布稠密性方向来确定特征矩阵流形的基维度，并沿所述强化混合状态多尺度特征图的通道方向对特征矩阵流形进行遍历，以通过沿通道方向堆叠遍历流形的基维度来约束每个特征矩阵Mi所表示的遍历流形的凸优化连续性，从而实现由优化后的特征矩阵Mi ′的遍历流形组成的所述强化混合状态多尺度特征图的高维特征流形的几何连续性，以提升所述强化混合状态多尺度特征图通过分类器得到的分类结果的准确性。这样，能够有效评估混合物的混合均匀性，从而实现智能化生产，有助于提高产品质量和生产效率。
进一步地，再将所述强化混合状态多尺度特征图通过分类器以得到分类结果，所述分类结果用于表示混合物的混合均一度是否符合预定标准。也就是说，以经过特征强化后的所述混合物的混合状态特征信息来进行分类处理，以此来对于混合物的混合均一度进行检测，以有效评估混合物的混合均匀性。
也就是，在本公开的技术方案中，所述分类器的标签包括符合预定标准(第一标签)，以及，不符合预定标准(第二标签)，其中，所述分类器通过软最大值函数来确定所述强化混合状态多尺度特征图属于哪个分类标签。值得注意的是，这里的所述第一标签p1和所述第二标签p2并不包含人为设定的概念，实际上在训练过程当中，计算机模型并没有“是否符合预定标准”这种概念，其只是有两种分类标签且输出特征在这两个分类标签下的概率，即p1和p2之和为一。因此，是否符合预定标准的分类结果实际上是通过分类标签转化为符合自然规律的二分类的类概率分布，实质上用到的是标签的自然概率分布的物理意义，而不是“是否符合预定标准”的语言文本意义。
应可以理解，分类器的作用是利用给定的类别、已知的训练数据来学习分类规则和分类器，然后对未知数据进行分类(或预测)。逻辑回归(logistics)、SVM等常用于解决二分类问题，对于多分类问题(multi-class classification)，同样也可以用逻辑回归或SVM，只是需要多个二分类来组成多分类，但这样容易出错且效率不高，常用的多分类方法有Softmax分类函数。
相应地，在一种可能的实现方式中，如图6所示，将所述优化强化混合状态多尺度特征图通过分类器以得到分类结果，所述分类结果用于表示混合物的混合均一度是否符合预定标准，包括：S11321，将所述优化强化混合状态多尺度特征图按照行向量或列向量展开为优化分类特征向量；S11322，使用所述分类器的多个全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；以及，S11323，将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
综上，基于本公开实施例的高强度尼龙长丝的制备方法，其基于深度学习的机器视觉技术来对于该混合物的混合状态图像进行分析，从而提取出有关于混合物的混合状态特征信息，以此来进行混合物的混合均一度检测，这样，能够有效评估混合物的混合均匀性，有助于提高产品质量和生产效率。
图7示出根据本公开的实施例的高强度尼龙长丝的制备系统100的框图。如图7所示，根据本公开实施例的高强度尼龙长丝的制备系统100，包括：造粒干燥模块110，用于将所述尼龙树脂、所述表面活性的高色素炭黑和所述改性EBS分散剂加入到高速混合机中进行混合后通过平行双螺杆中进行挤出造粒处理，并将制造好的黑色尼龙色母粒进行真空干燥以得到干燥黑色尼龙色母粒；搅拌熔融模块120，用于将所述尼龙树脂切片后与所述干燥黑色尼龙色母粒一同加入到双锥螺旋搅拌器中进行搅拌处理，再将搅拌好的物料送入螺杆挤压机中进行熔融处理以得到丝束；以及，成形压缩模块130，用于将所述丝束在空气中骤冷成形后进行拉伸定型处理，再通过压缩空气网络装置进行压缩以得到高强度尼龙长丝。
这里，本领域技术人员可以理解，上述高强度尼龙长丝的制备系统100中的各个单元和模块的具体功能和操作已经在上面参考图1到图6的高强度尼龙长丝的制备方法的描述中得到了详细介绍，并因此，将省略其重复描述。
如上所述，根据本公开实施例的高强度尼龙长丝的制备系统100可以实现在各种无线终端中，例如具有高强度尼龙长丝的制备算法的服务器等。在一种可能的实现方式中，根据本公开实施例的高强度尼龙长丝的制备系统100可以作为一个软件模块和/或硬件模块而集成到无线终端中。例如，该高强度尼龙长丝的制备系统100可以是该无线终端的操作系统中的一个软件模块，或者可以是针对于该无线终端所开发的一个应用程序；当然，该高强度尼龙长丝的制备系统100同样可以是该无线终端的众多硬件模块之一。
替换地，在另一示例中，该高强度尼龙长丝的制备系统100与该无线终端也可以是分立的设备，并且该高强度尼龙长丝的制备系统100可以通过有线和/或无线网络连接到该无线终端，并且按照约定的数据格式来传输交互信息。
图8示出根据本公开的实施例的高强度尼龙长丝的制备方法的应用场景图。如图8所示，在该应用场景中，首先，通过摄像头采集所述高速混合机中混合物的混合状态图像(例如，图8中所示意的D)，然后，将所述混合状态图像输入至部署有高强度尼龙长丝的制备算法的服务器中(例如，图8中所示意的S)，其中，所述服务器能够使用所述高强度尼龙长丝的制备算法对所述混合状态图像进行处理以得到用于表示混合物的混合均一度是否符合预定标准的分类结果。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (1)
1.一种高强度尼龙长丝的制备方法，其特征在于，包括：
将尼龙树脂、表面活性的高色素炭黑和改性EBS分散剂加入到高速混合机中进行混合后通过平行双螺杆中进行挤出造粒处理，并将制造好的黑色尼龙色母粒进行真空干燥以得到干燥黑色尼龙色母粒；
将所述尼龙树脂切片后与所述干燥黑色尼龙色母粒一同加入到双锥螺旋搅拌器中进行搅拌处理，再将搅拌好的物料送入螺杆挤压机中进行熔融处理以得到丝束；以及
将所述丝束在空气中骤冷成形后进行拉伸定型处理，再通过压缩空气网络装置进行压缩以得到高强度尼龙长丝；
其中，将所述尼龙树脂、所述表面活性的高色素炭黑和所述改性EBS分散剂加入到高速混合机中进行混合后通过平行双螺杆中进行挤出造粒处理，并将制造好的黑色尼龙色母粒进行真空干燥以得到干燥黑色尼龙色母粒，包括：
通过摄像头采集所述高速混合机中混合物的混合状态图像；
对所述混合状态图像进行特征提取以得到强化混合状态多尺度特征图；以及
基于所述强化混合状态多尺度特征图，确定混合物的混合均一度是否符合预定标准；
其中，对所述混合状态图像进行特征提取以得到强化混合状态多尺度特征图，包括：
计算所述混合状态图像的方向梯度直方图以得到混合状态方向梯度直方图；
对所述混合状态方向梯度直方图进行混合状态特征分析以得到混合状态多尺度特征图；以及
对所述混合状态多尺度特征图进行图像特征增强以得到所述强化混合状态多尺度特征图；
其中，对所述混合状态方向梯度直方图进行混合状态特征分析以得到混合状态多尺度特征图，包括：
将所述混合状态方向梯度直方图通过包含主干网络和边界特征提取分支的MBCNet以得到所述混合状态多尺度特征图；
其中，对所述混合状态多尺度特征图进行图像特征增强以得到所述强化混合状态多尺度特征图，包括：
将所述混合状态多尺度特征图通过三分支注意力模块以得到所述强化混合状态多尺度特征图；
其中，基于所述强化混合状态多尺度特征图，确定混合物的混合均一度是否符合预定标准，包括：
对所述强化混合状态多尺度特征图进行特征分布优化以得到优化强化混合状态多尺度特征图；以及
将所述优化强化混合状态多尺度特征图通过分类器以得到分类结果，所述分类结果用于表示混合物的混合均一度是否符合预定标准；
其中，对所述强化混合状态多尺度特征图进行特征分布优化以得到优化强化混合状态多尺度特征图，包括：
以如下优化公式对所述强化混合状态多尺度特征图的沿通道维度的各个特征矩阵进行特征图的通道维度遍历流形式凸优化以得到所述优化强化混合状态多尺度特征图；
其中，所述优化公式为：
其中，Mi是所述强化混合状态多尺度特征图的沿通道维度的第i个特征矩阵，Vt1[GAP(F)]和Vt2[GAP(F)]分别为基于所述强化混合状态多尺度特征图的各个特征矩阵的全局均值组成的全局均值池化向量通过线性变换得到的列向量和行向量，‖·‖2表示矩阵的谱范数，表示向量乘法，⊙表示按位置点乘，且Mi ′为所述优化强化混合状态多尺度特征图的沿通道维度的第i个特征矩阵；
其中，将所述优化强化混合状态多尺度特征图通过分类器以得到分类结果，所述分类结果用于表示混合物的混合均一度是否符合预定标准，包括：
将所述优化强化混合状态多尺度特征图按照行向量或列向量展开为优化分类特征向量；
使用所述分类器的多个全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；以及
将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310833889.0A CN116971052B (zh) | 2023-07-07 | 2023-07-07 | 一种高强度尼龙长丝及其制备方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310833889.0A CN116971052B (zh) | 2023-07-07 | 2023-07-07 | 一种高强度尼龙长丝及其制备方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116971052A CN116971052A (zh) | 2023-10-31 |
| CN116971052B true CN116971052B (zh) | 2024-03-08 |
Family
ID=88477591
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310833889.0A Active CN116971052B (zh) | 2023-07-07 | 2023-07-07 | 一种高强度尼龙长丝及其制备方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116971052B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101580975A (zh) * | 2009-06-15 | 2009-11-18 | 杭州帝凯工业布有限公司 | 深海特种捕捞网用的高强度尼龙长丝及其生产工艺 |
| CN106780546A (zh) * | 2016-12-06 | 2017-05-31 | 南京航空航天大学 | 基于卷积神经网络的运动模糊编码点的身份识别方法 |
| CN114120069A (zh) * | 2022-01-27 | 2022-03-01 | 四川博创汇前沿科技有限公司 | 基于方向自注意力的车道线检测系统、方法和存储介质 |
| CN115578626A (zh) * | 2022-07-07 | 2023-01-06 | 福州大学 | 基于混合注意力机制的多尺度图像篡改检测方法 |
| CN115709580A (zh) * | 2023-01-10 | 2023-02-24 | 广州声博士声学技术有限公司 | 一种碳塑隔声板的制备方法 |
| CN116238124A (zh) * | 2023-04-08 | 2023-06-09 | 河南曙光汇知康生物科技股份有限公司 | 注射器注塑成型生产用采集数据处理方法及系统 |
| CN116375006A (zh) * | 2023-05-04 | 2023-07-04 | 江西塑高新材料有限公司 | 碳纳米管物理分散方法 |
-
2023
- 2023-07-07 CN CN202310833889.0A patent/CN116971052B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101580975A (zh) * | 2009-06-15 | 2009-11-18 | 杭州帝凯工业布有限公司 | 深海特种捕捞网用的高强度尼龙长丝及其生产工艺 |
| CN106780546A (zh) * | 2016-12-06 | 2017-05-31 | 南京航空航天大学 | 基于卷积神经网络的运动模糊编码点的身份识别方法 |
| CN114120069A (zh) * | 2022-01-27 | 2022-03-01 | 四川博创汇前沿科技有限公司 | 基于方向自注意力的车道线检测系统、方法和存储介质 |
| CN115578626A (zh) * | 2022-07-07 | 2023-01-06 | 福州大学 | 基于混合注意力机制的多尺度图像篡改检测方法 |
| CN115709580A (zh) * | 2023-01-10 | 2023-02-24 | 广州声博士声学技术有限公司 | 一种碳塑隔声板的制备方法 |
| CN116238124A (zh) * | 2023-04-08 | 2023-06-09 | 河南曙光汇知康生物科技股份有限公司 | 注射器注塑成型生产用采集数据处理方法及系统 |
| CN116375006A (zh) * | 2023-05-04 | 2023-07-04 | 江西塑高新材料有限公司 | 碳纳米管物理分散方法 |
Non-Patent Citations (3)
| Title |
|---|
| 一种新的多尺度深度学习图像语义理解方法研究;蒋应锋;张桦;薛彦兵;周冕;徐光平;高赞;;光电子・激光(02);第224-230页 * |
| 基于RCF的跨层融合特征的边缘检测;宋杰;于裕;骆起峰;;计算机应用;40(07);第2053-2058页 * |
| 基于多级特征和混合注意力机制的室内人群检测网络;沈文祥;秦品乐;曾建潮;;计算机应用;39(12);第3496-3502页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116971052A (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109034210B (zh) | 基于超特征融合与多尺度金字塔网络的目标检测方法 | |
| US10719780B2 (en) | Efficient machine learning method | |
| CN114897890B (zh) | 一种基于人工智能的改性塑料生产调控方法 | |
| CN104809475B (zh) | 基于增量线性判别分析的多类标场景分类方法 | |
| CN112132784A (zh) | 一种基于小样本深度卷积神经网络用于工业磁瓦缺陷图像分类和分割的方法 | |
| CN111062296B (zh) | 一种基于计算机的白细胞自动识别分类方法 | |
| CN116971052B (zh) | 一种高强度尼龙长丝及其制备方法 | |
| CN108241925A (zh) | 一种基于离群点检测的离散制造机械产品质量溯源方法 | |
| CN114474473B (zh) | 一种改性塑料的生产方法和系统 | |
| CN117048022B (zh) | 共混型互穿网络热塑性弹性体的挤出优化方法及系统 | |
| CN105574540A (zh) | 一种基于非监督学习技术的害虫图像特征学习与自动分类方法 | |
| CN111666657B (zh) | 一种平面交叉口噪声监测布点方法 | |
| CN103163133B (zh) | 连续纤维增强塑料浸渍均匀度的评价方法 | |
| Anding et al. | Application of intelligent image processing in the construction material industry | |
| Martínez-de-Pisón et al. | Modelling of an elastomer profile extrusion process using support vector machines (SVM) | |
| Anding et al. | Optical identification of construction and demolition waste by using image processing and machine learning methods | |
| CN103018247A (zh) | 一种尿液细胞图像分类识别系统及分类识别的方法 | |
| CN107451655A (zh) | 一种集“分类与聚类”为一体的模糊神经网络算法 | |
| CN117445367A (zh) | 吹塑模具的自动控制系统及其方法 | |
| Sarkisov et al. | Wavelet morphometric neural network algorithm for analyzing nanomaterial porous texture | |
| CN117021417B (zh) | 橡胶破碎分解控制方法及其系统 | |
| Keshvari et al. | Zoning tthe Distribution of Required Agricultural Tractor Power in Khuzestan Province Using FCM Cluster Analysis | |
| CN117021409B (zh) | 一种增强尼龙复合材料及其制备方法 | |
| CN117602837B (zh) | 一种耐腐蚀纳米微晶建筑板材的生产工艺 | |
| CN116238065B (zh) | 密炼机运行在线监测方法及系统 |
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 |