CN117451691A - 一种用于预先判断纱线染色性能的方法 - Google Patents
一种用于预先判断纱线染色性能的方法 Download PDFInfo
- Publication number
- CN117451691A CN117451691A CN202311773984.2A CN202311773984A CN117451691A CN 117451691 A CN117451691 A CN 117451691A CN 202311773984 A CN202311773984 A CN 202311773984A CN 117451691 A CN117451691 A CN 117451691A
- Authority
- CN
- China
- Prior art keywords
- yarn
- dyeing
- judging
- spectrum
- detected
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000009970 yarn dyeing Methods 0.000 title claims abstract description 15
- 238000004043 dyeing Methods 0.000 claims abstract description 53
- 238000001228 spectrum Methods 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 238000003860 storage Methods 0.000 claims abstract description 16
- 230000003595 spectral effect Effects 0.000 claims description 46
- 238000005070 sampling Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 17
- 238000001069 Raman spectroscopy Methods 0.000 claims description 6
- 238000009940 knitting Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 14
- 239000000835 fiber Substances 0.000 description 22
- 229920000728 polyester Polymers 0.000 description 16
- 239000000975 dye Substances 0.000 description 11
- 238000001237 Raman spectrum Methods 0.000 description 9
- 239000000243 solution Substances 0.000 description 9
- 238000004590 computer program Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 229920000642 polymer Polymers 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000007853 buffer solution Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002425 crystallisation Methods 0.000 description 2
- 230000008025 crystallization Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000009987 spinning Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000001045 blue dye Substances 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000009477 glass transition Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000009981 jet dyeing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000008041 oiling agent Substances 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000001044 red dye Substances 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007974 sodium acetate buffer Substances 0.000 description 1
- BHZOKUMUHVTPBX-UHFFFAOYSA-M sodium acetic acid acetate Chemical compound [Na+].CC(O)=O.CC([O-])=O BHZOKUMUHVTPBX-UHFFFAOYSA-M 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XPFJYKARVSSRHE-UHFFFAOYSA-K trisodium;2-hydroxypropane-1,2,3-tricarboxylate;2-hydroxypropane-1,2,3-tricarboxylic acid Chemical compound [Na+].[Na+].[Na+].OC(=O)CC(O)(C(O)=O)CC(O)=O.[O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O XPFJYKARVSSRHE-UHFFFAOYSA-K 0.000 description 1
- 238000004017 vitrification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本公开提供了用于预先判断纱线染色性能的方法和装置，以及电子装置和计算机可读存储介质。该方法包括对待判断的纱线确定染色正常纱线；对染色正常纱线进行光谱检测获得第一光谱信息；通过高斯过程核进行模拟，计算协方差；对待判断纱线获取多个连续的第二光谱信息，建立高斯过程回归模型；对待检测纱线获取第三光谱信息；将第三光谱信息的矩阵与第二光谱信息的矩阵进行减运算；根据减运算得到的矩阵数值判断纱线染色性能。根据本公开的方案，在批量在线生产时仅需首次进行染色判色，即可据此预先判断后续批次丝锭的染色特性，提高预判断纱线染色性能的检测速率，且方法简单，节约生产成本。
Description
技术领域
本公开涉及智能制造领域，尤其涉及纱线染色性能的智能检测技术。
背景技术
在用于纺织和印染的纱线（例如涤纶长丝）的生产中，对其染色性能的判定通常在卷绕成丝锭、落锭之后进行抽检，检测方法通常采用织袜染色方法通过人工判定。这种方法存在滞后且人工判定误差大的缺陷，不能在产线运行期间及时发现染色性能不合格的产品，造成生产企业不能及时调整生产条件，进而造成不良品多，造成产品品质下降，影响产品销售品级。此外，这种人工抽检方式，存在漏检漏判的可能，这会对下游厂商造成经济损失。
因此，业内迫切需要一种能够准确、及时并且完全检测在线纱线染色性能的检测方法。
发明内容
本公开提供了一种用于预先判断纱线染色性能的方法和装置、电子装置以及计算机可读存储介质，用于以简单、可靠的方式及时判定纱线的染色性能。
根据本公开的一个方面，提供了一种用于预先判断纱线染色性能的方法，包括：
对待判断的纱线样品确定同批次的染色正常的纱线样品；
对所述同批次的染色正常的纱线样品进行光谱检测，获得第一光谱信息[xi, yi]，其中，xi为波数取样值，yi为光谱信息强度，且i为1至400的自然数；
基于所述第一光谱信息，通过以下计算公式I的高斯过程核RBF Kernel进行模拟，计算协方差：
（I），
其中，σ为0.5，l为1.0，且tm对应于i=m的yi值，且tn对应于i=n的yi值，并且m和n分别为1至400的自然数；
以一定的波数采样步长，对待判断批次的纱线样品获取多个连续的第二光谱信息[xj, yj]，根据所述协方差建立高斯过程回归模型，其中多个连续的所述第二光谱信息[xj,yj]为2хN1矩阵，其中，j=1, 2, …, N1，且N1为所述待判断批次的纱线样品的取样数且为200以上的自然数；
对待检测的纱线样品获取第三光谱信息[aj, bj]，所述第三光谱信息[aj, bj]为2хN2矩阵，N2为待检测的纱线样品的取样数，且N2等于N1；
将所述第三光谱信息[aj, bj]的2хN2矩阵与所述第二光谱信息[xj, yj]的2хN1矩阵进行减运算，得到2хN3矩阵[uj, vj]，且N3等于N1和N2；
根据vj的数值判断所述待检测的纱线样品的染色性能。
根据本公开第二方面，提供了一种用于预先判断纱线染色性能的装置，包括：光谱检测单元、数据预处理单元、预先判断单元和控制单元。
根据本公开第三方面，提供了一种电子装置，包括：
至少一个处理单元；以及
与所述至少一个处理单元信号连通的存储单元；其中，
所述存储单元存储有能够被所述至少一个处理单元执行的命令，以使所述至少一个处理单元能够执行上述方法。
根据本公开第四方面，提供了一种存储有计算机命令的计算机可读存储介质，其中，所述计算机指令是非瞬时的，并且用于使所述计算机执行上述方法。
本公开提供的技术方案的有益效果至少包括：
只需在生产初期进行人工织染判色，以此人工判色为基准，利用光谱检测和数据模拟处理，能够实现对纱线生产过程的动态完全检测，该检测方法步骤简单便捷，可用于产线在线检测。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本公开提供的一些实施方式，而不应将其视为是对本公开范围的限制。
图1是根据本公开一实施例的用于预先判断纱线染色性能的方法的流程示意图；
图2是根据本公开一实施例的织袜染色判色方法的流程示意图；
图3是根据本公开一实施例的涤纶长丝的拉曼光谱图谱；
图4是根据本公开实施例的用于预先判断纱线染色性能的装置的结构示意图。
具体实施方式
下面将参考附图对本公开作进一步地详细描述。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、部件和试剂等未作详细描述，以便于凸显本公开的主旨。
现有技术中通常采用织袜染判法测试纤维长丝的染色性能，通常的织袜染判法包括编织袜带、染料溶液配制、染色、漂洗、烘干和人工判色等步骤。该方法步骤繁多，用时长，效率低，判色结果滞后严重，在生产过程中抽检样品数量少，容易出现漏检的情况，并且人工判色过程会受到检测者经验、测试环境等影响，导致判色结果变化。
为了至少部分地解决上述一个或多个问题，本公开的实施方式提供一种染色效果预测方法，利用本公开的实施方式的技术方案，无需进行染色即可客观预测出各批次丝锭的染色等级，提高了检测精度和检测效率。
本公开实施例的方案中涉及的纱线的主要类型可以包括预取向丝（PartiallyOriented Yarns，POY）、全牵伸丝（Fully Drawn Yarns，FDY）、拉伸变形丝（Draw TexturedYarns，DTY）（或称为低弹丝）等的一种或多种。例如，丝的类型具体可以包括涤纶预取向丝（Polyester Partially Oriented Yarns）、涤纶全牵伸丝（Polyester Fully DrawnYarns）、涤纶牵伸丝（Polyester Drawn Yarns）、涤纶低弹丝（Polyester Draw TexturedYarns）和涤纶短纤维 (Polyester Staple Fiber)等。
图1示出了根据本公开一实施方式的用于预先判断纱线染色性能的方法。如图1所示，该方法至少包括以下步骤：
S101. 对待判断的纱线样品确定同批次的染色正常的纱线样品。
根据一个具体实施例，确定同批次的染色正常的纱线样品用待判断的纱线样品经过包括编织袜带、染色和判色步骤的织袜染色法来人工判定。
具体地，参见图2，编织袜带的方法可按照标准GB/T 6508-2001的方法进行。染色步骤包括染料溶液的配制，例如可采用蓝色染料，紫色染料，或者红色染料。染料的用量可根据纱线长丝的纤度规格选择，例如可为袜带重量的0.6%-1.5%，优选地，可为袜带重量的0.6%-0.8%，或者可为袜带重量的0.8%-1.2%，或者可为袜带重量的1.2%-1.5%。
根据一个具体实施例，上述染色步骤还包括在60℃-90℃的染料溶液中放入染色袜带，保持预定时间，例如10-20min。优选地，在放入袜带之前，将染料溶液的pH调整为酸性，例如调整至pH值小于7，例如pH为5。可利用有机酸及其盐的缓冲体系来调节染料溶液的pH值，例如可利用乙酸-乙酸钠缓冲溶液，或者柠檬酸-柠檬酸钠缓冲溶液调节pH值。然后，将染料溶液温度升至染色温度，保温一定时间。染色温度可为100℃。该染色步骤可在选自喷射式染缸、绳染染缸和高温高压染缸的染色设备中进行。
经过染色的袜带从染色设备中取出后，优选用水洗净，并进行脱水用于后续的判色步骤。具体地，将袜带套在判色板（例如黑白双色板）上，选择适宜的观测条件，与标准色卡对比，确定纱线的染色等级。
上述观测条件例如可包括：照明条件，例如可参考FZ/T 01047-1997的方法，采用的光源为D65标准光源，照度为600~1000lx；袜带表面的光线入射角度，例如入射光与袜带表面中间的角度可为45о；观察角度，大致垂直于袜带表面；观测距离，大致可为30~40cm；如果观测不清楚，可将光线入射角度调整为70о，观察方向与袜带表面之间的观察角度调整为30о。
染色等级可根据标准色卡判定为正常、偏深和偏浅。
S102. 对所述同批次的染色正常的纱线样品进行光谱检测，获得第一光谱信息[xi, yi]。其中，xi为波数取样值，yi为光谱信息强度，且i为1至400的自然数。
上述光谱可以采用拉曼光谱。其中，拉曼光谱分析方法基于长丝纤维结构的拉曼散射效应，通过对与入射光频率不同的散射光谱进行分析以得到纤维分子的结构、振动和转动方面的光谱信息，并进行各种定性定量分析。在拉曼光谱分析中，使用优质的高强度单色激光束照射待分析纤维表面，其散射光线由于待分析纤维的微观结构不同而形成不同的散射光谱（即拉曼光谱），可用于纤维特性的高精度的定性及定量分析。
对比地，红外光谱分析方法使用红外辐射源来激发待测样品，通过测量材料中吸收、散射和透射红外辐射的强度来识别分子结构中的化学键和振动模式，得到的是吸收光谱（即红外光谱），从而确定分子的结构。
相比而言，由于拉曼效应存在更为广泛，并且使用的激励源为高纯度高强度的激光，使得拉曼光谱分析的信号更为纯净，信噪比更高，系统更为简洁，布置更为灵活，受环境干扰更小。
在本公开中，待测长丝可以为晶态结构的聚酯纤维制品，也可以是非晶态结构的聚酯纤维制品。聚酯纤维制品可以是经纺丝和后处理得到的涤纶长丝。晶态结构是指高分子在纤维中有序排列的状态。在晶态结构中，高分子链相互排列紧密，形成有序的晶格结构。晶态结构的纤维通常具有较高的结晶度，由于分子的有序排列，结晶结构的纤维通常比较稳定，同时也具有较高的强度和硬度。而非晶态结构指的是高分子在纤维中呈无序状态，没有形成规律的晶格结构。在非晶态结构中，高分子链相对较松散，没有明显的周期性排列。在染色时，晶格结构通常无法着色。而同类型纤维染色指标的差异，主要来源于纤维的结晶度（或玻璃化程度）、结晶分布、取向度以及末端基团浓度的差异。染色过程中染料分子只能与纤维中非结晶部分的末端基团结合，染料分子结合的越多则染色的颜色越深，反之则越淡。
拉曼光谱分析对被测纤维样品中的结晶度、取向度和组分浓度都有敏感响应。在一个具体实施例中，可以选取在500cm-1到3500cm-1之间的波数范围中的多个波数处测得多个光谱信息形成拉曼光谱，例如如图3所示。
在本公开的实施方式中，S102步骤包括对S101步骤中判定为染色正常的纱线的丝锭进行光谱检测，获得光谱图，并且获得连续的光谱信息[xi, yi]。优选地，该光谱信息包括波数取样值xi（对应于图3中所示拉曼光谱图的横坐标），和光谱信息强度yi（对应于图3中所示拉曼光谱图的纵坐标）。其中，i为1至400的自然数，优选地，可为100至300的自然数，或者可为200至400的自然数。
根据一个具体实施方式，在上述S102步骤中波数取样的步长可为1~10cm-1，例如，3~7 cm-1，优选5 cm-1。
具体地，本公开的方法中，光谱检测优选在丝锭卷绕工艺下游进行，即在纱线产线的卷绕机一侧或者下游设置光谱仪，例如可以将光谱仪设置在丝锭的转运装置上，从而能够在丝锭的卷绕或转运的同时完成光谱检测。优选地，测量位置可分布于丝锭的圆环形侧面，例如可在测试过程中使丝锭旋转，进而使得测量位置尽可能分布在不同位置，以提高测量的准确性。
另一方面，在此步骤中，获取的光谱信息包括光谱强度数值，而非某一项具体的结构特征或性能特征。
在本公开的方法中，获取的光谱信息包括波数取样值和光谱强度值，而不是获取某一单项理化特性的数值信息，这是因为获得的光谱图是纤维的化学结构、结晶状态、取向程度、玻璃化转变温度以及纤维中含有的油剂等多项因素的综合体现，更能准确地反映纤维的染色特性。此外，波数取样值和光谱强度值可由光谱曲线图直接获得，避免了复杂的参数转换和处理的方法步骤。
S103.通过以下计算公式I的高斯过程核RBF Kernel进行模拟，计算协方差：
（I），
其中，σ为0.5，l为1.0，并且tm和tn表示对维度的标记，对应于第m个特征和第n个特征。其中，tm对应于i=m时的yi值，且tn对应于i=n时的yi值。并且，m和n分别为1至400的自然数。
根据上述高斯过程核RBF Kernel，若两个特征在维度上越相邻，则它们之间的协方差系数就越高，这两个特征就越相关；若两个特征相隔越远，协方差系数越小，越不相关。
S104. 以一定的波数采样步长，对待判断批次的纱线样品获取多个连续的第二光谱信息[xj, yj]，根据所述协方差建立高斯过程回归模型。
其中，上述多个连续的第二光谱信息[xj, yj]为2хN1矩阵。其中，xj为第二光谱图中第j个取样点的波数数值，yj为第二光谱图中第j个取样点的光谱强度。具体地，j=1, 2,…, N1，且N1为所述待判断批次的纱线样品的取样数且为200以上的自然数。
为了使得上述高斯过程回归拟合度高，优选采用较高的采样率，即选取较大值的N1。根据一个实施例，当取样的波数步长为10 cm-1时，则取样数N为200。根据另一个实施例，当取样的波数步长为5 cm-1时，则取样数N为400。根据实际需要，可以选择其他的波数步长，并相应地选择对应的取样数。
上述取样过程可对一个丝锭进行，也可对同批次的多个丝锭进行。根据一个实施例，可对一个丝锭一边旋转一边进行光谱扫描，使得取样点在丝锭的周向侧面的表面均匀分配。根据另一个实施例，可对卷绕机上平行卷绕的多个丝锭进行光谱扫描，并且取样位置可以平均分配。
S105. 对待检测的纱线样品获取第三光谱信息[aj, bj]。其中，第三光谱信息[aj,bj]为2хN2矩阵，N2为待检测的纱线丝锭样品的取样数。
其中，aj为第三光谱图中第j个取样点的波数数值，bj为第三光谱图中第j个取样点的光谱强度。具体地，j=1, 2, …, N1，且N2为所述待判断批次的纱线样品的取样数且为200以上的自然数。优选地，且N2等于N1。
步骤S104和S105获得相同尺寸的光谱信息矩阵。即，优选地，使得检测目标丝锭的取样方式与上述高斯过程回归模型的取样方式一致，以方便后续步骤的数据处理。
S106. 将所述第三光谱信息[aj, bj]的2хN2矩阵与所述第二光谱信息[xj, yi]的2хN1矩阵进行减运算，得到2хN3矩阵[uj, vj]，且N3等于N1和N2。
将针对待检测纱线样品（例如待检测的丝锭）测得的光谱信息，与经过高斯过程回归模型处理的光谱信息相比较，获得待检测纱线样品的光谱特性的波动幅度，进而应用于衡量该纱线样品的染色性能。
S107. 根据vj的数值判断所述待检测的纱线样品的染色性能。
根据采用的光谱检测方法的特性，以及所检测纱线的特性，确定光谱强度的变化幅度在0.01以内时，纱线的染色性能在正常的范围内。
参见图3，根据一个具体实施例，当vj的数值在[-0.01, 0.01]区间内时，则判定所述待检测的纱线样品染色正常，即如图3中的S区域所示。
根据另一个具体实施例，当vj的数值大于0.01时，则判定所述待检测的纱线样品染色偏深，即如图3中的D区域所示。优选地，当vj大于0.01的数值超过3个时，则判定所述待检测的纱线样品染色偏深。
根据又一个具体实施例，当vj的数值小于-0.01时，则判定所述待检测纱线样品的染色性能偏浅，即如图3中的L区域所示。优选地，当vj小于-0.01的数值超过3个时，则判定所述待检测的纱线样品染色偏浅。
由以上可见，相比于常规的红外光谱检测方法，通常取样数在5~10个，本公开的方法取样数显著更大（200个以上），使得检测结果更准确，更有利于防止出现漏检现象。并且，通过采用高斯过程回归模型处理检测数据，使得采用光谱强度数值直接与纱线的染色特性相对应，节约了数据转换的过程，同时避免了采用单独性能特征的数据来衡量纱线染色性能易产生偏差的现象，使得判断结果更准确，并且检测过程更简化，检测效率更高，更适用于产线的在线即时检测。
参见图4，根据本公开第二方面，提供了一种用于预先判断纱线染色性能的装置300，包括：光谱检测单元310、数据预处理单元320、预先判断单元330和控制单元340。
光谱检测单元310用于根据设定的扫描参数（例如波数步长，扫描位置数量和分配等）对待检测的判色合格的同批次纱线样品进行光谱扫描，获得光谱图，并将连续的光谱信息数据发送给数据预处理单元320。
数据预处理单元320从光谱信息数据获得连续的波数和光谱强度数据，并通过高斯过程核RBF kernel公式计算协方差。利用高斯过程核RBF kernel公式计算协方差的方法如上文所述。
预先判断单元330用于从光谱检测单元310获得多个待判断纱线样品的光谱信息，并根据上述协方差建立高斯过程回归模型；再从光谱检测单元310获得待检测纱线样品的光谱信息，并且与高斯过程回归模型的光谱信息矩阵进行减运算，根据减运算后的数据判断待检测纱线样品的染色性能。进一步地，预先判断单元330将染色性能的判定结果发送给控制单元340。
控制单元340接收来自预先判断单元330的判断结果，并根据判断结果向产线发出待检测纱线样品的运输方向和标签，即合格品仓库或不合格品仓库。
根据本公开第三方面，提供了一种电子装置，包括一个或多个处理单元；以及与所述至少一个处理单元信号连通的存储单元。其中，所述存储单元存储有能够被上述处理单元执行的命令（即计算机程序）。当该电子装置执行上述计算机程序时，可以使处理单元能够执行上文所述的方法。
该电子设备还可以包括用于与外界设备进行通信连通的通信接口，以进行数据交互传输。
上述处理单元可以选自中央处理器、其他通用处理器、数字信号处理器或专用集成电路等。通用处理器可以是微处理器或者是任何常规的处理器等。
上述存储单元可以包括只读存储器、随机存取存储器和非易失性随机存取存储器中的一种或多种。该存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
根据本公开第四方面，提供了一种存储有计算机命令的计算机可读存储介质。其中，该计算机指令是非瞬时的，并且用于使所述计算机执行上述方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时，全部或部分地产生按照本公开实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络或其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如：同轴电缆、光纤、数据用户线(Digital Subscriber Line，DSL))或无线(例如：红外、蓝牙、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质，或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如：软盘、硬盘、磁带)、光介质(例如：数字通用光盘(Digital Versatile Disc，DVD))或半导体介质(例如：固态硬盘(Solid State Disk，SSD))等。值得注意的是，本公开提到的计算机可读存储介质可以为非易失性存储介质，换句话说，可以是非瞬时性存储介质。
本公开实施例的装置的各模块、子模块的具体功能和示例的描述，可以参见上述方法实施例中对应步骤的相关描述，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本公开实施例的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本公开的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本公开实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B。本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
在本公开实施例的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
以上所述仅为本公开的示例性实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (14)
1.一种用于预先判断纱线染色性能的方法，包括：
对待判断的纱线样品确定同批次的染色正常的纱线样品；
对所述同批次的染色正常的纱线样品进行光谱检测，获得第一光谱信息[xi, yi]，其中，xi为波数取样值，yi为光谱信息强度，且i为1至400的自然数；
基于所述第一光谱信息，通过以下计算公式I的高斯过程核RBF Kernel进行模拟，计算协方差：
（I），
其中，σ为0.5，l为1.0，且tm对应于i=m的yi值，且tn对应于i=n的yi值，并且m和n分别为1至400的自然数；
以一定的波数采样步长，对待判断批次的纱线样品获取多个连续的第二光谱信息[xj,yj]，根据所述协方差建立高斯过程回归模型，其中多个连续的所述第二光谱信息[xj, yj]为2хN1矩阵，其中，j=1, 2, …, N1，且N1为所述待判断批次的纱线样品的取样数且为200以上的自然数；
对待检测的纱线样品获取第三光谱信息[aj, bj]，所述第三光谱信息[aj, bj]为2хN2矩阵，N2为待检测的纱线样品的取样数，且N2等于N1；
将所述第三光谱信息[aj, bj]的2хN2矩阵与所述第二光谱信息[xj, yj]的2хN1矩阵进行减运算，得到2хN3矩阵[uj, vj]，且N3等于N1和N2；
根据vj的数值判断所述待检测的纱线样品的染色性能。
2.根据权利要求1所述的方法，所述根据vj的数值判断待检测的纱线样品的染色性能包括：当vj的数值在[-0.01, 0.01]区间内时，则判定所述待检测的纱线样品染色正常；或者，当vj的数值大于0.01时，则判定所述待检测的纱线样品染色偏深；或者，当vj的数值小于-0.01时，则判定所述待检测的纱线样品的染色偏浅。
3.根据权利要求1所述的方法，所述光谱采用拉曼光谱。
4.根据权利要求1所述的方法，高斯过程回归建模步骤中，取样的波数步长为2~10 cm-1，取样数为200~400。
5.根据权利要求4所述的方法，当取样的波数步长为10 cm-1时，则取样数N为200；或者当取样的波数步长为5 cm-1时，则取样数N为400。
6.根据权利要求1所述的方法，确定同批次的染色正常的纱线样品用待判断的纱线样品经过包括编织袜带、染色和判色步骤的织袜染色法来人工判定。
7.根据权利要求1至6中任一项所述的方法，所述纱线选自预取向丝、全牵伸丝和拉伸变形丝。
8.一种用于预先判断纱线染色性能的装置，包括光谱检测单元、数据预处理单元、预先判断单元和控制单元。
9.根据权利要求8所述的装置，所述光谱检测单元为拉曼光谱仪。
10.根据权利要求8或9所述的装置，所述光谱检测单元为设置在卷绕机下游的光谱仪，用于对由所述卷绕机生产的待测丝锭进行光谱检测得到光谱信息。
11.根据权利要求8或9所述的装置，所述预先判断单元接受来自所述光谱检测单元的光谱信息，并且构建高斯过程回归模型。
12.根据权利要求8或9所述的装置，所述控制单元接受来自所述预先判断单元的判断结果，并且发出控制指令。
13.一种电子装置，包括：
至少一个处理单元；以及
与所述至少一个处理单元信号连通的存储单元；其中，
所述存储单元存储有能够被所述至少一个处理单元执行的命令，以使所述至少一个处理单元能够执行权利要求1-7中任一项所述的方法。
14.一种存储有计算机命令的计算机可读存储介质，其中，所述计算机指令是非瞬时的，并且用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311773984.2A CN117451691B (zh) | 2023-12-21 | 2023-12-21 | 一种用于预先判断纱线染色性能的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311773984.2A CN117451691B (zh) | 2023-12-21 | 2023-12-21 | 一种用于预先判断纱线染色性能的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117451691A true CN117451691A (zh) | 2024-01-26 |
| CN117451691B CN117451691B (zh) | 2024-04-02 |
Family
ID=89582204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311773984.2A Active CN117451691B (zh) | 2023-12-21 | 2023-12-21 | 一种用于预先判断纱线染色性能的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117451691B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5850623A (en) * | 1997-03-14 | 1998-12-15 | Eastman Chemical Company | Method for standardizing raman spectrometers to obtain stable and transferable calibrations |
| CN105606563A (zh) * | 2016-01-28 | 2016-05-25 | 山西汾西矿业（集团）有限责任公司 | 一种基于高斯过程的近红外光谱煤挥发分快速检测方法 |
| CN105699319A (zh) * | 2016-01-28 | 2016-06-22 | 山西汾西矿业（集团）有限责任公司 | 一种基于高斯过程的近红外光谱煤全水分快速检测方法 |
| CN107247045A (zh) * | 2017-06-16 | 2017-10-13 | 王海燕 | 基于化学先验信息解析的乳制品拉曼光谱特征提取方法 |
| CN108595744A (zh) * | 2018-03-02 | 2018-09-28 | 中国科学院空间应用工程与技术中心 | 基于高斯过程回归的电磁作动器等效磁场强度建模方法 |
| CN109324013A (zh) * | 2018-10-08 | 2019-02-12 | 华东理工大学 | 一种利用高斯过程回归模型构建原油性质近红外快速分析的方法 |
| DE102017219492A1 (de) * | 2017-11-02 | 2019-05-02 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines Systems durch Trainieren und Berechnen eines tiefen rekurrenten Gaußprozesses |
| US20190310207A1 (en) * | 2018-04-06 | 2019-10-10 | Braskem America, Inc. | Raman spectroscopy and machine learning for quality control |
| CN113158935A (zh) * | 2021-04-28 | 2021-07-23 | 上海应用技术大学 | 一种酒类光谱峭度回归模式的年份鉴定系统及年份鉴定方法 |
| CN114252401A (zh) * | 2021-12-17 | 2022-03-29 | 江苏恒力化纤股份有限公司 | 一种基于光谱图像颜色处理技术检测纤维染色的方法 |
| WO2022116594A1 (zh) * | 2020-12-03 | 2022-06-09 | 浙江大学 | 一种纤维质量等级在线检测系统及其应用 |
| CN116343032A (zh) * | 2023-03-13 | 2023-06-27 | 辽宁工程技术大学 | 结合高斯回归混合模型和mrf高光谱函数数据的分类方法 |
| CN116796159A (zh) * | 2023-08-17 | 2023-09-22 | 浙江恒逸石化有限公司 | 染色效果预测方法、染色效果预测模型的训练方法和装置 |
-
2023
- 2023-12-21 CN CN202311773984.2A patent/CN117451691B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5850623A (en) * | 1997-03-14 | 1998-12-15 | Eastman Chemical Company | Method for standardizing raman spectrometers to obtain stable and transferable calibrations |
| CN105606563A (zh) * | 2016-01-28 | 2016-05-25 | 山西汾西矿业（集团）有限责任公司 | 一种基于高斯过程的近红外光谱煤挥发分快速检测方法 |
| CN105699319A (zh) * | 2016-01-28 | 2016-06-22 | 山西汾西矿业（集团）有限责任公司 | 一种基于高斯过程的近红外光谱煤全水分快速检测方法 |
| CN107247045A (zh) * | 2017-06-16 | 2017-10-13 | 王海燕 | 基于化学先验信息解析的乳制品拉曼光谱特征提取方法 |
| DE102017219492A1 (de) * | 2017-11-02 | 2019-05-02 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines Systems durch Trainieren und Berechnen eines tiefen rekurrenten Gaußprozesses |
| CN108595744A (zh) * | 2018-03-02 | 2018-09-28 | 中国科学院空间应用工程与技术中心 | 基于高斯过程回归的电磁作动器等效磁场强度建模方法 |
| US20190310207A1 (en) * | 2018-04-06 | 2019-10-10 | Braskem America, Inc. | Raman spectroscopy and machine learning for quality control |
| CN109324013A (zh) * | 2018-10-08 | 2019-02-12 | 华东理工大学 | 一种利用高斯过程回归模型构建原油性质近红外快速分析的方法 |
| WO2022116594A1 (zh) * | 2020-12-03 | 2022-06-09 | 浙江大学 | 一种纤维质量等级在线检测系统及其应用 |
| CN113158935A (zh) * | 2021-04-28 | 2021-07-23 | 上海应用技术大学 | 一种酒类光谱峭度回归模式的年份鉴定系统及年份鉴定方法 |
| CN114252401A (zh) * | 2021-12-17 | 2022-03-29 | 江苏恒力化纤股份有限公司 | 一种基于光谱图像颜色处理技术检测纤维染色的方法 |
| CN116343032A (zh) * | 2023-03-13 | 2023-06-27 | 辽宁工程技术大学 | 结合高斯回归混合模型和mrf高光谱函数数据的分类方法 |
| CN116796159A (zh) * | 2023-08-17 | 2023-09-22 | 浙江恒逸石化有限公司 | 染色效果预测方法、染色效果预测模型的训练方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| ERIK AXELL ET AL: "Spectrum Sensing of Signals with Structured Covariance Matrices Using Covariance Matching Estimation Techniques", IEEE, 19 January 2012 (2012-01-19), pages 1 - 5 * |
| 何尧;梁宏池;连鸿松;许锐;: "基于滑动窗口和多元高斯分布的变压器油色谱异常值检测", 高压电器, vol. 56, no. 01, 31 January 2020 (2020-01-31), pages 203 - 209 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117451691B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8218142B2 (en) | Fiber optic probe scatterometer for spectroscopy measurements | |
| CN100385052C (zh) | 用于对在纺纱机中的纤维束进行品质控制的方法 | |
| WO2022116594A1 (zh) | 一种纤维质量等级在线检测系统及其应用 | |
| WO2023040674A1 (zh) | 光谱检测装置、膜厚实时监控方法及系统、真空镀膜机 | |
| CN117451691B (zh) | 一种用于预先判断纱线染色性能的方法 | |
| Pesapane et al. | Fiber‐optic SERS sensor with optimized geometry: testing and optimization | |
| JP4602848B2 (ja) | 糸条パッケージの発色性検査方法及び装置 | |
| US3945181A (en) | Process and apparatus for measuring uniformity of physical properties of yarn | |
| CN113466140A (zh) | 一种微光斑椭偏仪中的微透镜偏振效应校准方法 | |
| CN101446549A (zh) | 一种利用近红外光谱技术检测浆纱上浆率的方法 | |
| Luo et al. | A multispectral imaging approach to colour measurement and colour matching of single yarns without winding | |
| JP2002536567A (ja) | ポリエチレンテレフタレート繊維の染料吸収量を測定する方法 | |
| JP3671672B2 (ja) | 糸条の欠点検出方法及び装置 | |
| JP2001515206A (ja) | ポリマーファイバーの特性を測定する方法 | |
| JP2014074650A (ja) | 光学素子の検査装置、及び光学素子の検査方法 | |
| US20230026193A1 (en) | Automatic Bobbin Control | |
| CN113834795A (zh) | 硫酸羟氯喹颗粒水分近红外光谱在线定量模型及其建立方法及检测方法 | |
| JPH07109386B2 (ja) | 光ファイバーの弾性特性を測定する方法および装置 | |
| EP1302764B1 (en) | Particle data analysis | |
| CN118010660A (zh) | 区分棉花品质的化学比色法 | |
| JP2002243417A (ja) | 糸条の形状特性の測定方法および測定装置並びに糸条の製造方法 | |
| CN117405694A (zh) | 使用颜色参数评估纺织体的生产 | |
| JP2001226870A (ja) | 糸条の染着度および／または形状特性の測定方法、測定装置および糸条の製造方法 | |
| JPH07310223A (ja) | 繊維糸条の付着油剤量の測定方法およびその装置 | |
| JP2024012168A (ja) | 色彩パラメータを使用した繊維体製造の評価 |
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 |