本技術(shù)涉及生產(chǎn)線監(jiān)測(cè)，特別涉及一種應(yīng)用于碳纖維生產(chǎn)線的監(jiān)測(cè)系統(tǒng)及方法。

背景技術(shù)：

1、碳纖維材料在工業(yè)中具有高強(qiáng)度、輕質(zhì)等優(yōu)點(diǎn)，廣泛應(yīng)用于航空航天、汽車(chē)制造等領(lǐng)域。然而，在生產(chǎn)過(guò)程中，碳纖維絲束容易出現(xiàn)毛球、毛絲、長(zhǎng)短絲、斷絲等缺陷。如果缺陷沒(méi)有檢測(cè)出會(huì)導(dǎo)致那一卷碳纖維絲束產(chǎn)品報(bào)廢，帶來(lái)的經(jīng)濟(jì)損失巨大，使用報(bào)廢的碳纖維絲束制作的產(chǎn)品質(zhì)量也有一定影響?，F(xiàn)有的碳纖維絲束缺陷檢測(cè)技術(shù)主要以人工檢測(cè)為主，工人站在碳纖維絲束生產(chǎn)線下方目視檢測(cè)，并且產(chǎn)線是24小時(shí)工作。一條產(chǎn)線上的碳纖維絲束很多，需要好幾個(gè)工人分別在不同區(qū)域進(jìn)行目視檢測(cè)，應(yīng)接不暇，很難保證碳纖維絲束的質(zhì)量，同時(shí)人工成本高、費(fèi)時(shí)費(fèi)力，難以滿(mǎn)足大規(guī)模生產(chǎn)需求，而且產(chǎn)線上碳纖維絲容易會(huì)飄散在空中，人體接觸或者吸入會(huì)有一定不適癥狀。

2、現(xiàn)有技術(shù)中，更加新穎的方法是采用深度學(xué)習(xí)進(jìn)行檢測(cè)，但深度學(xué)習(xí)需要采集大量的缺陷樣本數(shù)據(jù)集，建立大樣本缺陷數(shù)據(jù)集的難度較大，需要花費(fèi)大量時(shí)間、精力、金錢(qián)，并且開(kāi)發(fā)周期較長(zhǎng)。如果出現(xiàn)新的缺陷的時(shí)候，深度學(xué)習(xí)的方法又需要搜集大量缺陷數(shù)據(jù)集，并重新訓(xùn)練，造成人工成本的提升。深度網(wǎng)絡(luò)需要高端gpu在大量數(shù)據(jù)的合理時(shí)間內(nèi)進(jìn)行訓(xùn)練。這些gpu非常昂貴，但是如果沒(méi)有它們訓(xùn)練深層網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)高性能，這在實(shí)際上并不可行。要有效使用這樣的高端gpu，還需要快速的cpu、ssd存儲(chǔ)以及快速和大容量的ram。

3、但是，上述方法均是針對(duì)產(chǎn)品的缺陷檢測(cè)，是對(duì)最終生產(chǎn)出來(lái)的產(chǎn)品的問(wèn)題進(jìn)行檢測(cè)，均存在普適性問(wèn)題，無(wú)法進(jìn)行經(jīng)驗(yàn)推廣，并且缺乏對(duì)碳纖維生產(chǎn)線的整體監(jiān)測(cè)，出現(xiàn)產(chǎn)品缺陷時(shí)，無(wú)法對(duì)可能導(dǎo)致缺陷的生產(chǎn)過(guò)程進(jìn)行準(zhǔn)確定位。

4、申請(qǐng)內(nèi)容

5、本技術(shù)是鑒于上述課題而進(jìn)行的，其目的在于，提供一種應(yīng)用于碳纖維生產(chǎn)線的監(jiān)測(cè)系統(tǒng)及方法，通過(guò)大數(shù)據(jù)技術(shù)進(jìn)行生產(chǎn)過(guò)程異常數(shù)據(jù)檢測(cè)，基于機(jī)器視覺(jué)技術(shù)與模糊聚類(lèi)算法對(duì)碳纖維的圖像數(shù)據(jù)進(jìn)行缺陷分析，最后通過(guò)apriori算法基于大數(shù)據(jù)模塊進(jìn)行產(chǎn)品缺陷和異常數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘，準(zhǔn)確找到產(chǎn)品缺陷與生產(chǎn)過(guò)程隱藏的關(guān)聯(lián)關(guān)系，出現(xiàn)缺陷時(shí)及時(shí)對(duì)具有關(guān)聯(lián)關(guān)系的生產(chǎn)過(guò)程進(jìn)行排查，能夠?qū)μ祭w維生產(chǎn)線進(jìn)行整體監(jiān)測(cè)，預(yù)防生產(chǎn)過(guò)程的事故發(fā)生，出現(xiàn)問(wèn)題時(shí)能夠及時(shí)處理，提升了碳纖維生產(chǎn)線的生產(chǎn)質(zhì)量。

6、具體如下，本技術(shù)的第一方面提供了一種應(yīng)用于碳纖維生產(chǎn)線的監(jiān)測(cè)系統(tǒng)，包括：

7、數(shù)據(jù)采集模塊，用于采集碳纖維各個(gè)生產(chǎn)過(guò)程的過(guò)程相關(guān)數(shù)據(jù)以及生產(chǎn)出的碳纖維的圖像數(shù)據(jù)；

8、數(shù)據(jù)處理模塊，用于對(duì)數(shù)據(jù)采集模塊采集的所有數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)數(shù)據(jù)分生產(chǎn)批次進(jìn)行匹配標(biāo)記；

9、大數(shù)據(jù)模塊，用于基于大數(shù)據(jù)技術(shù)對(duì)處理后的過(guò)程相關(guān)數(shù)據(jù)進(jìn)行分析，對(duì)其中的異常數(shù)據(jù)進(jìn)行篩選以獲取對(duì)應(yīng)數(shù)據(jù)的正常范圍；

10、數(shù)據(jù)分析模塊，用于基于機(jī)器視覺(jué)技術(shù)與模糊聚類(lèi)算法對(duì)碳纖維的圖像數(shù)據(jù)進(jìn)行缺陷分析，再通過(guò)大數(shù)據(jù)模塊篩選同標(biāo)記的過(guò)程相關(guān)數(shù)據(jù)中的異常數(shù)據(jù)，最后通過(guò)apriori算法基于大數(shù)據(jù)模塊進(jìn)行產(chǎn)品缺陷和異常數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘，以找出產(chǎn)品缺陷匹配的生產(chǎn)過(guò)程異常數(shù)據(jù)并發(fā)送到預(yù)警模塊；

11、預(yù)警模塊，用于接收到的產(chǎn)品缺陷數(shù)據(jù)及對(duì)應(yīng)的生產(chǎn)過(guò)程異常數(shù)據(jù)并分別進(jìn)行預(yù)警提示。

12、進(jìn)一步地，所述過(guò)程相關(guān)數(shù)據(jù)具體包括原料種類(lèi)、氧化時(shí)間、氧氣濃度、氧化過(guò)程采集時(shí)間點(diǎn)溫度、碳化前質(zhì)量、碳化后質(zhì)量、電解質(zhì)ph值、處理電流值。

13、根據(jù)原料種類(lèi)的不同，生產(chǎn)的碳纖維包括聚丙烯腈基碳纖維、瀝青基碳纖維、粘膠基碳纖維；氧化時(shí)間、氧氣濃度、氧化過(guò)程采集時(shí)間點(diǎn)溫度為碳纖維的預(yù)氧化過(guò)程中的相關(guān)數(shù)據(jù)；碳化前質(zhì)量、碳化后質(zhì)量為碳化過(guò)程中的相關(guān)數(shù)據(jù)；電解質(zhì)ph值、處理電流值為表面處理過(guò)程中的相關(guān)數(shù)據(jù)。

14、預(yù)氧化過(guò)程：將碳纖維原絲在空氣中進(jìn)行預(yù)氧化處理，溫度控制在200-300℃之間，使纖維原子結(jié)構(gòu)重新排列并拾取空氣中的氧分子。

15、碳化過(guò)程：預(yù)氧化后的纖維進(jìn)入碳化爐，在惰性氣體保護(hù)下進(jìn)行高溫碳化處理，溫度范圍為700-1800℃，最終得到含碳量大于90％的碳材料。

16、表面處理過(guò)程：碳化后的纖維需要經(jīng)過(guò)表面處理和上漿，以提高其性能和應(yīng)用適應(yīng)性。

17、進(jìn)一步地，所述預(yù)處理包括對(duì)過(guò)程相關(guān)數(shù)據(jù)進(jìn)行缺失值處理和數(shù)據(jù)歸一化，對(duì)圖像數(shù)據(jù)進(jìn)行噪聲去除。

18、缺失值處理為對(duì)一類(lèi)過(guò)程數(shù)據(jù)中的少量缺失數(shù)據(jù)進(jìn)行中位值填充，對(duì)缺失值占比超過(guò)50％的數(shù)據(jù)直接進(jìn)行刪除；數(shù)據(jù)歸一化為將數(shù)據(jù)按比例縮放到0-1之間，以消除不同量綱的影響。

19、進(jìn)一步地，所述基于大數(shù)據(jù)技術(shù)對(duì)處理后的過(guò)程相關(guān)數(shù)據(jù)進(jìn)行分析，對(duì)其中的異常數(shù)據(jù)進(jìn)行篩選以獲取對(duì)應(yīng)數(shù)據(jù)的正常范圍，具體包括：

20、步驟一：從企業(yè)內(nèi)部數(shù)據(jù)庫(kù)、互聯(lián)網(wǎng)、碳纖維生產(chǎn)標(biāo)準(zhǔn)收集生產(chǎn)過(guò)程相關(guān)數(shù)據(jù)；

21、步驟二：對(duì)收集的數(shù)據(jù)進(jìn)行預(yù)處理，并進(jìn)行哈希去重；

22、步驟三：對(duì)處理后的數(shù)據(jù)進(jìn)行分類(lèi)整理后存儲(chǔ)到云端數(shù)據(jù)庫(kù)作為數(shù)據(jù)源；

23、步驟四：對(duì)數(shù)據(jù)源的同類(lèi)數(shù)據(jù)基于四分位距方法進(jìn)行異常數(shù)據(jù)的篩選，確定對(duì)應(yīng)數(shù)據(jù)的正常范圍。

24、進(jìn)一步地，所述基于機(jī)器視覺(jué)技術(shù)與模糊聚類(lèi)算法對(duì)碳纖維的圖像數(shù)據(jù)進(jìn)行缺陷分析，具體包括：

25、步驟一：對(duì)預(yù)處理后的圖像數(shù)據(jù)進(jìn)行灰度增強(qiáng)、圖像增強(qiáng)和邊緣檢測(cè)；

26、步驟二：對(duì)圖像數(shù)據(jù)應(yīng)用光度立體學(xué)法計(jì)算圖像的梯度矩陣；

27、步驟三：將圖像的梯度矩陣輸入到模糊c均值聚類(lèi)算法中，以像素點(diǎn)作為數(shù)據(jù)點(diǎn)進(jìn)行聚類(lèi)分析，以區(qū)分正常區(qū)域與可能存在缺陷區(qū)域；

28、步驟四：根據(jù)正常區(qū)域與可能存在缺陷區(qū)域的劃分對(duì)圖像進(jìn)行分割；

29、步驟五：對(duì)可能存在缺陷區(qū)域的圖像進(jìn)行特征提取，根據(jù)特征差異識(shí)別出具體的缺陷種類(lèi)。

30、進(jìn)一步地，所述缺陷種類(lèi)包括毛球缺陷、毛絲缺陷、長(zhǎng)短絲缺陷、斷絲缺陷。

31、毛球缺陷：毛球是指碳纖維紗線上出現(xiàn)的聚合松散的粗紗，通常通過(guò)人工觀察或稱(chēng)重檢測(cè)是否有斷裂的細(xì)絲來(lái)識(shí)別。

32、毛絲缺陷：毛絲是碳纖維表面附著的細(xì)長(zhǎng)纖維，可以通過(guò)機(jī)器視覺(jué)技術(shù)實(shí)時(shí)監(jiān)控每一根碳纖維紗線上的毛絲，并保存缺陷圖像及相關(guān)信息。

33、長(zhǎng)短絲缺陷：長(zhǎng)短絲是指碳纖維紗線中存在長(zhǎng)度不一致的情況。雖然具體的檢測(cè)方法在我搜索到的資料中沒(méi)有詳細(xì)描述，但可以推測(cè)，通過(guò)圖像處理和深度學(xué)習(xí)算法，可以對(duì)不同長(zhǎng)度的區(qū)域進(jìn)行識(shí)別和分類(lèi)。

34、斷絲缺陷：斷絲是指碳纖維紗線中局部破損或斷裂的現(xiàn)象?？梢酝ㄟ^(guò)識(shí)別出的每個(gè)碳纖維區(qū)域后，求取他們的最小外接矩形的長(zhǎng)，如果發(fā)現(xiàn)某個(gè)區(qū)域長(zhǎng)度短于預(yù)期，則判斷為斷絲缺陷。

35、進(jìn)一步地，所述通過(guò)apriori算法基于大數(shù)據(jù)模塊進(jìn)行產(chǎn)品缺陷和異常數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘，具體包括：

36、步驟一：每張圖像被視為一個(gè)“事務(wù)”，將其中的圖像特征、缺陷類(lèi)型及對(duì)應(yīng)的異常數(shù)據(jù)類(lèi)型視為一個(gè)“項(xiàng)”；

37、步驟二：設(shè)置最小支持度閾值和最小置信度閾值，使用apriori算法逐層搜索頻繁項(xiàng)集；

38、步驟三：迭代后生成支持度大于最小支持度閾值的頻繁項(xiàng)集；

39、步驟四：根據(jù)頻繁項(xiàng)集挖掘出置信度大于最小置信度閾值的強(qiáng)關(guān)聯(lián)規(guī)則。

40、本技術(shù)的第二方面提供了一種應(yīng)用于碳纖維生產(chǎn)線的監(jiān)測(cè)方法，包括以下步驟：

41、步驟一：采集碳纖維各個(gè)生產(chǎn)過(guò)程的過(guò)程相關(guān)數(shù)據(jù)以及生產(chǎn)出的碳纖維的圖像數(shù)據(jù)；

42、步驟二：對(duì)數(shù)據(jù)采集模塊采集的所有數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)數(shù)據(jù)分生產(chǎn)批次進(jìn)行匹配標(biāo)記；

43、步驟三：基于大數(shù)據(jù)技術(shù)對(duì)處理后的過(guò)程相關(guān)數(shù)據(jù)進(jìn)行異常分析，基于機(jī)器視覺(jué)技術(shù)與模糊聚類(lèi)算法對(duì)碳纖維的圖像數(shù)據(jù)進(jìn)行缺陷分析；

44、步驟四：設(shè)置最小支持度閾值和最小置信度閾值，通過(guò)apriori算法進(jìn)行產(chǎn)品缺陷和異常數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘；

45、步驟五：對(duì)生產(chǎn)過(guò)程中的產(chǎn)品缺陷及匹配的異常數(shù)據(jù)所在生產(chǎn)過(guò)程分別進(jìn)行預(yù)警。

46、進(jìn)一步地，所述最小支持度閾值設(shè)置為30％～70％。

47、進(jìn)一步地，所述最小置信度閾值設(shè)置為50％～80％

48、在關(guān)聯(lián)規(guī)則挖掘中，最小支持度和最小置信度的設(shè)定是關(guān)鍵參數(shù)，它們直接影響到挖掘結(jié)果的質(zhì)量和相關(guān)性。

49、最小支持度是指在所有事務(wù)中出現(xiàn)該項(xiàng)集的頻率閾值。它用于衡量規(guī)則需要滿(mǎn)足的最低重要性，即一個(gè)項(xiàng)集在數(shù)據(jù)庫(kù)中的出現(xiàn)頻率必須超過(guò)這個(gè)閾值才能被認(rèn)為是頻繁項(xiàng)集。

50、最小置信度是指在出現(xiàn)某項(xiàng)的情況下另一項(xiàng)也發(fā)生的概率閾值。它表示關(guān)聯(lián)規(guī)則需要滿(mǎn)足的最低可靠性，即在所有包含該項(xiàng)的事務(wù)中，該項(xiàng)與其它項(xiàng)同時(shí)出現(xiàn)的比例必須超過(guò)這個(gè)閾值。

51、第二方面，本技術(shù)還提供了一種計(jì)算裝置，該計(jì)算裝置具有實(shí)現(xiàn)上述第一方面所描述的方法的功能，有益效果可以參見(jiàn)第一方面的描述，此處不再贅述。功能可以通過(guò)硬件實(shí)現(xiàn)，也可以通過(guò)硬件執(zhí)行相應(yīng)的軟件實(shí)現(xiàn)。硬件或軟件包括一個(gè)或多個(gè)與上述功能相對(duì)應(yīng)的模塊。在一個(gè)可能的設(shè)計(jì)中，裝置的結(jié)構(gòu)中包括獲取模塊、訓(xùn)練模塊，可選的，還可包括構(gòu)建模塊。這些模塊可以實(shí)現(xiàn)上述第一方面方法示例中訓(xùn)練節(jié)點(diǎn)的功能，具體參見(jiàn)方法示例中的詳細(xì)描述，此處不做贅述。

52、第三方面，本技術(shù)還提供了一種計(jì)算設(shè)備，該計(jì)算設(shè)備用于實(shí)現(xiàn)上述第一方面描述的方法的功能，有益效果可以參見(jiàn)第一方面的描述此處不再贅述。該計(jì)算設(shè)備的結(jié)構(gòu)中包括處理器和存儲(chǔ)器，存儲(chǔ)器用于存儲(chǔ)指令和/或數(shù)據(jù)。存儲(chǔ)器與處理器耦合，處理器執(zhí)行所述存儲(chǔ)器中存儲(chǔ)的程序指令時(shí)，可以實(shí)現(xiàn)上述第一方面示例中訓(xùn)練節(jié)點(diǎn)的功能。計(jì)算設(shè)備的結(jié)構(gòu)中還包括通信接口，用于與其他設(shè)備進(jìn)行通信。

53、第四方面，本技術(shù)還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有指令，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述第一方面以及第一方面的各個(gè)可能的設(shè)計(jì)中的方法。

54、第五方面，本技術(shù)還提供一種包含指令的計(jì)算機(jī)程序產(chǎn)品，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述第一方面以及第一方面的各個(gè)可能的設(shè)計(jì)中的方法。

55、第六方面，本技術(shù)還提供一種計(jì)算芯片，芯片與存儲(chǔ)器相連，芯片用于讀取并執(zhí)行存儲(chǔ)器中存儲(chǔ)的軟件程序，執(zhí)行上述第一方面以及第一方面的各個(gè)可能的實(shí)現(xiàn)方式中的方法。

技術(shù)實(shí)現(xiàn)思路