全国服务热线
欢迎到球王会网站。 官方网站 ！
球盟会qmh网页版登录:
1、纺纱机是一种用于将纤维材料(如棉花、羊毛、亚麻等)转化为纱线的机器，它是纺织工业中的关键设备之一，用于纺织品的生产。纺织机的基础原理是将纤维材料来牵伸、扭转和捻合，使其形成连续的纱线。纺纱机的主要组成部分包括供纱装置、牵伸装置、扭转装置和卷绕装置。
2、在实际生产应用中，牵伸的拉力通常是尽可能保持稳定的。牵伸的拉力从始至终保持不变，则无法根据纱线的特性做调整，轻易造成牵伸过度或不足。牵伸过度使纱线的拉伸过度，导致纱线断裂或强度下降；牵伸不足使纱线的拉伸程度不够，影响产品的质量。
1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种全自动纺纱机及其操控方法，其采用基于深度学习的人工智能控制技术，通过对牵伸操作监控视频进行特征提取以获取到纱线的牵伸情况，从而来及时作出调整牵伸的拉力，以提高纱线、根据本技术的一个方面，提供了一种全自动纺纱机，其包括：
4、关键帧提取模块，用于从所述牵伸操作监控视频中提取多个牵伸操作监控关键帧；
5、牵伸操作特征感知模块，用于将所述多个牵伸操作监控关键帧中各个牵伸操作监控关键帧分别通过多分支感知域模块以得到多个牵伸操作监控特征图；
6、差分模块，用于计算所述多个牵伸操作监控特征图中每两个牵伸操作监控特征图之间的差分特征图以得到多个差分特征图；
7、牵伸变化特征提取模块，用于将所述多个差分特征图通过使用三维卷积核的卷积神经网络模型以得到牵伸变化动态特征图；
8、优化模块，用于对所述牵伸变化动态特征图进行特征分布优化以得到优化牵伸变化动态特征图；
9、控制结果生成模块，用于将所述优化牵伸变化动态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当前时间点的牵伸拉力应增大或应减小。
10、在上述全自动纺纱机中，所述关键帧提取模块，用于：以预定采样频率从所述牵伸操作监控视频中提取所述多个牵伸操作监控关键帧。
11、在上述全自动纺纱机中，所述牵伸操作特征感知模块，包括：第一点卷积单元，用于将所述牵伸操作监控关键帧输入所述多分支感知域模块的第一点卷积层以得到卷积特征图；多分支感知单元，用于分别将所述卷积特征图通过所述多分支感知域模块的第一分支感知域单元、第二分支感知域单元和第三分支感知域单元以得到第一分支感知特征图、第二分支感知特征图和第三分支感知特征图，其中，所述第一分支感知域单元、所述第二分支感知域单元和所述第三分支感知域单元具有并行结构；融合单元，用于将所述第一分支感知特征图、所述第二分支感知特征图和所述第三分支感知特征图进行级联以得到融合感知特征图；第二点卷积单元，用于将所述融合感知特征图输入所述多分支感知域模块的第二点卷积层以得到通道校正融合感知特征图；残差级联单元，用于计算所述通道校正融合感知特征图和所述卷积特征图的按位置点加以得到所述牵伸操作监控特征图。
12、在上述全自动纺纱机中，所述多分支感知单元，包括：第一一维卷积编码子单元，用于将所述卷积特征图通过所述第一分支感知域单元的第一一维卷积层以得到第一一维卷积特征图；第一空洞卷积编码子单元，用于将所述第一一维卷积特征图通过具有第一空洞率的第一二维卷积层以得到所述第一分支感知特征图；第二一维卷积编码子单元，用于将所述卷积特征图通过所述第二分支感知域单元的第二一维卷积层以得到第二一维卷积特征图；第二空洞卷积编码子单元，用于将所述第二一维卷积特征图通过具有第二空洞率的第二二维卷积层以得到所述第二分支感知特征图；第三一维卷积编码子单元，用于将所述卷积特征图通过所述第三分支感知域单元的第三一维卷积层以得到第三一维卷积特征图；第三空洞卷积编码子单元，用于将所述第三一维卷积特征图通过具有第三空洞率的第三二维卷积层以得到所述第三分支感知特征图。
13、在上述全自动纺纱机中，所述差分模块，用于：以如下差分公式计算所述多个牵伸操作监控特征图中每两个牵伸操作监控特征图之间的差分特征图，其中，所述差分公式为：
15、其中，fa表示第一牵伸操作监控特征图，表示按位置作差，fb表示第二牵伸操作监控特征图，fn表示所述差分特征图。
16、在上述全自动纺纱机中，所述牵伸变化特征提取模块，用于：所述使用三维卷积核的卷积神经网络模型的各层在层的正向传递过程中分别对输入数据来进行：对所述输入数据来进行基于三维卷积核的卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部矩阵的均值池化处理以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述卷积神经网络模型的最后一层的输出为所述牵伸变化动态特征图，所述卷积神经网络模型的第一层的输入为所述多个差分特征图。
17、在上述全自动纺纱机中，所述优化模块，包括：全局均值池化单元，用于对所述牵伸变化动态特征图进行全局均值池化以得到全局语义特征向量；协方差矩阵生成单元，用于计算所述全局语义特征向量的协方差矩阵；特征值分解单元，用于对所述协方差矩阵进行特征值分解以得到多个特征值以及与所述多个特征值对应的多个特征值向量；类单应子空间构造单元，用于从所述多个特征值向量提取k个最大的特征值对应的k个特征值向量，所述k个特征值向量构成k维的类单应子空间；特征展平化单元，用于将所述牵伸变化动态特征图的沿通道维度的各个特征矩阵进行特征展平化以得到多个分类特征局部展开特征向量；映射单元，用于将所述多个分类特征局部展开特征向量分别映射到所述类单应子空间以得到多个映射后分类特征局部展开特征向量；激活单元，用于将所述多个映射后分类特征局部展开特征向量通过sigmoid激活函数进行激活以得到多个映射后概率化分类特征局部展开特征向量；维度重构单元，用于将所述多个映射后概率化分类特征局部展开特征向量进行维度重构以得到所述优化牵伸变化动态特征图。
21、将所述多个牵伸操作监控关键帧中各个牵伸操作监控关键帧分别通过多分支感知域模块以得到多个牵伸操作监控特征图；
22、计算所述多个牵伸操作监控特征图中每两个牵伸操作监控特征图之间的差分特征图以得到多个差分特征图；
23、将所述多个差分特征图通过使用三维卷积核的卷积神经网络模型以得到牵伸变化动态特征图；
24、对所述牵伸变化动态特征图进行特征分布优化以得到优化牵伸变化动态特征图；
25、将所述优化牵伸变化动态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当前时间点的牵伸拉力应增大或应减小。
26、根据本技术的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的全自动纺纱机的控制方法。
27、根据本技术的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的全自动纺纱机的控制方法。
28、与现存技术相比，本技术提供的全自动纺纱机及其方法，其采用基于深度学习的人工智能控制技术，通过对牵伸操作监控视频进行特征提取以获取到纱线的牵伸情况，从而来及时作出调整牵伸的拉力，以提高纱线的质量。
