[发明专利]一种手持织物纤维成分无损清洁分析仪与方法

说明书

本发明公开了一种手持织物纤维成分无损清洁分析仪与方法。包括一种基于自适应联邦学习架构的纺织品成分分析与预测模型、基于联邦学习物联网结构的数据安全机器学习的方法，一种近红外光谱分析仪硬件装置。该方法包括数据预处理模型、工厂微节点训练模型，该数据传输安全协议包括工厂微节点与中心服务器数据安全传输方法，该装置包括分析仪硬件系统的设计与组装。本发明关键技术包含两方面，一是硬件系统的设计方法，二是基于自适应中心化联邦学习、端到端的数据安全训练系统IIoT(Industrial Internet ofThings)。该方法提供了对纺织品成分的无损、清洁、快速检测，操作简单、软硬件高度集成、方便便携，数据安全可靠。

技术领域

本发明涉及数据传输的安全系统，关键技术为基于自适应联邦学习的网络，设计了核心软件技术和硬件系统。

背景技术

近年来，随着人工智能的发展，往往一个项目涉及多个公司、工厂，包含多个领域部门的数据，但是在现实中出于机密性与成本问题，几乎不可能做到将这些数据整合集中，导致数据出现孤岛问题。同时，由于国内数据安全法和国际GDPR出台，各方对数据的所有权和隐私权关注增多，隐私数据共享成为瓶颈。

另一个问题，在传统的机器学习方法中，需要将所有参与模型训练的个体或公司的所有数据一次性上传到服务器，随着数据规模的逐渐增大，数据中心需要不断增加机器。而且在数据传输过程中存在数据泄露的风险，且这种模式下，数据中心公司也会通过控制数据来垄断市场，造成不良影响。数据是产业发展的资本，占有数据就占有市场。伴随上述问题的产生，衍生出不同于传统数据共享模式的联邦学习机制。

计算机视觉和人工智能技术被广泛应用于织物成分分析。深度学习模型依赖于大量详细准确的纺织生产数据标签。然而，在纺织行业中，织物数据包含大量商业隐私，并且人工分类和标记这些织物数据需要大量的成本，这使得很难获取公共数据集。联邦学习允许多个参

与者之间共享训练数据，训练数据是保存在本地，不需要事先收集，参与者只上传模型参数，取代以往传统的需要上传完整的训练数据，数据隐私得以保护，不存在泄露用户数据隐私的缺陷。中心化联邦学习模型中只存在一个中心服务器，参与者通过中心服务器共享数据和进行交互行为，中心服务器负责接收参与者上传的学习模型并能够及时更新全局模型。故本专利创新性地将联邦学习应用在纺织品成分检测领域，针对市场对数据安全和数据隐私的保护问题、数据规模庞大使得中心服务器负载重的问题，设计了一套基于联邦学习的手持纺织品成分无损清洁检测仪器，在市场上尚未有任何应用该技术的方法，本专利创新点即在于此。该仪器便携易操作，对环境要求低，高效快速、成本低，可广泛应用于实验室分析、市场现场分析。

发明内容

本发明的目的是克服了现有技术的问题，提供了一种手持织物纤维成分无损清洁分析仪与方法。

为了达到上述目的，本发明采用以下方案：

分析仪的硬件设计如下：

1、外观尺寸为10.0cm×8.0cm×8.0cm，仪器整体外观呈立方体，外观简洁大方、体积小。电源模块包括输入接口、电压转换器、安全阀、电池。电源输入接口使用micro usb接口供电，电源输入电压为3V～5V，输出电压为3.8V，电源输入口同时为电池和系统供电。电源安全阀模块搭建有限压电阻元件、限流安全保险丝元件。可充电电池，其输入电压为5V，输出电压为3.8V，容量为1000mAh，电池包含充满断电以及安全电流限制逻辑芯片，最大允许电流2A。数据采集放大模块与信号转换模块工作电压为-0.2V～+5.0V。

2、开关模块。开关控制分析仪内部线路的开闭，包括红色指示LED灯，开关对电池充电输入不做控制。

3、数据传输采用micro usb接口数据接口传输，尽可能减少由于数据传输产生的噪声数据污染。由信号采集模块采集的数据经过微控制器中心清洗，暂存并发送到计算机存储设备。在本发明中分析仪搭载温度监控功能，当分析仪温度达到温控器警戒温度，将强制停机冷却。