[发明专利]一种用于塑料颗粒生产的智能分选方法及系统有效

专利信息
申请号: 202310769978.3 申请日: 2023-06-28
公开(公告)号: CN116493290B 公开(公告)日: 2023-09-05
发明(设计)人: 申群响;孙厚中 申请(专利权)人: 苏州吉玛环保科技有限公司
主分类号: B07C5/34 分类号: B07C5/34;G06V10/764;G06V10/82;G06N3/084;B07C5/10;B29B13/10
代理公司: 苏州市中南伟业知识产权代理事务所(普通合伙) 32257 代理人: 李艾
地址: 215400 江苏省*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 用于 塑料颗粒 生产 智能 分选 方法 系统
【权利要求书】:

1.一种用于塑料颗粒生产的智能分选方法,其特征在于,所述方法包括:

获取第一塑料颗粒的生产控制平台,得到预设颗粒信息,其中,所述预设颗粒信息包括尺寸颗粒信息和表面颗粒信息;

根据所述生产控制平台的分选传送线路,确定第一分选节点;

对所述第一分选节点设置第一图像采集装置,根据所述第一图像采集装置对处于所述第一分选节点的塑料颗粒进行图像采集,得到颗粒图像数据集;

根据所述颗粒图像数据集进行尺寸特征识别和表面特征识别,输出尺寸特征集和表面特征集;

根据所述生产控制平台的分选传送线路,确定分选执行节点;

基于所述分选执行节点作为分类目标,生成预设自适应分类器;

将所述尺寸特征集和所述表面特征集输入所述预设自适应分类器进行层级分类,获取层级分类结果,将每一层级的分类结果输入所述分选执行节点中进行分选;

其中,所述方法还包括:

随机从训练样本数据集中获取m组训练数据,其中,所述训练样本数据集包括塑料颗粒图像数据集;

对所述m组训练数据分别进行均匀分布权重层训练,得到m个颗粒分类模型;

输出基于m个颗粒分类模型的m个颗粒分类结果;

计算所述m个颗粒分类结果中每一类结果的分类误差率,输出m个分类误差率;

根据所述m个分类误差率,更新所述m组训练数据的权值分布,用于进行下一轮迭代,对迭代结束后的m个颗粒分类模型进行融合,生成所述预设自适应分类器;

根据所述m个分类误差率,获取所述m个颗粒分类模型的m个重要系数;

对所述分选执行节点中的各个分选执行节点进行重要性识别,获取所述分选执行节点的重要系数;

根据所述分选执行节点的重要系数对每个颗粒分类模型中的分类误差率进行系数融参,获取所述m个颗粒分类模型融参后的m个重要系数;

以所述m个颗粒分类模型的m个重要系数更新所述m组训练数据的权值分布。

2.如权利要求1所述的方法,其特征在于,获取所述m个颗粒分类模型融参后的m个重要系数的公式如下:

其中,标识第m组训练数据的更新权值;标识第m组训练数据的分类误差率,;标识分选执行节点的重要系数;随着的减小而增大。

3.如权利要求1所述的方法,其特征在于,所述方法还包括:

判断所述分类误差率是否小于预设分类误差率;

若所述分类误差率小于所述预设分类误差率,标识所述m个颗粒分类模型迭代循环结束;

若所述分类误差率大于所述预设分类误差率,判断所述m个颗粒分类模型的迭代次数是否大于预设迭代次数;

若所述m个颗粒分类模型的迭代次数大于所述预设迭代次数,标识所述m个颗粒分类模型迭代循环结束。

4.如权利要求1所述的方法,其特征在于,将所述尺寸特征集和所述表面特征集输入所述预设自适应分类器进行层级分类,方法还包括:

将所述尺寸特征集和所述表面特征集输入所述预设自适应分类器中,得到基于所述分选执行节点中每个分选执行节点对应的颗粒分类结果;

根据所述颗粒分类结果的特征,确定所述分选执行节点的分选控制参数;

以所述分选控制参数执行所述分选执行节点中的分选。

5.如权利要求4所述的方法,其特征在于,所述方法还包括:

获取所述分类结果的特征对应分选执行节点的颗粒分选设备;

确定所述颗粒分选设备的可调粒度区间;

将所述分类结果的特征输入对应分选执行节点的所述颗粒分选设备中,基于可调粒度区间进行颗粒分选粒度寻优,得到粒度分选控制参数;

根据所述粒度分选控制参数执行对应分选执行节点中的粒度分选。

6.一种用于塑料颗粒生产的智能分选系统,其特征在于,用于实施权利要求1-5任意一项所述的一种用于塑料颗粒生产的智能分选方法,包括:

预设颗粒信息得到模块,用于获取第一塑料颗粒的生产控制平台,得到预设颗粒信息,其中,所述预设颗粒信息包括尺寸颗粒信息和表面颗粒信息;

第一分选节点确定模块,用于根据所述生产控制平台的分选传送线路,确定第一分选节点;

颗粒图像数据集得到模块,用于对所述第一分选节点设置第一图像采集装置,根据所述第一图像采集装置对处于所述第一分选节点的塑料颗粒进行图像采集,得到颗粒图像数据集;

特征集实处模块,用于根据所述颗粒图像数据集进行尺寸特征识别和表面特征识别,输出尺寸特征集和表面特征集;

分选执行节点确定模块,用于根据所述生产控制平台的分选传送线路,确定分选执行节点;

预设自适应分类器生成模块,用于基于所述分选执行节点作为分类目标,生成预设自适应分类器;

层级分类模块,用于将所述尺寸特征集和所述表面特征集输入所述预设自适应分类器进行层级分类,获取层级分类结果,将每一层级的分类结果输入所述分选执行节点中进行分选;

训练数据获取模块,用于随机从训练样本数据集中获取m组训练数据,其中,所述训练样本数据集包括塑料颗粒图像数据集;

颗粒分类模型得到模块,用于对所述m组训练数据分别进行均匀分布权重层训练,得到m个颗粒分类模型;

颗粒分类结果输出模块,用于输出基于m个颗粒分类模型的m个颗粒分类结果;

分类误差率输出模块,用于计算所述m个颗粒分类结果中每一类结果的分类误差率,输出m个分类误差率;

预设自适应分类器生成模块,用于根据所述m个分类误差率,更新所述m组训练数据的权值分布,用于进行下一轮迭代,对迭代结束后的m个颗粒分类模型进行融合,生成所述预设自适应分类器;

重要系数获取模块,用于根据所述m个分类误差率,获取所述m个颗粒分类模型的m个重要系数;

重要性识别模块,用于对所述分选执行节点中的各个分选执行节点进行重要性识别,获取所述分选执行节点的重要系数;

系数融参模块,用于根据所述分选执行节点的重要系数对每个颗粒分类模型中的分类误差率进行系数融参,获取所述m个颗粒分类模型融参后的m个重要系数;

权值分布模块,用于以所述m个颗粒分类模型的m个重要系数更新所述m组训练数据的权值分布。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州吉玛环保科技有限公司,未经苏州吉玛环保科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310769978.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top