基于改进MobileNetV2的棉花颜色分级检测

针对棉花颜色级检验中感官检验容易受到主观因素影响、仪器检验不稳定的问题,提出一种使用改进MobileNetV2神经网络实现棉花颜色级检测的方法。通过自主设计的图像采集装置,收集白棉一级到白棉五级5种棉花颜色级样品,制作数据集。将MobileNetV2网络后三层进行特征融合,并嵌入CBAM注意力机制,同时与GhostNet、ShuffleNetV2和原始MobileNetV2模型进行对比,预测棉花颜色分级。结果表明:改进后的MobileNetV2在测试集的准确率达到92.10%,相对于GhostNet、ShuffleNetV2和原始MobileNetV2分别提高了3.01个百分点、4.61个百分点、1.24个百分点,具有较好的检测效果。

基于高光谱成像技术的棉花杂质检测

棉花杂质含量是棉花定级和定价的主要指标之一,实现棉花杂质的快速、无损检测具有重要的现实意义和应用价值。对原棉进行除杂,并分离得到纯棉、棉枝叶、破籽和泥石4类物质,在高光谱成像系统中采集这4类物质高光谱图像,提取并分析他们的高光谱数据及特征,采用多元散射校正、标准正态变量变换和一阶导数作为数据预处理方法,选用主成分分析进行数据降维及可区分性研究,结合主成分个数的优选建立判别分析模型,建立了原棉杂质检测模型,并对比分析所建立的不同检测模型的分类效果。结果表明:多元散射校正、标准正态变量变换和一阶导数3种方法均能有效消除光谱曲线的基线漂移现象,使原有特征峰更加明显;检测模型的主成分个数优选为8;对应原始光谱、多元散射校正、标准正态变量变换和一阶导数预处理的判别分析模型测试集准确率分别为100%、90%、93%和100%,证实了利用高光谱成像技术能够对原棉杂质进行有效检测识别。

精梳工艺路线对涤棉混纺面料风格影响

为了探讨不同精梳加工路线对涤棉混纺面料风格的影响,将涤纶与棉纤维分别精梳后按照65/35进行混纺制成涤棉混纺精梳纱,同时将普梳涤纶与精梳后的棉纤维进行混纺制成涤棉混纺半精梳纱。将涤棉混纺精梳纱和涤棉混纺半精梳纱利用相同的织造及染整工艺分别制成涤棉混纺精梳面料和涤棉混纺半精梳面料,利用KES织物风格仪测试两种面料的拉伸、剪切、弯曲、压缩、表面等风格特征。结果表明:与涤棉混纺半精梳面料相比,涤棉混纺精梳面料的各风格特征均有改善,其中变化最显著指标:抗弯刚度减小20%,弯曲滞后距减小17%,压缩比功减小22%,摩擦因数波动减小18%。认为:涤棉混纺精梳面料比涤棉混纺半精梳面料具有更好的柔软性、光滑性、回弹性。

基于多准则模型的棉纤维评价研究

为了实现大容量纤维检测指标在棉纤维评价中的合理应用,为后续的配棉工作提供参考,建立一个基于试验设计(DoE)方法的棉纤维品质评价模型。首先随机抽取1000个棉花样本,通过CRITIC权重法为棉纤维的品质指标赋予不同权重,以TOPSIS得分作为输出变量构建试验方案,按照试验方案进行两水平部分因子试验建立评价模型;最后对所构建评价模型的拟合程度与残差进行分析,再将此模型与SCI、FQI、MIAHP三种模型的相关性进行讨论。结果表明:马克隆值×断裂比强度、断裂比强度×杂质颗粒数×杂质面积率、上半部平均长度×断裂比强度×杂质面积率的多因子交互作用对棉纤维品质有着显著影响;此模型与现有评价模型有着较好的一致性。所构建的棉纤维品质评价模型可实现对棉纤维品质的定量评价。

基于粒子群遗传算法的纱线生产过程参数反演

针对传统纱线质量的正演、反演模型中存在收敛速度慢、精度低等问题,以及标准粒子群算法存在陷入局部极值的缺陷,提出一种粒子群遗传混合算法。使用该算法优化BP神经网络的权值和阈值并建立纱线条干正演模型。在此基础上,以纱线条干CV值为对象构建了粒子群遗传算法反演模型;使用历史生产数据对生产过程参数进行反演。结果表明:各生产过程参数反演结果的平均相对误差均低于4%。认为:该反演方法具有较高的可行性与准确性。

基于新模式的监管棉花含杂率检验技术探究

近年来,监管棉花含杂率检验越来越受到棉花承储企业、加工企业、检验机构的关注,笔者结合2023年度监管棉花含杂率检验新模式,就监管棉花含杂率检验模式的变化、新旧模式中监管棉花含杂率检验的差异分析和实验室含杂率检验技术进行探讨,以期对进一步规范监管棉花含杂率检验程序、提高含杂率检验结果准确性提供一些借鉴。

基于机器视觉的棉花颜色检测方法

针对国内目前通过图像处理测量棉花颜色等级方法较少的现状,设计了一种基于机器视觉的棉花颜色检测方案。为提高棉花样本的拍摄质量及高效性,使用Halcon软件连接CMOS工业相机进行实时采集。首先对采集的棉花样本图进行预处理,通过阈值分割算法将棉花样本图转化为二值图像,且使用高斯滤波去噪声从而去除棉花中的杂质信息,并对预处理后的图像进行区域划分。然后通过RGB值转换为CIE XYZ颜色空间值,得到各子区域棉花颜色参数值,并引入K均值算法聚类各子区域颜色值以确定棉花最终颜色参数值,从而确定棉花颜色等级。最后通过实验验证及数据分析,将本文检测方法与MCG-1棉花检测仪器检测结果进行对比,结果表明2种方法检测结果一致;并通过在不同时间下持续对棉花样本进行数据检测,验证了本文方法的稳定性和精确性。本文检测方法可行且检测成本较低,可代替昂贵的仪器检测方法供企业使用。

基于移动终端的全自动管纱溯源系统研发

为了更好地实现纺纱生产过程中细纱环节的质量追溯,针对目前管纱溯源繁琐低效等缺点,将移动终端与无线射频识别技术相结合并利用网络与数据库技术,设计出基于移动终端的全自动管纱溯源系统。采用固定式RFID标签读写检测装置将细纱机台号和锭子号自动写入到对应的纱管电子标签后,利用移动终端对络筒工序中被剔除的疵管电子标签上的生产信息进行读取、保存与处理,实现了对管纱的质量追溯和实时移动管理,还可及时维护修理问题纱锭,对管纱问题形成了闭环管理。系统在20台JWF1579型和100台FA506型细纱机上稳定运行9个月,纱疵数量明显减少。认为:该系统具有操作简单方便、溯源精准等特点,有利于降低人工成本,提高细纱追溯效率,进而提高生产效率和经济效益。

浆纱车速与压浆力对上浆率的影响关系

现代浆纱机配备了浆纱车速-压浆力匹配调控技术,以稳定控制上浆率;目前普遍采用车速-压浆力线性调节方案,但缺乏一定的理论指导,往往会造成上浆率稳定性控制的效果不理想。为提高上浆率控制稳定性,对车速与压浆力对上浆率的影响关系进行研究。通过对浆纱过程中浆液的浸透与压出进行合理化假设,构建了车速、压浆力和上浆率的关系模型。基于该模型,提出不同车速下压浆力的求解方法,用于实现上浆率的稳定控制。该模型在浆纱实验数据中的拟合优度R^(2)达0.8754,较线性模型高0.1388,验证了模型构建的合理性。依据该模型构建上浆率稳定控制方法,在不同车速下对压浆力进行调控实验,实测上浆率与设定值的平均相对误差为2.59%,有效实现了不同车速下的上浆率稳定控制。构建的车速、压浆力、上浆率关系模型,对解释车速与压浆力影响上浆率的机理具有一定的理论意义;基于该模型构建的上浆率稳定控制方法,为提高浆纱上浆率稳定控制水平提供了新的途径。

棉花检验实验室检验实施现状及优化措施

棉花检验作为一项民生工程,能确保市场上棉花的质量。棉花检验过程中许多因素会影响检测结果,有必要分析这些影响因素。基于此,文章探讨棉花检验实验室的作用,深入分析影响棉花检验结果的因素,主要为检测人员、仪器试剂、样本质量及检测方式,并给出相应的解决措施,旨在通过提高检测人员专业素质、做好仪器设备管理、强化样本质量控制及选择合适检测方式,有效提高棉花检验质量。

提升棉花含杂率检验准确性的措施

随着植棉成本增加,国内棉花种植面积减少,使得棉花产量下降。这一背景下,对棉花含杂率检验工作提出更高要求,需要根据实际情况采取有效措施,提高检验准确性,确保国内棉花的整体质量。鉴于此,文章分析棉花杂质的成因与特点,阐述棉花含杂率检验准确性的影响因素,并结合实际情况提出提升棉花含杂率检验准确性的有效措施,旨在推动国内棉花产业的稳步发展。

数据驱动与有限元仿真融合的纱线断裂强力分析方法

为揭示机器人运动速度等参数对纱线性能的影响规律,考虑纱线夹持长度与拉伸速度对断裂强力分布的影响,分析了动态环境下环锭纺细纱断裂强力的分布特征。首先设计拉伸实验对环锭纺细纱性能进行分析,并构建了环锭纺短纤纱本构模型表征其强伸性能。其次建立有限元仿真模型模拟短纤纱的断裂过程,揭示了纤维间载荷传播的规律和纱体结构演化的4个阶段模型。最后对纱线强力数据的统计特征进行分析,建立了其分布参数模型。结果表明,分布检验与威布尔分布相比,对数正态分布的拟合误差最小,残差平方和为0.0006,进一步提高了动态环境下环锭纺细纱强力预测的可靠性。

棉花检验HVI比对试验结果分析及建议

为加强实验室质量控制,验证棉花HVI大容量纤维测试仪的工作状态,评估仪器化实验室HVI测试结果的一致性,提高HVI仪器化检测水平,图木舒克实验室与巴楚实验室联合开展实验室间棉花HVI仪器化检验比对试验。通过试验结果及时发现比对实验数据存在的差异及问题,分析产生的原因和检测风险,采取有针对性的措施,消除测试隐患,确保公证检验结果科学、准确、统一。

《原棉含杂率试验方法》新旧标准对比

一、引言棉花含杂率检验是棉花检验工作的重要组成部分,棉花含杂率是棉花贸易结算的指标,在收购、加工、销售、储存及验收等环节中都需要进行杂质检验。棉花杂质检验数据准确与否,直接关系到交易各方的切身利益。我国于2022年10月12日发布了GB/T 6499—2022《原棉含杂率试验方法》(以下简称“新标准”),代替了GB/T 6499—2012《原棉含杂率试验方法》(以下简称“旧标准”),新标准已于2023年5月1日开始实施,并在旧标准的基础上增加了全自动原棉杂质分析系统法(方法B),更改了范围、试样制备的内容、方法精密度及试验报告等内容,进一步规范了《原棉含杂率试验方法》标准内容。

转杯纺分梳辊分梳质量研究初探

为检验不同型号分梳辊的分梳质量,介绍分梳辊分梳牵伸的特点和分梳辊分类;从纺纱器结构、气流控制和分梳辊速度等方面详述其对分梳牵伸的影响;分别选用7种不同规格的分梳辊用齿条,采用棉纤维及表面更光滑、截面更接近于圆形的莱赛尔纤维进行对比试验,并用纤维损伤频率差异分析法对纤维损伤度进行可靠性验证。结果表明:除齿密最小的G型分梳辊外,棉纱线的整体质量基本上随着分梳辊针布齿密的减小而逐渐恶化;成纱质量除与分梳辊型号相关外,还受到齿部几何形态、表面粗糙度及其与喂棉机构、排杂通道及输纤通道内气流状态的适应性等综合因素的影响;分梳辊针布齿条表面粗糙度的差异对纤维损伤的影响较小,但对纱线质量影响较大。

如何提高棉花仪器化公证检验工作质量

棉花检验质量的提升对棉纺产业的整体发展产生了重要影响,棉花产业的从业人员都非常关注棉花仪器化公证检验工作的开展。随着各种新型检验技术的应用,棉花仪器化公证检验流程已经日趋完善,通过对棉花检验数据的分析,可以为相关从业人员带来很多的参考,将会为相关检验工作的监督管理带来很大帮助。在未来高品质发展的背景下,要对棉花仪器化公证检验工作引起足够重视,探索行之有效的思路,提升棉花仪器化检验工作质量。

棉花公检电子系统的研究

我国实行强制性棉花质量仪器化检验制度,该检验制度严重依赖人工,其证书检出速度已不满足现代化棉花产业需求。针对现有的检验制度弊端,泰州市纤维检验院尝试引入电子信息技术,将大数据算法运用于棉花检验流程,优化检验流程中的非检验部分,压缩检验时间,提高检验效率。本文具体阐述了棉花公检电子系统的设计理念和运行难点。

基于等距特征映射的纺纱生产过程决策参数特征提取

纺纱生产中涉及的过程参数繁多,彼此相互关联且存在冗余,针对过程参数间相关性带来的质量指标难以精确预测与控制等问题,文中提出一种基于等距特征映射(Isometric Mapping,Isomap)的纺纱生产过程决策参数特征提取方法。首先,通过灰色关联分析计算过程参数与纱线质量指标间的灰色关联度,筛选出对产品质量指标影响较大的过程参数作为决策参数;然后,采用Isomap算法对决策参数进行特征提取降维,获得彼此独立的低维决策参数特征空间,将其输入到粒子群优化向量机模型(PSO-SVM)中验证所提出算法的特征提取效果;最后,通过算例进行验证,结果显示提出的方法可采用相较于原数据更少的特征空间维度获取更佳的预测效果。

基于ISSA-BP神经网络的纺纱生产工艺参数反演

针对传统的反演模型精度不高且传统BP神经网络有权值和阈值初值过于随机化、稳定性和准确性差等问题,提出了基于改进麻雀搜索算法(ISSA)的BP神经网络纺纱生产工艺参数反演模型。利用灰色关联分析法提取出10个关键工艺参数,以其作为模型输入;引入Chebyshev混沌映射、正余弦算法(SCA)和自适应权重因子对麻雀搜索算法(SSA)进行优化,并用ISSA优化BP神经网络,在此基础上构建纺纱生产工艺参数反演模型;利用ISSA对参数反演模型进行求解。以纤维属性和纺纱车间细纱工序为对象进行反演验证,试验结果表明:ISSA-BP预测值的MAPE、MSE、MAE、迭代次数、适应度值均优于SSA-BP模型;对反演优化后的工艺参数进行预测,预测的质量指标与期望质量指标的平均相对误差(MRE)为5.04%。认为:基于ISSA-BP神经网络的纺纱生产工艺参数反演精度较高,有助于工艺参数的合理设计。

基于RFID的籽棉货场管理系统

棉花质量追溯是完善棉花目标价格政策的重要内容,是实施棉花质量补贴的具体手段,是促进棉花质量提升的重要措施。当前棉花加工企业籽棉收购期间厂区内堆垛方式比较随意,管理相对粗放,籽棉货场管理主要通过人工巡检记录,不便于数据统计以及实时了解加工企业厂区内籽棉存放和加工情况。在需要加工时不能准确地抓取所需指标的棉模,水分杂质较高的棉模也存在自燃、捂坏变质的安全隐患,企业缺乏有效的安全监管办法。