一种生成对抗网络半监督回归的废纺样品中羊毛含量的预测方法

针对废旧纺织品回收在线分拣的需求,提出了一种基于生成对抗网络的半监督回归方法,使用少量标记样本和大量未标记样本来训练半监督回归器。半监督回归器由神经网络组成的生成器和由神经网络构成的判别器组成。生成器用于生成尽可能接近实际标记和未标记训练数据集内容的混合样本。鉴别器用于验证生成器生成的样本并预测这些样本的连续标记。生成的网络通过特征匹配损失进行训练,损失函数是鉴别器中间层真实样本的输出与生成样本之间的误差平均值。判别式有两个输出,一个用于预测序列标记,另一个用于确定生成的样本是真样本还是假样本的概率。通过使用传统的无监督生成对抗性网络损失函数和监督回归损失的组合来训练判别式。生成的网络通过特征匹配损失进行训练,损失函数是鉴别器中间层真实样本的输出与生成样本之间的误差平均值。先后收集了400个不同羊毛含量的混纺样品和3000个未知成分的混纺样品。70%的标记和未标记的混合样本被随机选择作为训练集,其余30%的标记样本被用作重复实验的测试集。开展了多个实验进行验证。第一个实验为混纺光谱生成实验,用于验证生成对抗网络能够根据内在规律有效生成混合样本光谱。第二个实验为半监督对抗网络定量分析性能对比实验,对羊毛成分分析模型训练与测试,并将本半监督对抗网络定量分析模型与其他定量模型进行性能对比。第三个实验为现场高羊毛含量混纺细分模型预测对比实验,用羊毛含量在80%到99%之间的混纺样品进行成分分析,并将本文的半监督对抗网络定量分析模型与其他定量模型进行性能对比。第四个实验为中高羊毛含量混纺细分综合模型现场预测实验,用羊毛含量在40%到99%之间的混纺样品训练半监督对抗网络定量分析模型并部署在分拣系统,由操作员进行现场测试数据进行准确率、分析时间等测试。实验结果表明,基于生成对抗网络的半监督回归方法优于PCR、PLSR、SVR、BPNN等模型,该模型的预测R2达到0.964。经过现场反复测试,该模型能快速提取出40%以上羊毛含量的混纺样品。

废旧棉再生浆粕聚合度对其Lyocell纺丝及纤维力学性能的影响

为探索废旧棉再生浆粕聚合度对其Lyocell纺丝可纺性及纤维力学性能的影响,通过调整浆粕制备工艺,制备了不同聚合度(DP300~DP1172)的废旧棉再生浆粕,并考察了聚合度对再生浆粕的溶解性能、纺丝液的可纺性能以及所制备再生Lyocell纤维力学性能的影响.结果表明:废旧棉再生浆粕的聚合度显著偏低(DP300)时,纺丝稳定性相对较差;严重偏高(DP1172)时,无法连续稳定纺丝;在居中的聚合度范围内可连续稳定纺丝.随着浆粕聚合度的增高(DP300~DP725),所制备再生Lyocell纤维的干态断裂强度(3.35~4.72 cN/dtex)和模量(70.9~146.19 cN/dtex)等力学性能亦随之明显提升.相关研究有望为废旧棉织物回收制备高性能Lyocell纤维提供参考.