本发明涉及人工智能，具体为一种纤维面料生产质量监控方法及系统。
背景技术：
1、保暖纤维通常是指用于提升衣物和家纺产品的纤维材料，这些纤维材料除了良好的保暖性能外，通常还具有材料轻、柔软和透气等特点；保暖纤维一般分为天然纤维材料和人工合成纤维材料；天然纤维材料例如棉花、鹅绒或鸭绒等，然而这些天然纤维具有一定的获取周期且部分天然保暖纤维因为市场需求问题导致供不应求和成本高的问题，导致天然保暖纤维产生了供给不足的问题。
2、人工保暖纤维的出现在一定程度上解决了供给问题，人工保暖纤维主要是基于天然聚合物材料，结合化学处理与机械加工等方法实现的保暖纤维材料，例如聚酯纤维、超细合成纤维或复合纤维等；这些人工保暖纤维除了保暖性能外，像聚酯纤维具有强度高和耐磨耐用的特点，超细合成纤维兼具了高品质天然保暖纤维的柔软和较好质感的特点，复合纤维则依据采用的多种纤维类型能兼具多种纤维的优势的特点。
3、这些人工保暖纤维在生产成衣物前需要生产成对应的纤维面料，而这些纤维面料的生产过程包括原材料准备、纺纱、织造、染色和面料处理；由于人工保暖纤维不像天然纤维具有天生的保暖性优势，因此在保暖纤维面料生产完成后，为了使衣物在生产完成后具有相对应的保暖性能和其他性能，因此对于生产后的纤维面料需要进行产品质检，而为了提升质检通过率，cn202210583793.9提出了一种家纺纤维面料生产质量监控系统，通过将面料划分成多个区域，对于面料的质量、织物密度和透光率进行检测获取最佳面料，再基于线性拟合分析判断面料质量是否合格；cn202110283642.7提出了保暖竹纤维面料的检测方法及其质量标准，通过划分多个等级，并对其柔软性、变形性和保温性作为评价标准按照不同等级采取不同的等级质量检测标准进行质检；cn202210260738.6提出了一种复合纤维面料耐磨度检测设备，该设备通过夹紧槽对生产出的纤维面料进行固定，伸缩杆推动夹板对纤维面料夹紧，之后驱动滑块在滑轨上活动，实现对不同纤维面料的弹性系数进行快速检测。
4、然而目前的质检方法在质检完成后无法分析原因进行溯源，以优化纤维面料的生产流程提升后续纤维面料的质检通过率，而目前基于人工保暖纤维的纤维面料质检归因分析研究较少。
5、为了能够优化纤维面料的生产流程，提升产品质检通过率，提出一种纤维面料生产质量监控方法及系统。
技术实现思路
1、本发明的目的在于提供一种纤维面料生产质量监控方法及系统，通过对生产流程进行划分和编号，基于各流程编号获取对应的生产机器数据并存储，在生产过程中标注保暖人工纤维面料的编号；依据质检内容获取质检标准数据、质检通过和未质检通过的人工纤维面料，并获取第一图像数据和第二图像数据，通过图像特征分析获取第一纤维特征和第二纤维特征并进行特征对比，获取第三纤维特征；依据第三纤维特征分析获取出现问题的环节，通过所述保暖人工纤维面料编号调用所述流程编号的所述生产机器数据，通过时序异常分析获取未质检通过保暖人工纤维面料的异常原因，对流程或硬件进行优化，以提升质检通过率。
2、为实现上述目的，本发明提供如下技术方案：
3、一种纤维面料生产质量监控方法，包括：
4、获取保暖人工纤维面料的生产流程，依据所述生产流程进行划分，生成流程编号；
5、获取生产机器数据，依据所述流程编号，对所述生产机器数据标注对应的编号并进行存储；所述保暖人工纤维面料依据所述生产流程进行生产和质检；生产过程中依据所述编号对所述人工纤维面料进行编号标注；
6、所述生产机器数据依据固定时间间隔t进行采集，不同所述流程编号的所述生产机器数据采用相同的时间间隔t；
7、所述生产机器数据为时序数据包括各机器在时间间隔t采集的电压数据、生产机器各部件位移数据、染色温度数据和染料颜色数据；
8、获取质检通过的所述保暖人工纤维面料，依据所述质检内容获取所述保暖人工纤维面料的质检标准数据；
9、获取所述保暖人工纤维面料的第一图像数据，分割所述第一图像数据，生成多个第一保暖面料子图像；依据所述第一保暖面料子图像和所述质检标准数据获取第一纤维特征；
10、进一步地，所述第一图像数据和所述第二图像数据的分割方法为获取所述第一图像数据或所述第二图像数据的长度像素数量和宽度像素数量，依据所述长度像素数量获取第一分割公约数，依据所述宽度像素数量获取第二分割公约数；筛选小于分割阈值的所述第一分割公约数和所述第二分割公约数并排除；
11、若排除后的所述第一分割公约数和所述第二分割公约数存在相同数据，则依据所述相同数据进行分割；若无相同数据则判断所述第一分割公约数和所述第二分割公约数的数据相似度，选取所述数据相似度最大的所述第一分割公约数和所述第二分割公约数进行分割；
12、获取未质检通过的保暖人工纤维面料并得到第二图像数据，依据所述第二图像数据进行分割，生成多个第二保暖面料子图像；依据所述第二保暖面料子图像和所述质检标准数据获取第二纤维特征；
13、依据所述第一纤维特征和所述第二纤维特征进行特征对比计算，获取第三纤维特征；
14、进一步地，所述第一纤维特征和所述第二纤维特征由保暖纤维特征识别模型进行识别；
15、所述保暖纤维特征识别模型包括保暖纤维图像输入单元、保暖纤维特征分类单元、保暖纤维杂质对比单元、保暖纤维图案对比单元、保暖纤维保暖性对比单元和保暖纤维异常输出单元；
16、所述保暖纤维图像输入单元将所述第一图像数据或所述第二图像数据进行预处理，生成保暖纤维输入数据；所述保暖纤维特征分类单元获取所述保暖纤维输入数据，依据所述质检标准数据识别对应的图像特征并分类，生成所述第一纤维特征或所述第二纤维特征；
17、所述保暖纤维特征分类单元采用三组特征识别模型，第一组所述特征识别模型为杂质识别模型用于获取杂质特征；第二组所述特征识别模型为图案特征识别模型用于获取图案特征；第三组所述特征识别模型为保暖性特征，用于获取纤维面料空隙特征；
18、第一组所述特征识别模型采用2层3*3的卷积层、1层最大池化层和1层1*1的卷积层；第二组所述特征识别模型采用1层5*5的卷积层、1层平均池化层、2层3*3的卷积层、1层平均池化层和1层1*1的卷积层；第三组所述特征识别模型采用1层3*3的卷积层、1层平均池化层、1层1*1的卷积层和attention机制；
19、所述保暖纤维杂质对比单元提取所述第一纤维特征和所述第二纤维特征的杂质特征进行识别对比，生成杂质异常数据；杂质特征的对比计算如下：
20、
21、其中，icp为杂质特征对比结果，ic2为第二纤维特征的杂质像素大小，ic1为第一纤维特征的杂质像素大小，icn2为第二纤维特征的杂质像素数量，icn1为第一纤维特征的杂质像素数量；
22、所述保暖纤维图案对比单元提取所述第一纤维特征和所述第二纤维特征的图案特征进行识别对比，生成图案异常数据；图案特征的对比计算如下：
23、
24、其中，ps为所述图案相似度，pt2为第二纤维特征的图案特征，pt1为第一纤维特征的图案特征，cs为所述图案相似度，ct2为第二纤维特征的图案颜色特征，ct1为第一纤维特征的图案颜色特征；
25、所述保暖纤维保暖性对比单元提取所述第一纤维特征和所述第二纤维特征的保暖性特征进行识别对比，生成保暖性异常数据；保暖性特征的对比计算如下：
26、
27、ω1+ω2+ω3+ω4＝1；
28、其中，wp为所述保暖性特征对比计算结果，wn2为所述第二纤维特征的纤维与纤维间的孔隙数量，wn1为所述第一纤维特征的纤维与纤维间的孔隙数量，wkn2为所述第二纤维特征的纤维与纤维间的孔隙像素大小，wkn1为所述第一纤维特征的纤维与纤维间的孔隙像素大小，wkn2j为所述第二纤维特征的纤维与纤维间的第j个孔隙像素大小，wkn1j为所述第一纤维特征的纤维与纤维间的第j个孔隙像素大小，ω1,ω2,ω3,ω4为各自的计算权重；
29、所述保暖纤维异常输出单元将所述杂质异常数据、所述图案异常数据和所述保暖性异常数据进行输出；
30、所述第三纤维特征为所述杂质异常数据、所述图案异常数据和所述保暖性异常数据；
31、依据所述第三纤维特征进行归因分析，获取出现问题的生产流程，依据所述生产流程和所述人工纤维面料编号调用对应所述流程编号的所述生产机器数据并分析异常数据；
32、进一步地，依据杂质异常数据、图案异常数据和保暖性异常数据计算未质检通过的所述保暖人工纤维面料在所述生产流程的各环节出现问题的概率，所述概率计算如下：
33、
34、其中，p为所述概率，pi为第i个环节的问题概率，max()为最大值，为第i个环节第k个异常数据，为第i个环节第k个异常参考值；
35、所述异常数据分析依据保暖纤维面料异常机器分析模型获取；
36、所述纤维面料异常机器分析模型包括机器数据输入单元、机器异常特征提取单元、机器异常特征分类单元和机器异常特征输出单元；
37、所述机器数据输入单元将所述生产机器数据进行预处理，生成机器异常输入数据；
38、所述机器异常特征提取单元提取所述机器异常输入数据的时序异常特征，生成机器异常特征数据；所述机器异常特征分类单元将所述机器异常特征数据进行分类，生成机器异常特征；所述机器异常特征输出单元将所述机器异常特征的异常标签进行输出；
39、保暖纤维面料异常机器分析模型采用4层一维卷积层和4个lstm单元获取异常数据，4层一维神经网络包括2层1*5卷积层和2层1*3卷积层，4层所述一维卷积层与4个所述lstm单元进行直连，采用softmax层中进行分类输出；
40、依据所述异常数据对所述生产流程进行优化；
41、本发明还提出了一种纤维面料生产质量监控系统，包括流程编号划分模块、生产机器数据获取模块、保暖人工纤维面料编号标注模块、质检标注数据获取模块、第一纤维特征与第二纤维特征获取模块、第三纤维特征获取模块、异常数据分析模块和流程优化模块，具体为：
42、流程编号划分模块，获取保暖人工纤维面料的生产流程并划分，生成流程编号；
43、生产机器数据获取模块，依据所述流程编号标注所述生产机器数据的编号并进行存储；
44、保暖人工纤维面料编号标注模块，所述保暖人工纤维面料依据所述生产流程进行生产和质检；生产过程中依据所述编号对所述人工纤维面料进行编号标注；
45、质检标注数据获取模块，获取质检通过的所述保暖人工纤维面料，依据所述质检内容获取所述保暖人工纤维面料的质检标准数据；
46、第一纤维特征与第二纤维特征获取模块，获取所述保暖人工纤维面料的第一图像数据，分割所述第一图像数据，生成多个第一保暖面料子图像；依据所述第一保暖面料子图像和所述质检标准数据获取第一纤维特征；获取未质检通过的保暖人工纤维面料并得到第二图像数据，依据所述第二图像数据进行分割，生成多个第二保暖面料子图像；依据所述第二保暖面料子图像和所述质检标准数据获取第二纤维特征；
47、第三纤维特征获取模块，依据所述第一纤维特征和所述第二纤维特征进行特征对比计算，获取第三纤维特征；
48、进一步地，第三纤维特征归因分析为所述第三纤维特征为第一纤维特征与第二纤维特征获取模块获取的杂质异常数据、图案异常数据和保暖性异常数据；
49、依据杂质异常数据、图案异常数据和保暖性异常数据计算未质检通过的所述保暖人工纤维面料在所述生产流程的各环节出现问题的概率，所述概率计算如下：
50、
51、其中，p为所述概率，pi为第i个环节的问题概率，max()为最大值，为第i个环节第k个异常数据，为第i个环节第k个异常参考值；
52、异常数据分析模块，依据所述第三纤维特征进行归因分析，获取出现问题的生产流程，依据所述生产流程和所述人工纤维面料编号调用对应所述流程编号的所述生产机器数据并分析异常数据；
53、进一步地，所述异常数据分析依据保暖纤维面料异常机器分析模型获取；
54、所述纤维面料异常机器分析模型包括机器数据输入单元、机器异常特征提取单元、机器异常特征分类单元和机器异常特征输出单元；
55、所述机器数据输入单元将所述生产机器数据进行预处理，生成机器异常输入数据；
56、所述机器异常特征提取单元提取所述机器异常输入数据的时序异常特征，生成机器异常特征数据；所述机器异常特征分类单元将所述机器异常特征数据进行分类，生成机器异常特征；所述机器异常特征输出单元将所述机器异常特征的异常标签进行输出；
57、流程优化模块，依据所述异常数据对所述生产流程进行优化。
58、与现有技术相比，本发明的有益效果为：
59、1、为了弄清未质检通过的保暖人工纤维面料的产生原因，通过图像检测方法获取质检通过和未质检通过的保暖人工纤维面料的特征数据，依据特征对比获取未质检通过的保暖人工纤维面料的特征数据，基于特征数据可以快速的找到导致未质检通过的主要原因，能够依据主要原因进行后续的归因分析，为后续归因分析和质检通过率提升提供扎实的数据基础。
60、2、基于图像识别的质检通过的第一纤维特征和未质检通过的第二纤维特征，通过特征对比可以准确的获取未质检通过产生异常的特征数据，并依据该特征数据进行归因分析概率计算可以快速准确的获取导致该异常的环节，并能通过编号数据快速的调用存储的生产机器数据进行后续的产线异常分析，以找到出现问题的产线部分进行优化，提升质检通过率。
61、3、为了能够分析生产流程上导致未质检通过的原因，通过保暖人工纤维面料的编号快速调用出现问题的生产流程数据，通过保暖纤维面料异常机器分析模型的异常时序分析，获取导致异常数据的真正原因，并输出对应的结果使相关人员可以尽快地采取对应方案进行优化以避免后续相同问题的产生，提升质检的通过率。
1.一种纤维面料生产质量监控方法，其特征在于，包括：
2.根据权利要求1所述的一种纤维面料生产质量监控方法，其特征在于所述生产机器数据依据固定时间间隔t进行采集，不同所述流程编号的所述生产机器数据采用相同的时间间隔t。
3.根据权利要求1所述的一种纤维面料生产质量监控方法，其特征在于所述第一图像数据和所述第二图像数据的分割方法包括：
4.根据权利要求1所述的一种纤维面料生产质量监控方法，其特征在于，所述第一纤维特征和所述第二纤维特征的获取和特征对比包括：
5.根据权利要求4所述的一种纤维面料生产质量监控方法，其特征在于，所述第三纤维特征为所述杂质异常数据、所述图案异常数据和所述保暖性异常数据。
6.根据权利要求1所述的一种纤维面料生产质量监控方法，其特征在于，所述第三纤维特征归因分析包括：
7.根据权利要求1所述的一种纤维面料生产质量监控方法，其特征在于，生产机器数据的异常数据分析包括：
8.一种纤维面料生产质量监控系统，其特征在于：
9.根据权利要求8所述的一种纤维面料生产质量监控系统，其特征在于，所述第三纤维特征获取模块包括：
10.根据权利要求8所述的一种纤维面料生产质量监控系统，其特征在于，所述异常数据分析模块包括：
