基于机器学习的瓷砖原料研磨方法和系统

本发明涉及瓷砖生产，尤其涉及一种基于机器学习的瓷砖原料研磨方法和系统。

背景技术：

1、瓷砖是一种常见的建筑材料，瓷砖具有耐磨、防水、易清洁等特点，因此广泛应用于住宅、商业建筑、公共设施和景观工程等领域、在瓷砖生产中，原料研磨是一个重要的工艺环节，用于将原料进行细磨和混合，以获得所需的颗粒大小和均匀性。

2、现有的瓷砖生产用研磨方法多为基于经验的研磨方法，根据长期的研磨经验，人工调整研磨的时长、原料比例和研磨机的参数进行原料研磨，实际应用中，基于经验的研磨方法需要操作人员拥有多年的研磨经验，研磨的种类较为单一，无法精准的预测原料研磨后得到的泥料性质，可能导致对瓷砖原料进行研磨时的效率较低。

技术实现思路

1、本发明提供一种基于机器学习的瓷砖原料研磨方法和系统，其主要目的在于解决导致对瓷砖原料进行研磨时的效率较低的问题。

2、为实现上述目的，本发明提供的一种基于机器学习的瓷砖原料研磨方法，包括：

3、按照预设的研磨周期将瓷砖原料研磨记录拆分成研磨记录集，获取所述研磨记录集对应的瓷砖原料样本集和研磨泥料样本集，将所述研磨记录集数据清洗成标准研磨数据集；

4、分别从所述标准研磨数据集中提取出球磨机型特征集、研磨介质特征集、研磨比例特征集以及研磨模式特征集，依次对所述瓷砖原料样本集进行光谱成像和成分匹配操作，得到原料成分集；

5、对所述瓷砖原料样本集进行电镜成像，得到原料结构图集，对所述研磨泥料样本集进行电镜成像，得到泥料结构图集，根据所述原料成分集从所述原料结构图集中提取出原料特征集，根据所述原料成分集从所述泥料结构图集中提取出泥料特征集，其中，所述根据所述原料成分集从所述原料结构图集中提取出原料特征集，包括：逐个选取所述原料成分集中的原料成分作为目标原料成分，从所述原料结构图集中筛选出所述目标原料成分对应的原料结构图片作为目标原料结构图片；对所述目标原料结构图片进行色彩分析，得到原料色彩特征，将所述目标原料结构图片均匀分割成原料结构图块集；利用如下的结构滤波算法对所述原料结构图块集中的各个原料结构图块进行卷积操作，得到图块原料结构特征集：

6、

7、其中，g(x,y)是指以所述原料结构图块中的坐标为(x,y)的像素为滤波卷积核中心进行滤波得到的图块原料结构特征，x是所述滤波卷积核中心的像素的横坐标，y是所述滤波卷积核中心的像素的纵坐标，exp()是指数函数，cos为余弦函数，θ是所述结构滤波算法的滤波方向，sin是正弦函数，γ是指所述原料结构图块的纵横比，σ是指所述结构滤波算法的滤波尺度，π是圆周率，μ是指所述结构滤波算法的滤波波长，是指所述结构滤波算法的滤波相位；根据所述目标原料成分对所述图块原料结构特征集进行成分识别，得到图块成分集；根据所述图块成分集对所述原料结构图片进行成分标注，得到原料成分图片；从所述原料成分图片中提取出成分尺寸特征，根据所述图块成分结构特征集生成原料结构特征；将所述原料色彩特征、所述原料尺寸特征以及所述原料结构特征汇集成原料特征，将所有的原料特征汇集成原料特征集；

8、根据所述原料特征集、所述球磨机型特征集、所述研磨介质特征集、所述研磨比例特征集以及所述研磨模式特征集生成研磨参数组集，利用所述研磨参数组集和所述泥料特征集将预设的研磨分析模型训练成研磨泥料模型；

9、获取实时瓷砖原料和实时生产需求，从所述实时生产需求中提取出需求泥料特征，利用所述研磨泥料模型分析出所述实时瓷砖原料和所述需求泥料特征对应的实时研磨参数组，根据所述实时研磨参数组对所述实时瓷砖原料进行研磨。

10、可选地，所述将所述研磨记录集数据清洗成标准研磨数据集，包括：

11、对所述研磨记录集中的各个研磨记录进行单位归一化操作，得到规格研磨记录集；

12、对所述规格研磨记录集中的各个研磨记录进行哈希编码，得到研磨哈希编码集，对所述研磨哈希编码集进行重复性检测，得到重复研磨记录组；

13、从所述规格研磨记录集中删除所述重复研磨记录组，得到去重研磨记录集；

14、逐个选取所述去重研磨记录集中的研磨记录数据作为目标研磨数据，根据数据类型对所述目标研磨数据中的各个数据进行离群数据检测，得到离群结果；

15、判断所述离群结果是否大于预设的离群阈值；

16、若是，则将所述目标研磨数据从所述去重研磨数据集中删除，返回所述逐个选取所述去重研磨记录集中的研磨记录数据作为目标研磨数据的步骤，直至所述目标研磨数据是所述去重研磨数据集中的最后一个研磨数据时，将更新后的去重研磨数据集作为标准研磨数据集；

17、若否，则返回所述逐个选取所述去重研磨记录集中的研磨记录数据作为目标研磨数据的步骤，直至所述目标研磨数据是所述去重研磨数据集中的最后一个研磨数据时，将更新后的去重研磨数据集作为标准研磨数据集。

18、可选地，所述分别从所述标准研磨数据集中提取出球磨机型特征集、研磨介质特征集、研磨比例特征集以及研磨模式特征集，包括：

19、逐个选取所述标准研磨数据集中的标准研磨数据作为目标标准研磨数据，按照数据类型将所述目标标准研磨数据拆分成文本研磨数据和时间戳研磨数据；

20、依次对所述目标文本研磨数据进行文本分词、停用词过滤和文本向量化操作，得到文本研磨向量集；

21、利用余弦相似度算法对所述文本研磨向量集中的各文本研磨向量进行关键词向量匹配操作，得到球磨机机型词向量集、研磨介质词向量集以及研磨比例词向量集；

22、将所述球磨机型词向量集融合成球磨机型特征、将所述研磨介质词向量集融合成研磨介质特征、将所述研磨比例词向量集融合成研磨比例特征；

23、利用预设的时序模式算法从所述时间戳研磨数据中提取出研磨模式特征；

24、将所有的球磨机型特征汇集成球磨机型特征集，将所有的研磨介质特征汇集成研磨介质特征，将所有的研磨比例特征汇集成研磨比例特征集，将所有的研磨模式特征汇集成研磨模式特征集。

25、可选地，所述利用预设的时序模式算法从所述时间戳研磨数据中提取出研磨模式特征，包括：

26、按照时序对所述时间戳研磨数据进行排列，得到时序研磨数据；

27、对所述实时研磨数据进行趋势转化，得到研磨转速曲线；

28、利用如下的时序模式算法将所述研磨转速曲线转化成研磨转速频域：

29、

30、其中，t(k)是指所述研磨转速曲线中第k个频率的振幅，k是指频率序号，n是时间序号，n是指所述研磨转速曲线的时间长度，w(n)是汉宁窗函数在n时刻的权重值，t(n)是所述研磨转速曲线在频率为n时的振幅，exp()是指数函数，i是虚数符号，π是圆周率符号，γ是相位偏移参数；

31、分别从所述研磨转速频域中提取出转速峰值频率、转速频谱能量、转速频带能量以及转速频率变化率；

32、将所述转速峰值频率、所述转速频谱能量、所述转速频带能量以及所述转速频率变化率汇集成研磨模式特征。

33、可选地，所述依次对所述瓷砖原料样本集进行光谱成像和成分匹配操作，得到原料成分集，包括：

34、逐个选取所述瓷砖原料样本集中的瓷砖原料样本作为目标瓷砖原料样本，对所述目标瓷砖原料样本进行清洗操作，得到清洁原料样本；

35、将所述清洁原料样本烘干成标准瓷砖原料样本，对所述标准瓷砖原料样本进行光谱成像操作，得到原料光谱图片；

36、利用快速傅里叶变换的方法将所述原料光谱图片转化成原料光谱频域；

37、对所述原料光谱频域进行频率特征提取，得到原料频率特征组；

38、利用预设的元素频率特征库对所述原料频率特征组进行特征匹配操作，得到成分类型集；

39、根据所述原料光谱频域对所述成分类型集进行幅值能量测定，得到原料成分集。

40、可选地，所述根据所述目标原料成分对所述图块原料结构特征集进行成分识别，得到图块成分集，包括：

41、逐个选取所述图块原料结构特征集中的图块原料结构特征作为目标图块原料结构特征，对所述目标图块原料结构特征进行多级卷积操作，得到目标卷积原料结构特征；

42、对所述目标卷积原料结构特征进行多级池化操作，得到目标池化原料结构特征；

43、依次对所述目标池化原料结构特征进行全连接操作和非极大值抑制操作，得到目标原料边界框；

44、从所述目标原料成分中筛选出所述目标原料边界框的成分概率对应的成分作为目标图块成分，将所有的目标图块成分汇集成图块成分集。

45、可选地，所述根据所述原料特征集、所述球磨机型特征集、所述研磨介质特征集、所述研磨比例特征集以及所述研磨模式特征集生成研磨参数组集，包括：

46、逐个选取所述原料特征集中的原料特征作为目标原料特征，从所述球磨机型特征集中筛选出所述目标原料特征对应的球磨机型特征作为目标球磨机型特征；

47、从所述研磨介质特征集中筛选出所述目标原料特征对应的研磨介质特征作为目标研磨介质特征，从所述研磨比例特征集中筛选出所述目标原料特征对应的研磨比例特征作为目标研磨比例特征；

48、从所述研磨模式特征集中筛选出所述目标原料特征对应的研磨模式特征作为目标研磨模式特征；

49、将所述目标原料特征、所述目标球磨机型特征、所述目标研磨介质特征、所述目标研磨比例特征以及所述目标研磨模式特征汇集成研磨参数组，将所有的研磨参数组汇集成研磨参数组集。

50、可选地，所述利用所述研磨参数组集和所述泥料特征集将预设的研磨分析模型训练成研磨泥料模型，包括：

51、利用预设的研磨分析模型计算出所述研磨参数组集对应的预测泥料特征集；

52、计算出所述预测泥料特征集和所述泥料特征集之间的损失值；

53、判断所述损失值是否大于预设的损失阈值；

54、若是，则利用梯度下降算法根据所述损失值对所述研磨分析模型的模型参数进行更新，并返回所述利用预设的研磨分析模型计算出所述研磨参数组集对应的预测泥料特征集的步骤；

55、若否，则将更新后的所述研磨分析模型作为研磨泥料模型。

56、可选地，所述从所述实时生产需求中提取出需求泥料特征，包括：

57、依次对所述实时生产需求进行文本分词、停用词检测以及文本向量化操作，得到生产需求向量集；

58、对所述生产需求向量集进行颜色关键词向量匹配，得到需求颜色特征；

59、对所述生产需求向量集进行尺寸关键词向量匹配，得到需求尺寸特征；

60、对所述生产需求向量集进行结构关键词向量匹配，得到需求结构特征；

61、将所述需求颜色特征、所述需求尺寸特征以及所述需求结构特征汇集成需求泥料特征。

62、为了解决上述问题，本发明还提供一种基于机器学习的瓷砖原料研磨系统，所述系统包括：

63、数据清洗模块，用于按照预设的研磨周期将瓷砖原料研磨记录拆分成研磨记录集，获取所述研磨记录集对应的瓷砖原料样本集和研磨泥料样本集，将所述研磨记录集数据清洗成标准研磨数据集；

64、成分匹配模块，用于分别从所述标准研磨数据集中提取出球磨机型特征集、研磨介质特征集、研磨比例特征集以及研磨模式特征集，依次对所述瓷砖原料样本集进行光谱成像和成分匹配操作，得到原料成分集；

65、特征提取模块，用于对所述瓷砖原料样本集进行电镜成像，得到原料结构图集，对所述研磨泥料样本集进行电镜成像，得到泥料结构图集，根据所述原料成分集从所述原料结构图集中提取出原料特征集，根据所述原料成分集从所述泥料结构图集中提取出泥料特征集，其中，所述根据所述原料成分集从所述原料结构图集中提取出原料特征集，包括：逐个选取所述原料成分集中的原料成分作为目标原料成分，从所述原料结构图集中筛选出所述目标原料成分对应的原料结构图片作为目标原料结构图片；对所述目标原料结构图片进行色彩分析，得到原料色彩特征，将所述目标原料结构图片均匀分割成原料结构图块集；利用如下的结构滤波算法对所述原料结构图块集中的各个原料结构图块进行卷积操作，得到图块原料结构特征集：

66、

67、其中，g(x,y)是指以所述原料结构图块中的坐标为(x,y)的像素为滤波卷积核中心进行滤波得到的图块原料结构特征，x是所述滤波卷积核中心的像素的横坐标，y是所述滤波卷积核中心的像素的纵坐标，exp()是指数函数，cos为余弦函数，θ是所述结构滤波算法的滤波方向，sin是正弦函数，γ是指所述原料结构图块的纵横比，σ是指所述结构滤波算法的滤波尺度，π是圆周率，μ是指所述结构滤波算法的滤波波长，是指所述结构滤波算法的滤波相位；根据所述目标原料成分对所述图块原料结构特征集进行成分识别，得到图块成分集；根据所述图块成分集对所述原料结构图片进行成分标注，得到原料成分图片；从所述原料成分图片中提取出成分尺寸特征，根据所述图块成分结构特征集生成原料结构特征；将所述原料色彩特征、所述原料尺寸特征以及所述原料结构特征汇集成原料特征，将所有的原料特征汇集成原料特征集；

68、模型训练模块，用于根据所述原料特征集、所述球磨机型特征集、所述研磨介质特征集、所述研磨比例特征集以及所述研磨模式特征集生成研磨参数组集，利用所述研磨参数组集和所述泥料特征集将预设的研磨分析模型训练成研磨泥料模型；

69、研磨生产模块，用于获取实时瓷砖原料和实时生产需求，从所述实时生产需求中提取出需求泥料特征，利用所述研磨泥料模型分析出所述实时瓷砖原料和所述需求泥料特征对应的实时研磨参数组，根据所述实时研磨参数组对所述实时瓷砖原料进行研磨。

70、本发明实施例通过按照预设的研磨周期将瓷砖原料研磨记录拆分成研磨记录集，获取所述研磨记录集对应的瓷砖原料样本集和研磨泥料样本集，可以方便对比研磨前后瓷砖原料的结构差异并提取泥料的特征，通过将所述研磨记录集数据清洗成标准研磨数据集，可以提高后续模型训练的准确性，通过分别从所述标准研磨数据集中提取出球磨机型特征集、研磨介质特征集、研磨比例特征集以及研磨模式特征集，可以提取出每次原料研磨时各种研磨影响参数的特征，通过依次对所述瓷砖原料样本集进行光谱成像和成分匹配操作，得到原料成分集，可以识别出瓷砖原料的组成和元素比例，提高了后续模型训练的精确度，通过对所述瓷砖原料样本集进行电镜成像，得到原料结构图集，对所述研磨泥料样本集进行电镜成像，得到泥料结构图集，根据所述原料成分集从所述原料结构图集中提取出原料特征集，根据所述原料成分集从所述泥料结构图集中提取出泥料特征集，可以利用电镜成像的方法提取研磨前后瓷砖原料中各个成分的形状、颜色以及大小特征，从而方便后续针对不同的泥料需求使用不同的研磨方法。

71、通过根据所述原料特征集、所述球磨机型特征集、所述研磨介质特征集、所述研磨比例特征集以及所述研磨模式特征集生成研磨参数组集，利用所述研磨参数组集和所述泥料特征集将预设的研磨分析模型训练成研磨泥料模型，可以得到研磨过程中各种研磨参数与研磨结束后泥料的物理化学性质之间的关系模型，从而方便后续的研磨方法的生成，通过获取实时瓷砖原料和实时生产需求，从所述实时生产需求中提取出需求泥料特征，利用所述研磨泥料模型分析出所述实时瓷砖原料和所述需求泥料特征对应的实时研磨参数组，根据所述实时研磨参数组对所述实时瓷砖原料进行研磨，可以根据对瓷砖泥料不同的结构、颜色以及尺寸需求自动调节研磨时的研磨参数，提高了瓷砖生产时原料研磨的效率。因此本发明提出的基于机器学习的瓷砖原料研磨方法和系统，可以解决导致对瓷砖原料进行研磨时的效率较低的问题。