本發(fā)明涉及生產(chǎn)優(yōu)化，特別是一種基于機(jī)器學(xué)習(xí)優(yōu)化的高性能聚乙烯醇薄膜制備方法。

背景技術(shù)：

1、聚乙烯醇薄膜因其獨(dú)特的物理和化學(xué)性質(zhì)，在多個(gè)行業(yè)中都有廣泛的應(yīng)用，制備聚乙烯醇薄膜的性能尤為重要。

2、在制備高性能聚乙烯醇薄膜的現(xiàn)有技術(shù)中，大多從原料和配比上進(jìn)行優(yōu)化改良，而聚乙烯醇薄膜的性能受到原料質(zhì)量和配比的影響之外，其制備設(shè)備的參數(shù)同樣影響最終聚乙烯醇薄膜的性能，若制備薄膜的設(shè)備的參數(shù)設(shè)定不合理，比如擠出機(jī)的熔融溫度、牽引機(jī)的牽引速度等等，都會(huì)導(dǎo)致薄膜出現(xiàn)各種缺陷，比如僵塊缺陷、條紋缺陷和死皺缺陷等等，這些缺陷都會(huì)極大降低薄膜的性能，因此，要制備出高性能聚乙烯醇薄膜，如何獲取到合適的設(shè)備參數(shù)成為現(xiàn)有技術(shù)中亟需解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明為解決現(xiàn)有技術(shù)中存在的技術(shù)問(wèn)題，本發(fā)明提供了一種基于機(jī)器學(xué)習(xí)優(yōu)化的高性能聚乙烯醇薄膜制備方法，具體包括以下步驟：

2、通過(guò)第一圖像獲取裝置、第二圖像獲取裝置和第三圖像獲取裝置分別獲取多張預(yù)制備薄膜圖像，根據(jù)預(yù)制備薄膜圖像的獲取裝置來(lái)源進(jìn)行分類；

3、將預(yù)制備薄膜圖像輸入至yolov5改進(jìn)模型中逐一檢測(cè)對(duì)應(yīng)的預(yù)制備薄膜圖像是否存在缺陷，并根據(jù)預(yù)制備薄膜圖像的類型判斷缺陷類型；

4、分析第一圖像獲取裝置所獲取的預(yù)制備薄膜圖像所對(duì)應(yīng)的第一缺陷程度qc1、第二圖像獲取裝置所獲取的預(yù)制備薄膜圖像所對(duì)應(yīng)的第二缺陷程度qc2以及第三圖像獲取裝置所獲取的預(yù)制備薄膜圖像所對(duì)應(yīng)的第三缺陷程度qc3；

5、根據(jù)第一缺陷程度、第二缺陷程度和第三缺陷程度通過(guò)經(jīng)過(guò)預(yù)訓(xùn)練的深度學(xué)習(xí)模型得到設(shè)備優(yōu)化參數(shù)；

6、所述yolov5改進(jìn)模型通過(guò)以預(yù)先收集的大量聚乙烯醇薄膜缺陷圖像對(duì)結(jié)構(gòu)修改后的預(yù)訓(xùn)練yolov5s網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到；

7、所述結(jié)構(gòu)修改后的預(yù)訓(xùn)練yolov5s網(wǎng)絡(luò)模型的具體修改方式包括：

8、將預(yù)訓(xùn)練yolov5網(wǎng)絡(luò)模型的主干網(wǎng)絡(luò)中最后一層的c3模塊替換為swin-transformer模塊進(jìn)行融合；

9、在預(yù)訓(xùn)練yolov5網(wǎng)絡(luò)模型的主干網(wǎng)絡(luò)中的sppf模塊后接入ca注意力機(jī)制模塊，以及在預(yù)訓(xùn)練yolov5網(wǎng)絡(luò)模型的特征混合層中的最終的c3模塊后接入ca注意力機(jī)制模塊。

10、進(jìn)一步地，所述預(yù)訓(xùn)練yolov5網(wǎng)絡(luò)模型的獲取方式，具體為：在coco大型目標(biāo)檢測(cè)數(shù)據(jù)集上訓(xùn)練yolov5網(wǎng)絡(luò)，得到一個(gè)預(yù)訓(xùn)練yolov5網(wǎng)絡(luò)模型。

11、進(jìn)一步地，所述swin-transformer模塊包括：歸一化層、窗口多頭注意力模塊、位移窗口自注意模塊和多層感知機(jī)。

12、進(jìn)一步地，所述第一圖像獲取裝置、第二圖像獲取裝置和第三圖像獲取裝置對(duì)應(yīng)不同的設(shè)備布局，具體為：

13、所述第一圖像獲取裝置的光源裝置設(shè)于薄膜下方并且照射角度垂直于薄膜，所述第一圖像獲取裝置的攝影裝置設(shè)于薄膜上方并且拍攝角度垂直于薄膜；

14、所述第二圖像獲取裝置的光源裝置設(shè)于薄膜下方并且照射角度正對(duì)于薄膜，所述第二圖像獲取裝置的攝影裝置設(shè)于薄膜上方并且拍攝角度與薄膜之間存在預(yù)設(shè)夾角；

15、所述第三圖像獲取裝置的光源裝置與攝影裝置以“v”字形設(shè)于薄膜上方。

16、進(jìn)一步地，所述根據(jù)預(yù)制備薄膜圖像的獲取裝置來(lái)源進(jìn)行分類，具體為：

17、若所述預(yù)制備薄膜圖像通過(guò)第一圖像獲取裝置，則對(duì)應(yīng)預(yù)制備薄膜圖像屬于僵塊缺陷檢測(cè)圖像；

18、若所述預(yù)制備薄膜圖像通過(guò)第二圖像獲取裝置，則對(duì)應(yīng)預(yù)制備薄膜圖像屬于條紋缺陷檢測(cè)圖像；

19、若所述預(yù)制備薄膜圖像通過(guò)第三圖像獲取裝置，則對(duì)應(yīng)預(yù)制備薄膜圖像屬于死皺缺陷檢測(cè)圖像。

20、進(jìn)一步地，所述根據(jù)預(yù)制備薄膜圖像的類型判斷缺陷類型，具體為：

21、若所述預(yù)制備薄膜圖像為僵塊缺陷檢測(cè)圖像，則檢測(cè)到的缺陷的缺陷類型屬于僵塊缺陷；

22、若所述預(yù)制備薄膜圖像為活皺缺陷檢測(cè)圖像，則檢測(cè)到的缺陷的缺陷類型屬于活皺缺陷；

23、若所述預(yù)制備薄膜圖像為死皺缺陷檢測(cè)圖像，則檢測(cè)到的缺陷的缺陷類型屬于死皺缺陷。

24、進(jìn)一步地，所述第一缺陷程度、第二缺陷程度和第三缺陷程度的具體計(jì)算公式分別為：

25、

26、

27、

28、k11和k12分別表示為用于分析第一缺陷程度的預(yù)設(shè)第一權(quán)重和預(yù)設(shè)第二權(quán)重，且k11+k12=1，p1表示為由第一圖像獲取裝置所獲取的存在缺陷的預(yù)制備薄膜圖像的總數(shù)量，n1表示為由第一圖像獲取裝置所獲取的預(yù)制備薄膜圖像的總數(shù)量，xs1表示為在第一圖像獲取裝置所獲取的存在缺陷的所有預(yù)制備薄膜圖像中的缺陷區(qū)域的總像素格數(shù)，s1表示為第一圖像獲取裝置所獲取的所有預(yù)制備薄膜圖像的總像素格數(shù)；

29、k21和k22分別表示為用于分析第二缺陷程度的預(yù)設(shè)第一權(quán)重和預(yù)設(shè)第二權(quán)重，且k21+k22=1，p2表示為由第二圖像獲取裝置所獲取的存在缺陷的預(yù)制備薄膜圖像的總數(shù)量，n2表示為由第二圖像獲取裝置所獲取的預(yù)制備薄膜圖像的總數(shù)量，xs2表示為在第二圖像獲取裝置所獲取的存在缺陷的所有預(yù)制備薄膜圖像中的缺陷區(qū)域的總像素格數(shù)，s2表示為第二圖像獲取裝置所獲取的所有預(yù)制備薄膜圖像的總像素格數(shù)；

30、k31和k32分別表示為用于分析第三缺陷程度的預(yù)設(shè)第一權(quán)重和預(yù)設(shè)第二權(quán)重，且k31+k32=1，p3表示為由第三圖像獲取裝置所獲取的存在缺陷的預(yù)制備薄膜圖像的總數(shù)量，n3表示為由第三圖像獲取裝置所獲取的預(yù)制備薄膜圖像的總數(shù)量，xs3表示為在第三圖像獲取裝置所獲取的存在缺陷的所有預(yù)制備薄膜圖像中的缺陷區(qū)域的總像素格數(shù)，s3表示為第三圖像獲取裝置所獲取的所有預(yù)制備薄膜圖像的總像素格數(shù)。

31、進(jìn)一步地，所述設(shè)備優(yōu)化參數(shù)包括擠出機(jī)熔融區(qū)優(yōu)化溫度和牽引裝置優(yōu)化牽引速度。

32、進(jìn)一步地，所述結(jié)構(gòu)修改后的預(yù)訓(xùn)練yolov5s網(wǎng)絡(luò)模型的具體修改方式還包括：將預(yù)訓(xùn)練yolov5網(wǎng)絡(luò)模型的檢測(cè)層的耦合預(yù)測(cè)頭替換為解耦頭。

33、進(jìn)一步地，所述解耦頭先使用一個(gè)1×1卷積將特征通道減少到256，再使用兩個(gè)3×3卷積分別作用于分類任務(wù)和回歸任務(wù)。

34、相比于現(xiàn)有技術(shù)，本發(fā)明的有益效果在于：

35、本發(fā)明通過(guò)第一圖像獲取裝置、第二圖像獲取裝置和第三圖像獲取裝置分別獲取多張預(yù)制備薄膜圖像，根據(jù)預(yù)制備薄膜圖像的獲取裝置來(lái)源進(jìn)行分類后，再以引入了swin-transformer模塊和ca注意力機(jī)制的yolov5改進(jìn)模型根據(jù)每一類的圖像進(jìn)行對(duì)應(yīng)缺陷存在的判斷，提升了每一類缺陷的識(shí)別精度，并根據(jù)每類缺陷的缺陷程度通過(guò)經(jīng)過(guò)預(yù)訓(xùn)練的深度學(xué)習(xí)模型優(yōu)化設(shè)備的參數(shù)，減少薄膜缺陷，進(jìn)而提高制備出的聚乙烯醇薄膜性能；

36、本發(fā)明根據(jù)不同類型的缺陷設(shè)置不同設(shè)備布局的圖像獲取裝置，分別對(duì)不同的圖像獲取裝置所獲取的圖像針對(duì)性的判斷缺陷，避免在同一圖像上識(shí)別不同的缺陷類型，進(jìn)而提高每種類型的識(shí)別準(zhǔn)確性，進(jìn)而提高設(shè)備優(yōu)化參數(shù)的準(zhǔn)確性；

37、本發(fā)明通過(guò)將yolov5網(wǎng)絡(luò)模型的主干網(wǎng)絡(luò)中最后一層的c3模塊替換為swin-transformer模塊，通過(guò)swin-transformer的自注意力機(jī)制有助于模型更好地理解圖像內(nèi)容，同時(shí)通過(guò)窗口劃分和層次化的設(shè)計(jì)，能夠有效地?cái)U(kuò)大模型的感受野，使得模型能夠捕捉到更大范圍的上下文信息，更高效地提取圖像特征，以及通過(guò)窗口多頭注意力模塊使用基于窗口的計(jì)算策略，顯著減少了計(jì)算量和復(fù)雜度，提升缺陷識(shí)別的準(zhǔn)確性以及識(shí)別效率；

38、本發(fā)明通過(guò)引入ca注意力機(jī)制模塊，以ca注意力機(jī)制加強(qiáng)模型對(duì)重要特征的注意力，提高網(wǎng)絡(luò)對(duì)關(guān)鍵信息的敏感度，從而提升模型的性能，從而提升缺陷識(shí)別的準(zhǔn)確性，進(jìn)而提升設(shè)備優(yōu)化參數(shù)的準(zhǔn)確性。