[发明专利]测量纺织用天然纤维包的杂质的水平的方法和测量系统

权利要求书

1.一种用于测量纺织用天然纤维包(10)例如棉花包中的杂质的水平的方法，所述方法包括下述步骤：

a)通过图像获取设备(2)，诸如摄像机，获取所述天然纤维包(10)的至少一个数字图像(20)；

b)通过机器学习算法来计算所述天然纤维包的杂质的水平，所述机器学习算法是基于先前获取的天然纤维包的一幅或多幅数字图像的集合进行训练的。

2.根据权利要求1所述的方法，其中，在步骤b)之前，所述方法包括下述步骤：

a1)通过相似性算法来计算所获取的数字图像(20)的可靠性水平，使得在图像与用于训练所述机器学习算法的一组数字图像相差过大时，针对杂质的水平的计算舍弃所获取的数字图像，并且如有必要，请求新的数字图像。

3.根据权利要求2所述的方法，其中步骤a1)包括下述步骤：

-使用卷积自动编码器处理所获取的数字图像(20)；

-计算所述卷积自动编码器的输出图像的重现误差；

-在所述重现误差高于预定误差阈值时，将所获取的数字图像分类为针对所述杂质的水平的计算待舍弃的图像，并且如有必要，重复数字图像获取。

4.根据权利要求1所述的方法，其中，在步骤b)之前，所述方法包括下述步骤：

a2)将所述图像细分为图像子区域(200)，优选地为方形子区域，将所述子区域转换为黑白的，并且如有必要，应用至少一个去卷积滤波器以减少任何模糊。

5.根据权利要求1所述的方法，其中，所述机器学习算法包括经由神经网络来处理所获取的数字图像(20)的步骤。

6.根据权利要求1所述的方法，其中，所述机器学习算法包括下述步骤：

b1)通过自动编码器卷积神经网络处理所获取的数字图像。

7.根据权利要求6所述的方法，其中，在步骤b1)中，所获取的数字图像被所述自动编码器压缩，并且从所述自动编码器输出的经压缩图像被所述卷积神经网络处理，以计算所获取的数字图像的杂质的水平。

8.根据权利要求4并且根据权利要求6或7所述的方法，其中，步骤b1)的结果包括所获取的数字图像的每个子区域的杂质的水平的百分比估计值，并且所获取的数字图像的杂质的水平是所获取的数字图像的所有子区域的百分比估计值的计算值。

9.根据权利要求8所述的方法，其中，所获取的数字图像的杂质的水平是所获取的数字图像的所有子区域的百分比估计值的平均值。

10.根据权利要求6至9中任一项所述的方法，其中，在步骤a)之前，通过执行至少下述步骤来执行至少一次至少一种机器学习训练算法：

A1)提供多种天然纤维包的数字训练图像的集合；

A2)针对每个数字训练图像，关联用杂质分析工具计算出的对应的杂质的水平，所述杂质分析工具例如是本领域已知的工具，诸如力学式或重量分析式杂质分析工具；

A3)考虑所述数字训练图像的集合的训练子集合，并且利用所述训练子集合来训练所述自动编码器，使得所述自动编码器能够最好地重现天然纤维包的任何数字图像；

A4)至少通过在步骤A3)中未使用的其余数字训练图像的子集合来训练所述卷积神经网络，使得所述卷积神经网络将步骤A2)中的与数字训练图像相关联的杂质的水平作为结果返回。

11.根据权利要求1所述的方法，包括下述步骤：在距所述天然纤维包10至30cm的范围内的距离处，优选地约15cm的距离处，获取所述天然纤维包的数字图像或数字训练图像。

12.根据权利要求1所述的方法，包括下述步骤：以4032×2268像素的最小分辨率获取所述数字图像或数字训练图像。