本发明涉及材料测试与分析技术领域，具体涉及一种纺织面料胚布收卷机人工智能控制方法及系统，通过利用可见光电子设备获取的收卷机的面料作业图像，获取面料胚布灰度图像，对该面料胚布灰度图像进行材料分析和测试，确定各个凸区域和凹区域，进而确定面料的整体凹凸程度，获取各个凸区域和凹区域的脊线以及脊线的斜坡线，确定各个凸区域和凹区域的脊线的曲折程度和峰度，进而确定面料的综合尖锐程度，结合面料的整体凹凸程度和综合尖锐程度，确定面料的平整程度，最终实现对收卷机的对面料的延展张力的控制。由于本发明通过利用材料分析和测试手段，可以准确确定面料的平整程度，最终实现了对面料的延展张力的可靠调整。
1.一种纺织面料胚布收卷机人工智能控制方法，其特征在于，包括以下步骤：获取收卷机的面料作业图像，根据面料作业图像，得到面料胚布图像，进而得到面料胚布灰度图像；
根据面料胚布灰度图像，进行褶皱识别，从而得到各个凸区域和凹区域，进而确定各个凸区域和凹区域的面积；
根据面料胚布灰度图像、各个凸区域和凹区域中各个像素点的灰度值以及各个凸区域和各个凹区域的面积，确定面料的整体凹凸程度；
对各个凸区域和凹区域进行骨架化处理，得到各个凸区域和凹区域的脊线；
根据各个凸区域和凹区域的脊线上各个像素点的像素值，确定各个凸区域和凹区域的脊线的曲折程度；
根据各个凸区域和凹区域的脊线以及脊线上各个像素点的像素值，确定各个凸区域和凹区域的脊线的斜坡线；
根据各个凸区域和凹区域的脊线的斜坡线上各个像素点的灰度值，确定各个凸区域和凹区域的脊线的峰度；
根据各个凸区域和凹区域的脊线的曲折程度和峰度，确定各个凸区域和凹区域的尖锐程度，进而确定面料的综合尖锐程度；
根据面料的整体凹凸程度和综合尖锐程度，确定面料的平整程度，并根据面料的平整程度对收卷机的对面料的延展张力进行控制；当平整程度的值不大于阈值 时，增加收卷机对面料的延展张力，直至平整程度的值大于阈值 时，收卷机保持此时的延展张力。
2.根据权利要求1所述的纺织面料胚布收卷机人工智能控制方法，其特征在于，所述进行褶皱识别，从而得到各个凸区域和凹区域，包括：对面料胚布灰度图像进行边缘检测，从而得到各个的凸区域和各个初始的凹区域；
根据各个初始的凹区域中各个像素点的灰度值，确定各个初始的凹区域对应的灰度方差值；
根据各个初始的凹区域对应的灰度方差值，对各个初始的凹区域进行筛选，从而得到各个凹区域。
3.根据权利要求2所述的纺织面料胚布收卷机人工智能控制方法，其特征在于，所述确定面料的整体凹凸程度，包括：根据面料胚布灰度图像、各个的凸区域和各个初始的凹区域，确定面料胚布灰度图像上的平坦区域；
根据面料胚布灰度图像上的平坦区域中各个像素点的灰度值，确定平坦区域的灰度均值；
计算各个凸区域中各个像素点的灰度值减去平坦区域的灰度均值之后的和值，从而得到各个凸区域的高度；
计算各个凹区域中各个像素点的灰度值减去平坦区域的灰度均值之后的和值，从而得到各个凹区域的深度；
根据各个凸区域的高度、各个凹区域的深度以及各个凸区域和凹区域的面积，计算面料的整体凹凸程度。
4.根据权利要求3所述的纺织面料胚布收卷机人工智能控制方法，其特征在于，计算面料的整体凹凸程度对应的计算公式为：其中，为面料的整体凹凸程度，为第i个凸区域的面积，为第i个凸区域的高度，为第j个凹区域的面积，为第j个凹区域的深度，为凸区域的总数目，为凹区域的总数目。
5.根据权利要求1所述的纺织面料胚布收卷机人工智能控制方法，其特征在于，确定各个凸区域和凹区域的脊线的曲折程度对应的计算公式为：其中，为各个凸区域或凹区域的脊线的曲折程度， 为各个凸区域或凹区域的脊线上第i+1个像素点的灰度值，为各个凸区域或凹区域的脊线上第i个像素点的灰度值，m为各个凸区域或凹区域的脊线上像素点的总数目。
6.根据权利要求1所述的纺织面料胚布收卷机人工智能控制方法，其特征在于，所述确定各个凸区域和凹区域的脊线的斜坡线的步骤包括：根据各个凸区域和凹区域的脊线上各个像素点的像素值，确定各个凸区域的脊线上的最大像素值像素点和各个凹区域的脊线上的最小像素值像素点；
根据各个凸区域和凹区域的脊线以及各个凸区域的脊线上的最大像素值像素点和各个凹区域的脊线上的最小像素值像素点，确定各个凸区域的脊线在其对应最大像素值像素点处的切线的垂线和各个凹区域的脊线在其对应最小像素值像素点处的切线的垂线，从而各个凸区域和凹区域的脊线的斜坡线。
7.根据权利要求6所述的纺织面料胚布收卷机人工智能控制方法，其特征在于，所述确定各个凸区域和凹区域的脊线的峰度，包括：根据各个凸区域和凹区域的脊线的斜坡线上各个像素点的像素值，确定各个凸区域和凹区域的脊线的斜坡线上的像素值均值；
计算各个凸区域和凹区域的脊线的斜坡线上各个像素点的像素值与其对应斜坡线上的像素值均值的差值，从而得到各个凸区域和凹区域的脊线的四阶中心矩和二阶中心矩；
计算各个凸区域和凹区域的脊线的四阶中心矩与其对应的二阶中心矩的平方的比值，从而得到各个凸区域和凹区域的脊线的峰度。
8.根据权利要求7所述的纺织面料胚布收卷机人工智能控制方法，其特征在于，各个凸区域和凹区域的脊线的峰度对应的计算公式为：其中，为各个凸区域或凹区域的脊线的峰度，为各个凸区域或凹区域的脊线的斜坡线上第i个像素点的像素值， 为各个凸区域或凹区域的脊线的斜坡线上的像素值均值，t为各个凸区域或凹区域的脊线的斜坡线上像素点的总数目。
9.根据权利要求1所述的纺织面料胚布收卷机人工智能控制方法，其特征在于，确定面料的平整程度对应的计算公式为：其中， 为面料的平整程度，为面料的整体凹凸程度，为面料的综合尖锐程度。
10.一种纺织面料胚布收卷机人工智能控制系统，其特征在于，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令以实现如上述权利要求1‑9中任一项所述的纺织面料胚布收卷机人工智能控制方法。
纺织面料胚布收卷机人工智能控制方法及系统
技术领域
[0001] 本发明涉及材料测试与分析技术领域，具体涉及一种纺织面料胚布收卷机人工智能控制方法及系统。
背景技术
[0002] 纺织生产是我国发展建设中的重要产业，纺织面料胚布被用于制作成型衣物，在其生产工艺程序中，需要经由面料收卷机进行收卷使其成捆状，防止面料胚布堆放杂乱，避免出现面料被附着污物及出现褶皱等状况。
[0003] 由于纺织面料胚布多由纤维物质组成，在收卷作业过程中，可防皱收卷机需要先对面料伸展，对面料有一定的拉扯力，由于卷芯收卷速度不变时，延展张力不足时，面料较褶皱的位置需要耗费较长时间才能在压实辊的传送下向卷芯输送，会因压实辊来不及输送而有所堆叠，延展张力大了容易使部分面料位置出现纤维拉扯度过大而起毛絮的情况。现有的对面料施加延展张力调节，需要人工根据经验调整，主观性较强，调整可靠性差。
发明内容
[0004] 本发明的目的在于提供一种纺织面料胚布收卷机人工智能控制方法及系统，用于解决现有对面料的延展张力进行调整不可靠的问题。
[0005] 为解决上述技术问题，本发明提供了一种纺织面料胚布收卷机人工智能控制方法，包括以下步骤：
[0006] 获取收卷机的面料作业图像，根据面料作业图像，得到面料胚布图像，进而得到面料胚布灰度图像；
[0007] 根据面料胚布灰度图像，进行褶皱识别，从而得到各个凸区域和凹区域，进而确定各个凸区域和凹区域的面积；
[0008] 根据面料胚布灰度图像、各个凸区域和凹区域中各个像素点的灰度值以及各个凸区域和各个凹区域的面积，确定面料的整体凹凸程度；
[0009] 对各个凸区域和凹区域进行骨架化处理，得到各个凸区域和凹区域的脊线；
[0010] 根据各个凸区域和凹区域的脊线上各个像素点的像素值，确定各个凸区域和凹区域的脊线的曲折程度；
[0011] 根据各个凸区域和凹区域的脊线以及脊线上各个像素点的像素值，确定各个凸区域和凹区域的脊线的斜坡线；
[0012] 根据各个凸区域和凹区域的脊线的斜坡线上各个像素点的灰度值，确定各个凸区域和凹区域的脊线的峰度；
[0013] 根据各个凸区域和凹区域的脊线的曲折程度和峰度，确定各个凸区域和凹区域的尖锐程度，进而确定面料的综合尖锐程度；
[0014] 根据面料的整体凹凸程度和综合尖锐程度，确定面料的平整程度，并根据面料的平整程度对收卷机的对面料的延展张力进行控制。
[0015] 进一步的，所述进行褶皱识别，从而得到各个凸区域和凹区域，包括：
[0016] 对面料胚布灰度图像进行边缘检测，从而得到各个的凸区域和各个初始的凹区域；
[0017] 根据各个初始的凹区域中各个像素点的灰度值，确定各个初始的凹区域对应的灰度方差值；
[0018] 根据各个初始的凹区域对应的灰度方差值，对各个初始的凹区域进行筛选，从而得到各个凹区域。
[0019] 进一步的，所述确定面料的整体凹凸程度，包括：
[0020] 根据面料胚布灰度图像、各个的凸区域和各个初始的凹区域，确定面料胚布灰度图像上的平坦区域；
[0021] 根据面料胚布灰度图像上的平坦区域中各个像素点的灰度值，确定平坦区域的灰度均值；
[0022] 计算各个凸区域中各个像素点的灰度值减去平坦区域的灰度均值之后的和值，从而得到各个凸区域的高度；
[0023] 计算各个凹区域中各个像素点的灰度值减去平坦区域的灰度均值之后的和值，从而得到各个凹区域的深度；
[0024] 根据各个凸区域的高度、各个凹区域的深度以及各个凸区域和凹区域的面积，计算面料的整体凹凸程度。
[0025] 进一步的，计算面料的整体凹凸程度对应的计算公式为：
[0026]
[0027] 其中，为面料的整体凹凸程度，为第i个凸区域的面积，为第i个凸区域的高度，为第j个凹区域的面积，为第j个凹区域的深度，为凸区域的总数目，为凹区域的总数目。
[0028] 进一步的，确定各个凸区域和凹区域的脊线的曲折程度对应的计算公式为：
[0029]
[0030] 其中，为各个凸区域或凹区域的脊线的曲折程度， 为各个凸区域或凹区域的脊线上第i+1个像素点的灰度值，为各个凸区域或凹区域的脊线上第i个像素点的灰度值，m为各个凸区域或凹区域的脊线上像素点的总数目。
[0031] 进一步的，所述确定各个凸区域和凹区域的脊线的斜坡线的步骤包括：
[0032] 根据各个凸区域和凹区域的脊线上各个像素点的像素值，确定各个凸区域的脊线上的最大像素值像素点和各个凹区域的脊线上的最小像素值像素点；
[0033] 根据各个凸区域和凹区域的脊线以及各个凸区域的脊线上的最大像素值像素点和各个凹区域的脊线上的最小像素值像素点，确定各个凸区域的脊线在其对应最大像素值像素点处的切线的垂线和各个凹区域的脊线在其对应最小像素值像素点处的切线的垂线，从而各个凸区域和凹区域的脊线的斜坡线。
[0034] 进一步的，所述确定各个凸区域和凹区域的脊线的峰度，包括：
[0035] 根据各个凸区域和凹区域的脊线的斜坡线上各个像素点的像素值，确定各个凸区域和凹区域的脊线的斜坡线上的像素值均值；
[0036] 计算各个凸区域和凹区域的脊线的斜坡线上各个像素点的像素值与其对应斜坡线上的像素值均值的差值，从而得到各个凸区域和凹区域的脊线的四阶中心矩和二阶中心矩；
[0037] 计算各个凸区域和凹区域的脊线的四阶中心矩与其对应的二阶中心矩的平方的比值，从而得到各个凸区域和凹区域的脊线的峰度。
[0038] 进一步的，各个凸区域和凹区域的脊线的峰度对应的计算公式为：
[0039]
[0040] 其中，为各个凸区域或凹区域的脊线的峰度，为各个凸区域或凹区域的脊线的斜坡线上第i个像素点的像素值， 为各个凸区域或凹区域的脊线的斜坡线上的像素值均值，t为各个凸区域或凹区域的脊线的斜坡线上像素点的总数目。
[0041] 进一步的，确定面料的平整程度对应的计算公式为：
[0042]
[0043] 其中，为面料的平整程度，为面料的整体凹凸程度，为面料的综合尖锐程度。
[0044] 本发明还提供了一种纺织面料胚布收卷机人工智能控制系统，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令以实现上述的纺织面料胚布收卷机人工智能控制方法。
[0045] 本发明具有如下有益效果：通过收卷机的面料作业图像，获取面料胚布灰度图像，对该面料胚布灰度图像进行材料分析和测试，确定各个凸区域和凹区域，进而确定面料的整体凹凸程度，通过获取各个凸区域和凹区域的脊线以及脊线的斜坡线，进而确定各个凸区域和凹区域的脊线的曲折程度和峰度，结合各个凸区域和凹区域的脊线的曲折程度和峰度，确定面料的综合尖锐程度，结合面料的整体凹凸程度和综合尖锐程度，进而确定面料的平整程度，最终实现对收卷机的对面料的延展张力进行控制。由于本发明通过获取收卷机的面料作业图像，并利用材料分析和测试手段，可以准确确定面料的平整程度，最终实现了对面料的延展张力的可靠调整。
附图说明
[0046] 为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0047] 图1为本发明的纺织面料胚布收卷机人工智能控制方法的流程图；
[0048] 图2为本发明实施例中的面料褶皱示意图。
具体实施方式
[0049] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0050] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
[0051] 纺织面料防皱收卷机的延展张力的调节影响面料胚布质量与运行效率，本实施例利用计算机视觉技术，通过对拍摄的面料图像进行处理，根据图像的特征分析，计算面料的平整程度，进而获得伸展面料所需的最佳延展张力，调整收卷机的延展力，使面料伸展至最佳状态，避免面料堆积或扯伤面料。
[0052] 具体的，本实施例提供一种纺织面料胚布收卷机人工智能控制方法，其对应的流程图如图1所示，包括以下步骤：
[0053] 获取收卷机的面料作业图像，根据面料作业图像，得到面料胚布图像，进而得到面料胚布灰度图像；
[0054] 根据面料胚布灰度图像，进行褶皱识别，从而得到各个凸区域和凹区域，进而确定各个凸区域和凹区域的面积；
[0055] 根据面料胚布灰度图像、各个凸区域和凹区域中各个像素点的灰度值以及各个凸区域和各个凹区域的面积，确定面料的整体凹凸程度；
[0056] 对各个凸区域和凹区域进行骨架化处理，得到各个凸区域和凹区域的脊线；
[0057] 根据各个凸区域和凹区域的脊线上各个像素点的像素值，确定各个凸区域和凹区域的脊线的曲折程度；
[0058] 根据各个凸区域和凹区域的脊线以及脊线上各个像素点的像素值，确定各个凸区域和凹区域的脊线的斜坡线；
[0059] 根据各个凸区域和凹区域的脊线的斜坡线上各个像素点的灰度值，确定各个凸区域和凹区域的脊线的峰度；
[0060] 根据各个凸区域和凹区域的脊线的曲折程度和峰度，确定各个凸区域和凹区域的尖锐程度，进而确定面料的综合尖锐程度；
[0061] 根据面料的整体凹凸程度和综合尖锐程度，确定面料的平整程度，并根据面料的平整程度对收卷机的对面料的延展张力进行控制。
[0062] 下面结合具体的实施方式，对上述的纺织面料胚布收卷机人工智能控制方法进行详细介绍。
[0063] 步骤一：获取收卷机上方相机拍摄的图像，语义分割识别面料图像。
[0064] 本实施例需要清晰的面料表面图像，根据面料表面图像特征，计算面料的平整程度，调整收卷机的延展力。所有需要采集收卷机上面料的表面图像，识别出图像中的面料表面的特征信息。
[0065] 为了能清晰的显示出面料表面的褶皱，使用单侧LED灯为光源照明，由于褶皱的存在，光线在褶皱处会形成明暗变化，褶皱越锐利，明暗变化越剧烈，因此可基于这一现象对图像的褶皱特征进行描述，用来区分不同平整度的面料。
[0066] 本实施例采用DNN语义分割的方式来识别分割图像中的目标，该DNN网络的相关内容如下：
[0067] a.使用的数据集为俯视采集的收卷机上面料图像数据集。
[0068] b.需要分割的像素，共分为2类，即训练集对应标签标注过程为：单通道的语义标签，对应位置像素属于背景类的标注为0，属于面料的标注为1。
[0069] c. 网络的任务是分类，所以使用的loss函数为交叉熵损失函数。
[0070] 至此，通过DNN实现了收卷机上面料图像的处理，获得图像中面料表面的连通域信息。
[0071] 步骤二：根据面料图像的特征分析，判断面料的平整程度。
[0072] 根据面料表面平坦区域和褶皱区域的差异，计算出褶皱的凸区域和凹区域，然后分析各褶皱区域内灰度值的变化特征，计算单个褶皱的严重程度。综合得到当前面料的平整程度。
[0073] 本实施例获得面料平整程度的过程为： a）根据Canny边缘检测，计算面料的褶皱中被遮掩的面积。
[0074] b）根据面料褶皱凹区域的特征，区分出真正的褶皱凹区域。
[0075] c）根据各褶皱区域的灰度变化，计算面料的平整程度。
[0076] 以下为具体展开：
[0077] a）根据Canny边缘检测，计算面料的褶皱中被遮掩的面积。
[0078] 面料成褶皱时，呈现的图像灰度是不稳定的。褶皱凹进去的区域灰度值小，褶皱凸出的区域灰度值大，如图2所示。
[0079] 因此先将面料表面图像进行灰度化处理，然后使用中值滤波去除图像中的噪声、杂点，然后使用Canny边缘检测，识别分割出褶皱的凸区域和凹区域，其数量分别为 和 。
[0080] 计算每一个褶皱凸区域的面积，即像素点的数量，获得凸面积集合，再计算每一个褶皱凹区域的面积，获得凹面积集合 。最后计算面料上平坦区域内所有像素点的灰度值，对其求和，取均值为R。
[0081] 由于使用单侧光源照明，褶皱凸区域会产生阴影，阴影可能会处于面料的平坦区域。识别分割时，其可能会被判定为褶皱凹区域，影响面料平整度的计算，因此需要对褶皱凹区域进一步分析。
[0082] b）根据面料褶皱凹区域的特征，区分出真正的褶皱凹区域。
[0083] 已知面料平坦区域在受到阴影影响时，该区域内各像素点的灰度值的数值差异不明显，而褶皱凹区域内各像素点的灰度值会随着凹坑深度向下，而逐渐变小。因此可以根据褶皱凹区域内的灰度值变化，分析出有阴影的平坦区域和褶皱凹区域。
[0084] 首先计算一个褶皱凹区域内所有像素点的灰度值，获得集合 ，n为该区域内像素点的数量。再计算集合 的均值C，由此得到集合 的标准差 ，计算公式如下：
[0085]
[0086] 其中，集合 的标准差 的值越小，说明区域内灰度值的变化越小，面料越平坦。
[0087] 取当前面料上多处平坦区域，计算每处的标准差 ，获得一个集合，再计算此集合的均值 ，以其为阈值。当此处褶皱凹区域的 值小于 时，该区域为平坦区域。当此处褶皱凹区域的 大于 时，该区域为真正的凹陷区域。由此可知真正的褶皱凹区域有 个，且。即褶皱凹区域的面积集合为 。
[0088] c）根据各褶皱区域的灰度变化，计算面料的平整程度。
[0089] 综上获得面料上的所有褶皱凸区域和凹区域，由于各凹凸区域的形状特征不同，对平整度的影响也各不相同。需要分析每一个褶皱对整体平整度的影响。
[0090] 首先取一个凸区域，计算区域内每个像素点的灰度值减去R之后的和值，获得集合，其中 为当前面料上凸区域的数量，集合内的数据可以表示各点凸起的高度。再取一个凹区域，计算区域内每个像素点的灰度值被R减去之后的和值，获得集合，其中 为当前面料上凹区域的数量，集合内的数据可以表示各点凹陷起的深度。
[0091] 至此，可获得当前面料的整体凹凸程度F：
[0092]
[0093] 其中，前一项为各褶皱凸区域面积与其凸起高度的乘积之和，后一项为褶皱凹区域面积与其凹陷深度的乘积之和，以两者的和值来表示当前面料的整体凹凸程度F。
[0094] 然后根据凸区域的高度变化和凹区域的深度变化，计算褶皱整体的尖锐程度。对褶皱区域做细化操作，即将图像的线条从多像素宽度减少到单位像素宽度的过程，也称为骨架化。由此获得褶皱凸区域的峰脊线和凹区域的谷脊线。
[0095] 再分析细化后脊线的灰度值变化，先计算出一个褶皱区域的脊线一端至另一端的灰度值集合 ，其中m表示脊线的长度，即脊线的像素点个数。
[0096] 然后在集合 内使用前面的数值减去其后一个数值，获得脊线波动变化，对其进行求和，取均值G。以G来表示脊线的曲折程度，计算公式如下：
[0097]
[0098] 其中， 表示脊线上一点到下一点的灰度差异，m为脊线上的像素点数目，G为脊线上灰度差异的均值，表示脊线的曲折程度。G的值越大，说明褶皱的峰脊线或者谷脊线越曲折，褶皱程度越大。
[0099] 脊线若为褶皱凸区域的，取脊线上的最大灰度值点。脊线若为褶皱凹区域的，取脊线上的最小灰度值点。在褶皱区域内做垂直于此点处脊线切线的直线，此直线可以表示褶皱峰脊线最高处或者谷脊线最低处左右两边的斜坡。统计此直线一端至另一端的灰度值集合 ，其中t表示两边斜坡的长度。
[0100] 已知峰度是度量数据分布的陡峭程度，峰度值越大分布图越高尖，峰度值越小分布图越矮胖。因此可以通过计算集合 的峰度H，来判断斜坡的陡峭程度。先计算距离集合的平均值 ，获得集合 的中心矩 ，计算公式如下：
[0101]
[0102] 而峰度为四阶中心矩与二阶中心矩平方的比，计算公式如下：
[0103]
[0104] 其中，表示集合 的四阶中心矩，表示集合 的二阶中心矩，表示集合 中第i个值， 为集合 的平均值。峰度H的值越大，褶皱峰脊线最高处或者谷脊线最低处左右两边的斜坡越陡峭。
[0105] 至此获得一个褶皱整体的尖锐程度R，计算公式如下：
[0106]
[0107] 其中，G为褶皱的峰脊线或者谷脊线的曲折程度，H为褶皱峰脊线最高处或者谷脊线最低处左右两边斜坡的陡峭程度，以两者的和值R表示单个褶皱整体的尖锐程度。
[0108] 统计每个褶皱的整体的尖锐程度，获得集合 ，其中 表示所有的褶皱。对其进行求和，计算当前面料的综合尖锐程度Q为：
[0109]
[0110] 综上获得当前面料的平整程度W为：
[0111]
[0112] 其中，F表示当前面料的整体凹凸程度，Q表示当前面料的综合尖锐程度，两者的和值越大，说明面料内褶皱越多、越严重，因此用其反比W表示当前面料的平整程度。
[0113] 步骤三：根据面料的平整程度，调整收卷机对面料的延展张力，使面料伸展至最佳状态。
[0114] 根据上述步骤二得到当前面料的平整程度W，根据实施者的不同需求自行设定一个阈值 ，当平整程度W的值不大于阈值 时，增加收卷机对面料的延展张力，直至平整程度W的值大于阈值 时，收卷机保持此时的延展张力。
[0115] 本实施例还提供了一种纺织面料胚布收卷机人工智能控制系统，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现上述的纺织面料胚布收卷机人工智能控制方法。由于该纺织面料胚布收卷机人工智能控制方法已经在上述内容中进行了详细介绍，此处不再赘述。
[0116] 需要说明的是：以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
