The Development of Cotton-yarn-quality Predicting System

1. The Neural Network Construction Module 
Developments 
According to the requirements of network mode 
mentioned above, this part was developed by Matlab 
neural network toolbox, in which the Newcf. Function was 
called to design the BP network; finally the designed 
network was packaged into the same function file named 
net.m together with the data pre-designed program and the 
network training program. During the construction and 
training process, the network was activated by transferring 
the external data information and the design of the 
network nodes of hidden layer into the internal of function 
file through a call to this function file, after that the 
network training was completed. 
2. The Modules Developments on Network 
Training and Yarn Quality Prediction
These two parts were developed with the technique of 
VB and Matlab merging programming, the running of 
Matlab application program was controlled by the master 
control program of VB and the data transfer was carried 
out between the environments of VB and Matlab. 
A. The Realization Base of VB and Matlab 
Merging Programming 
ActiveX Automation protocol is a protocol that allows 
one application program (the control side) to control 
another (the server side). As VB could supports the 
ActiveX automation control side protocol and Matlab was 
able to support automated server-side protocol, therefore 
when the ActiveX connection established between them. 
The Matlab command could be called directly in VB 

---

environment, and then the realization of data transfer 
between the two programs followed. 
B. The Network Training Module Developments
The function this module require to be achieved was 
completing the network training and the retention of the 
trained model on the basis of transferring the input 
messages from the network training interface in VB 
environment to the network models in Matlab 
environment as well as making them activated. The 
realization processes were as follows: First, a Matlab. 
application object named MT was created in the VB 
environment so that the ActiveX connection could be 
achieved between VB and Matlab ; then the activation and 
training of the network could be realized on the basement 
of transferring the input messages from the network 
training interface in VB environment to Matlab 
environment by MT.Putfullmatrix method, the call for 
Matlab by MT.Execute method to implement the net.m 
function files and the transfer of data information and the 
setting to the network hidden layer nodes to the network 
through function parameters latter ; After training, the 
trained network model was saved into model base, which 
was available to be called by yarn quality prediction 
module through a call for Matlab program to implement 
the "SAVE" order by MT.Execute method 
[6]
. 
C. The Yarn Quality Predicting Module
The function this module to be realized was 
transferring the fiber quality index value from the 
quality-predicting interface in VB environment to the 
trained network model that loaded in Matlab environment 
to realize the prediction and not only returning the 
prediction results to VB environment but also displaying 
them on quality prediction interface, the above functions 
was realized as follows: after the Matlab application 
object named MT being created in the VB environment, 
the trained network model the user specified was loaded to 
Matlab environment through a call for Matlab to 
implement the "LOAD" command by MT.Execute 
method;Then fiber index value was transferred into 
Matlab environment from the VB environment by 
MT.Putfullmatrix method and passed to the loaded 
network mode after being pre-processed, then the yarn 
quality was predicted through a call for the neural network 
emulation function "SIM". Finally the predicting results 
obtained were processed, transmitted in the VB 
environment by MT.Getfullmatrix method and displayed 
on the quality-predicting interface
[7]
. 
V. M
ODEL 
L
IBRARY 
C
ONSTRUCTING
Cotton yarns with different count were collected from 
several cotton mills within a year, along with the 
corresponding raw cotton information indicators. After 
being analyzed and processed, the data could be used to 
train the network models constructed by this system, and 
then all the trained models were saved in model database 
for the yarn quality prediction. 
VI. T
HE 
I
NSTANCE AND 
A
NALYSIS 
The model"JC18.2T" was called from the model 
library to predict the quality of the JC18.2T yarn produced 
by a factory. The properties of the raw cotton the yarn 
used were summarized in Table 1, while both the 
predictive values and the measured values were shown in 
Table 2; As it could be seen in Table 2, the yarn tenacity 
and its evenness CV％were predicted with the relative 
error of less than 4% by the trained model. Since the 
predicting accuracy was in an acceptable range, the 
predicting results would be useful for guiding yarn 
-spinning practice. 
TABLE I.
THE PROPERTIES OF COTTON FIBER