1.基于模糊PID的塑料膜包装智能调控系统，其特征在于，所述系统包括：

数据采集模块，采集连续多帧塑料膜图像；

托辊伺服电机校正参数获取模块，将塑料膜图像转换为塑料膜二值图像；获取塑料膜二值图像中的高亮区域；将高亮区域的边缘上任意两个边缘点进行连线，将最长的连线作为高亮区域的走向线段；根据塑料膜二值图像中所有高亮区域的走向线段，获取塑料膜二值图像的分布角度特征；根据分布角度特征获取塑料膜二值图像的偏移程度；

获取当前帧塑料膜二值图像的每个高亮区域在前一帧塑料膜二值图像中的多个候选对应区域；根据当前帧塑料膜二值图像的所有高亮区域的候选对应区域获取所有组合方式；获取每种组合方式中，当前帧塑料膜二值图像的每个高亮区域与前一帧塑料膜二值图像中对应的高亮区域之间的走向线段的方向的差异，作为当前帧塑料膜二值图像的每个高亮区域的分布差异；根据分布差异获以及当前帧塑料膜二值图像的每个高亮区域之间的距离获取每种组合方式的评价程度；将评价程度最大的组合方式作为最优组合方式，根据最优组合方式获取连续帧中对应高亮区域的偏差角度；根据偏差角度获取每个托辊的影响程度；根据每个托辊的影响程度获取当前帧每个托辊的衰减参数；

控制量获取模块，构建神经网络，根据当前帧每个托辊的衰减参数设置每个托辊的损失函数；利用神经网络输出控制参数，将控制参数输入到PID控制器中得到控制量；

控制模块，根据控制量对塑料膜包装机所有的托辊的伺服电机的功率进行控制；

所述获取塑料膜二值图像的分布角度特征，包括的步骤为：

塑料膜二值图像的分布角度特征 的表达式为：

其中 为塑料膜二值图像的分布角度特征； 表示塑料膜二值图像中第 个高亮区域的走向线段的像素点个数； 为对 进行归一化的结果； 表示塑料膜二值图像中第 个高亮区域的走向线段的方向角度；表示塑料膜二值图像中高亮区域的个数；

所述根据分布角度特征获取塑料膜二值图像的偏移程度，包括的步骤为：

将塑料膜二值图像的分布角度特征与塑料膜包装机当前托辊位置之间的塑料膜运行方向之间的差异除以360°，得到塑料膜二值图像的偏移程度；

所述获取当前帧塑料膜二值图像的每个高亮区域在前一帧塑料膜二值图像中的多个候选对应区域，包括的步骤为：获取当前帧塑料膜二值图像的每个高亮区域在前一帧塑料膜二值图像中的投影，作为投影高亮区域，将前一帧塑料膜二值图像中距离投影高亮区域最近的多个高亮区域，分别作为当前帧塑料膜二值图像的每个高亮区域的候选对应区域；

所述根据当前帧塑料膜二值图像的所有高亮区域的候选对应区域获取所有组合方式，包括的步骤为：将当前帧塑料膜二值图像的每个高亮区域与高亮区域的任意一个候选对应区域作为一个高亮区域对；将当前帧塑料膜二值图像中的所有高亮区域与前一帧塑料膜二值图像中的高亮区域组成多个高亮区域对，将所有高亮区域对作为一种组合方式，一种组合方式中所有高亮区域对中高亮区域不重叠；

获取所有组合方式；

所述根据分布差异获以及当前帧塑料膜二值图像的每个高亮区域之间的距离获取每种组合方式的评价程度，包括的步骤为：第 种组合方式的评价程度 的计算表达式为：

其中 为第 种组合方式的评价程度；为塑料膜包装机运行时间； 为第 帧塑料膜图像采集的时间； 为第 种组合方式中第 帧塑料膜二值图像的第 个高亮区域与其在第 帧塑料膜二值图像中对应的高亮区域的分布差异；为第 帧塑料膜二值图像中高亮区域的个数； 为第 帧塑料膜二值图像中，第 个高亮区域与距离其最近的高亮区域之间的距离； 为以自然常数为底的指数函数；为超参数；

所述根据最优组合方式获取连续帧中对应高亮区域的偏差角度，包括的步骤为：

获取当前帧塑料膜二值图像的每个高亮区域在前一帧塑料膜二值图像中的投影的质心，获取投影的质心与最优组合方式中当前帧塑料膜二值图像每个高亮区域在前一帧帧塑料膜二值图像中对应的高亮区域的质心的连线，将连线的角度作为当前帧塑料膜二值图像每个高亮区域的偏差角度；

所述根据偏差角度获取每个托辊的影响程度，包括的步骤为：

第 个托辊的影响程度 的计算表达式为：

其中 为第 帧塑料膜二值图像中第 个托辊的影响程度； 为第 帧塑料膜二值图像中第 个高亮区域的偏差角度； 为第 个托辊的方向角度； 为第 帧塑料膜二值图像中高亮区域的个数， 为绝对值符号；

所述根据每个托辊的影响程度获取当前帧每个托辊的衰减参数，包括的步骤为：

将当前帧每个托辊的影响程度除以360°再乘以当前帧塑料膜二值图像的偏移程度，得到当前帧每个托辊的衰减参数；

所述构建神经网络，根据当前帧每个托辊的衰减参数设置每个托辊的损失函数，包括的步骤为：神经网络的拓扑结构为：输入层、模糊化层、模糊推理层以及输出层；将每个托辊的设定速度以及实际速度相减得到误差值，并对误差值进行差分得到误差变化率，将误差值以及误差变化率作为神经网络的输入数据；将每个托辊的三个预测控制参数 作为输出数据；神经网络的训练集为塑料膜包装机历史运行时每个托辊的设定速度以及实际速度的误差值以及误差变化率；神经网络的标签为基于工程实践和专家经验得到的每个托辊的三个控制参数 ；将神经网络的输出用 表示，将神经网络的标签用 表示；

对于训练集中第j帧时刻第w个托辊，优化后的损失函数为：

其中 为训练集中第 帧时刻第 个托辊的损失函数； 为训练集中第 帧时刻第 个托辊的衰减参数； 和 分别表示训练集中第 帧时刻第 个托辊对应的模糊神经网络的标签以及输出。