在纺织行业中,含水率对于纺织品性能来说是一项非常重要的参数,与纺织品的生产环节中的各项工艺的稳定性关系极其密切。因此,研究非接触、无损、实时性、测量精度高,能应用到纺织物联网中的纺织品湿度检测技术,对提升生产线整体上与互联网融合的能力,实现智能化工厂,加快纺织物联网建设有着重要意义。微波检测是利用微波技术对纺织品中水分含量进行检测的一种检测手段,微波检测,尤其是空间法,相对于常规的纺织品湿度检测手段,具有实时、在线、无损伤等特点,越来越受到研究者的关注。但是现有的方法面临很多问题。首先,利用空间微波法来检测纺织品湿度的研究中,为了获得高穿透信号功率并最小化多径效应,对被测样品的形状有限制。其次,目前的微波法大多数采用单频点,所建立的信号衰减或相移所引起的水分含量和介电值之间的关系模型将其能检测的含水量值限制在相当窄的范围内。另外,现阶段的研究只针对一种型号的纺织品,对于不同材质和尺寸参数的纺织品进行湿度检测还需要另外建立模型,这在实际中需要耗费大量的时间。本文中,我们提出将超宽带天线分别与支持向量机、深度置信网络相结合,来解决现阶段纺织品微波湿度检测存在的问题。在进行纱卷介电性能和微波检测相关原理的研究基础上,本论文首先进行了纺织品湿度微波检测系统总体结构设计,检测系统主要包括微波信号源、超宽带天线、微波衰减信号采集电路和纺织品湿度微波检测数据处理模块等。接着进行了纺织品湿度回归算法的模块设计,由微波数据预处理、微波数据特征提取、湿度回归模型训练和模型优化等四个模块组成。首先,为打破受测试样品的尺寸和湿度范围限制的局限性,我们提出了一种基于UWB-SVR模型的纺织品湿度回归算法,该模型采用支持向量回归模型(-SVR)和超宽带天线(UWB)系统来检测被广泛应用于纺织行业的、宽湿度水分含量范围内的纱卷的湿度。与传统微波湿度检测中使用的单频点天线相比,UWB具有很宽的工作频带和更好的性能。因此,超宽带天线可以获取足够的纺织品湿度特征数据来结合机器学习算法建立纺织品湿度模型,实现在不受测试样品尺寸限制的情况下实现宽湿度范围纺织品的湿度回归。但是,基于UWB-SVR模型的纺织品湿度回归算法在回归中存在个别测试样本误差相对较大的情况,而且其对不同尺寸和材质参数纺织品建立的联合湿度回归模型误差过大,并不适用于对各种纺织原料和成品进行联合湿度检测和控制。进一步,本文还基于超宽带天线(UWB)和深度置信网络(DBN)设计了基于UWB-DBN模型的纺织品湿度回归算法,来克服基于UWB-SVR模型的纺织品湿度回归算法回归时个别测试样本误差相对较大的缺点,提高纺织品湿度回归的稳定性,进行纺织品尺寸和材料参数无关性的湿度回归分析研究。本文通过仿真和实验方法进行了算法的验证。利用CST Microwave Studio建立了仿真系统,进行纱卷湿度仿真,并利用超宽带天线、矢量网络分析仪、转盘、吸波材料等搭建了纱卷湿度微波检测系统进行实验。在收集数据后,分别使用多元线性回归、BP神经网络、基于UWB-SVR模型的湿度回归算法和基于UWB-DBN模型的湿度回归算法进行数据分析,并对结果进行对比。结果表明基于UWB-SVR模型的湿度回归算法准确的实现了纱卷湿度回归,解决了现有微波湿度检测方法中对测试样品的尺寸和湿度范围有限制的问题。基于UWB-DBN模型的湿度回归算法不仅克服了基于UWB-SVR模型的微波湿度回归算法的缺点实现了单材质单尺寸纱卷湿度的精确回归,还准确的实现了不同尺寸材质纱卷联合湿度回归,为减小不同尺寸和材质参数纱卷的建模工作量打下基础,拓展了基于微波的水分检测。最后总结全文,并进行展望。阐述微波湿度检测在即将到来的纺织物联网中的应用优势和潜力,以及与其它优秀深度学习方法的结合,更加准确、高效的实现纺织品湿度检测。