CN102508938A - 一种二维不规则皮革自动排样裁剪方法 - Google Patents
一种二维不规则皮革自动排样裁剪方法 Download PDFInfo
- Publication number
- CN102508938A CN102508938A CN201110285728XA CN201110285728A CN102508938A CN 102508938 A CN102508938 A CN 102508938A CN 201110285728X A CN201110285728X A CN 201110285728XA CN 201110285728 A CN201110285728 A CN 201110285728A CN 102508938 A CN102508938 A CN 102508938A
- Authority
- CN
- China
- Prior art keywords
- leather
- image
- cutting
- irregular
- chained list
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明涉及一种二维不规则皮革自动排样裁剪方法,包括以下步骤:对全帧CCD成像系统进行标定;对皮革材料的瑕疵点和区域质量进行标注;全帧CCD成像系统获取皮革二维图像信号,并将其发送至上位机中;上位机对获取的皮革图像消除成像过程中引入的噪声,并对一次成像的皮革图像进行几何矫正,从而获取无畸变、清晰的皮革图像;根据预先存入计算机中服装样式模块图像的形状、大小和数目,利用去除剩余最优策略,在皮革图像上实现自动排样,并最后确定最佳的切割路径;对最佳剪切路径矢量化,并控制切割系统对皮革材料进行剪切。本发明能够减少裁剪样式本身形状的不规则性所带来的影响,提高材料利用率。
Description
技术领域
本发明涉及皮革剪裁技术领域,特别是涉及一种基于全帧CCD芯片大幅面成像的二维不规则皮革自动排样裁剪方法。
背景技术
在竞争激烈的服装行业中,如何以最小的耗资取得最大的经济效益及如何提高生产效率是各个企业所关注的问题。特别是如何根据二维不规则制衣材料,快速而最优地裁剪出制作服装的样式模块一直是纺织、服装等许多行业自动化所追求的目标。在这个过程中,精确地获取二维不规则材料的平面图像信息是利用机器视觉和计算机辅助设计的前提条件。另外由于原材料的费用占总生产成本的比例很大,比如像高档皮革,所以提高原材料利用率对于降低成本有至关重要的意义,因此,织物、皮革等的排样优化问题受到广泛关注,排样结果的好坏对服饰生产加工的合理性、经济性和安全性等指标都有重大影响。
由于材料的面积大,往往难以一次成像获取整张皮革等图像的整体信息。目前的皮革自动成像排样系统,一是采用线阵CCD扫描的方式,通过完整扫描皮革材料面积,获取完整图像,显然这种方式成像速度慢,影响系统的效率;二是采用控制移动摄像机对材料进行多次分块拍摄的方法,然后将多次获取的图像进行拼接,得到完整的皮革图像。由于皮革图像的特征不一定明显,该方法难于在图像的拼接过程中保证拼接精度。如何快速、精确成像获取皮革二维图像的整体信息是目前急需研究解决的问题。
另一个关键技术就是如何根据服装样式模块图像,利用计算机在获取的皮革图像上进行最优排样。一般地,随着需裁剪样式模块数目的增加,排样获得最优解所需要的计算时间呈指数增加,而且在实际问题中有许多约束,如材料表面存在瑕疵,材料的不同区域具有不同的质量等级等,这就使得运用一般的优化算法复杂化。寻找通用性好、求解质量和效率高、易于实现的排样问题求解算法一直是该领域所追求的目标。
服装裁剪的排样问题首先需考虑的问题就是如何提高皮革等昂贵材料利用率。它主要受两个方面影响:(1)皮革材料与模块样式本身形状,如皮革材料不规则程度高低、是否存在内空等,这些将不可避免会引起一定值的废料;(2)工艺因素,包括加工方式和排样方案,形成不能再利用的搭边、小块边角料和细窄长条等废料。皮革等材料的裁剪加工中的排样问题主要研究如何采取优化排样策略,一方面尽量避免工艺性废料,另一方面通过运用合理的排样方式来减少裁剪样式本身形状的不规则性所带来的影响,提高材料利用率。
发明内容
本发明所要解决的技术问题是提供一种二维不规则皮革自动排样裁剪方法,使其能够减少裁剪模块样式本身形状不规则性所带来的影响,提高材料利用率。
本发明解决其技术问题所采用的技术方案是:提供一种二维不规则皮革自动排样裁剪方法,包括以下步骤:
(1)对全帧CCD成像系统进行标定,建立图像与裁床物理尺寸的精确映射关系及成像系统的畸变校正模型;
(2)将要裁剪的皮革材料平铺并固定在剪裁床上,并对皮革材料的瑕疵点和区域质量进行标注;
(3)全帧CCD成像系统获取皮革二维图像信号,并将所述皮革二维图像信号发送至上位PC机中;
(4)上位机对获取的皮革图像消除成像过程中引入的噪声,并对一次成像的皮革图像进行几何矫正,从而获取无畸变、清晰的皮革图像;
(5)根据预先存入计算机中服装样式模块图像的形状、大小和数目,利用去除剩余最优策略,在皮革图像上实现自动排样,并最后确定最佳的切割路径;
(6)对最佳剪切路径矢量化,并控制切割系统对皮革材料进行剪切。
所述步骤(2)中皮革材料的瑕疵点和区域质量由人工采用不同颜色的画笔进行标注。
所述步骤(3)中全帧CCD成像系统对整张皮革一次成像。
所述步骤(4)中上位机根据标注信息自动识别瑕疵点,并将皮革分成不同的质量等级区域。
所述步骤(5)中的去除剩余最优策略是根据样式模块排样的质量要求,直接利用裁剪样式模块图像在相应皮革图像区域内进行遍历,通过计算优化因子Ri,确定最优排样。
所述去除剩余最优策略包括以下子步骤:
(51)利用图像处理方法,将皮革图像M复制为皮革图像备份M′;同时将存储在上位机中的需裁剪的服装样式模块图像记为S1,S2,...SN,其中图像S1,S2,...SN和图像M对实物皮革物理尺寸具有相同影射比例系数;
(52)将服装样式模块图像S1,S2,...SN生成外接矩形,计算服装样式模块图像S1,S2,...SN外接矩形的长、宽,并将其存入一个具有二值域且节点数为N的链表中,其中,二值域包括X域和Y域,链表的头节点指针为P;服装样式模块图像S1,S2,...SN外接矩形的长和宽分别依次存入链表节点的X域和Y域,并规定每一个节点的值域满足X>Y;
(53)将具有二值域的链表节点按X域值从大到小,进行排序;
(54)从链表中提取指针P所指向的节点所代表的图像SP,按照从左下往右上的原则遍历皮革图像备份M′,在遍历过程中,如果满足则计算优化因子Ri,并以优化因子Ri确定剪切后剩余图像M′-SP是否最优;
(55)剪切后剩余图像M′-SP为最优时,将图像SP在皮革图像备份M′排样的位置复制到皮革图像M上,并做相应标记;同时将处理过的节点元素从链表中删去,对剪切后的剩余图像M′-SP进行相应处理,并作为下次排样的新皮革图像;
(56)重复步骤(54)和步骤(55),直至链表为空,完成排样。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明利用全帧CCD成像系统,一次获取皮革材料表面的二维图像,并采用去除剩余最优策略进行模块样式的最优排样和自适应遗传算法与动态规化算法相结合策略,进行路径优化,实现皮革自动裁剪,提出的方法有助于促进服装行业材料裁剪的整体优化,提高生产率、减少材料消耗,同时确保生产出高品质的产品。
附图说明
图1是本发明的系统功能框架示意图;
图2是外接矩形示意图;
图3是成像装置电路结构图;
图4是去除剩余最优算法流程图;
图5是系统工作流程图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明一种基于全帧CCD芯片大幅面成像的二维不规则皮革自动排样裁剪方法,该方法主要基于成像装置、高性能PC机和剪切执行机构三部分实现。其中成像部分包括高分辨率全帧CCD芯片、FPGA可编程逻辑器件、视频专用A/D芯片、用于图像数据缓存的动态存储堆DDR和成像镜头等组成,并由上位机控制皮革图像数据的采集、根据剪切样式实现自动排样及控制切割执行机构完成裁剪。系统结构如图1所示。
由全帧CCD构成的皮革成像装置电路结构如图3所示,其硬件设备包括大阵面全帧CCD器件,FPGA可编程逻辑器件(简称为FPGA)、高速视频专用A/D芯片、存储堆DDR等组成,由FPGA可编程逻辑器件为核心器件组成中央控制单元,实现全帧CCD成像阵面在成像过程中的曝光控制和读出控制、A/D图像信号的模数转换、图像数据缓存及数据传送。其成像装置包括以下主要模块:
(1)控制模块:
该模块主要包含了FPGA、A/D转换器、千兆以太网控制芯片、动态存储芯片DDR3、时钟驱动芯片等。由FPGA产生CCD所需H1、H2、V1、V2、RCLK时钟信号,经过时钟驱动电路将时钟信号调整为CCD要求电压范围,并调整CCD其他配置电压,使CCD正常工作。FPGA外围配置4个轻触开关,作为快门等触发信号输入,另设拨盘开关(或拨码开关)作为拍照模式调节和积分时间调节。A/D芯片所选择的是ADI公司的16位模数转换芯片VSP2566,精度为16-bit,转换速率可达12.5MSPS。动态存储器DDR3采用的是型号为MT41J64M16,存储容量为大小为1Gb,96-Ball FBGA封装,存储空间为8Meg×16×8Banks,最大工作频率533MHZ,通过双倍数据倍率来实现高速存取。以太网控制芯片选用的是MARVELL公司的10/100/1000Mbps自适应以太网芯片M88E1111,用来实现千兆以太网接口,控制FPGA与上位机图像数据的高速传送。
FPGA作为主控芯片负责整个系统的核心控制和协调,并产生整个系统的同步时钟以及全帧CCD芯片所需的时钟信号,并通过时钟驱动芯片传输给CCD引脚,A/D对CCD传来的模拟视频信号进行采样,并转换成数字信号并传输给FPGA,FPGA接收到数据后放入动态DDR3中进行缓存,后再将数据发往千兆以太网控制芯片,通过RJ45网络接口传输到PC电脑中的上位机,上位机可对图像数据进行处理、信息提取和图像显示等功能。
(2)图像传感模块:
该模块主要包括全帧CCD芯片及为该服务该芯片的各项配置,包括CCD芯片配置电压调整电路及控制信号,它提供了CCD正常工作时所需要的各项配置,为了保证皮革图像采集相机能够一次性获取高分辨率和大视场的皮革图像,本发明所用的全帧CCD芯片选择的是DASLA公司的FTF5066M。
(3)电源模块:电源模块为其它模块提供工作所需要的各种电压。
在工作过程中,首先对成像系统进行标定,包括建立图像与裁床物理尺寸精确的映射关系及成像系统的畸变校正模型;再将要裁剪的牛皮平铺并固定在剪裁床上,并人工对牛皮的瑕疵点和区域质量进行标注;通过上位机的操作界面发出命令,由FPGA可编程逻辑器件产生精密像素读出时序和各种控制信号,控制CCD曝光时间、控制视频专用A/D芯片实现图像信号的模/数转换和图像数据的有序读出;并最终将读取大幅面的皮革图像数据存储于上位机中;然后上位机对获取的牛皮图像进行预处理,主要是消除成像过程中引入的噪声,并对一次成像的皮革图像进行几何矫正,保证计算机获取高质量无变形的清晰图像。根据预先存入上位机中需要剪切的样式模块图像,利用去除剩余最优策略进行模块样式的最优排样,并确定最佳的切割路径。最后由计算机根据确定的最佳剪切路径,控制剪切系统对皮革进行裁剪。
由于全帧CCD成像面积大,像素达几千万,为提高系统速度,将CCD存储区的电荷信息分成四象限,并行四路读出方式,设计四路A/D转换电路,同时对模拟图像信号进行模/数转换,信号转换后读入动态DDR进行缓存,然后采用TCP/IP通信协议,由千兆网卡将DDR中的图像数据读入计算机,以保证成像快速和图像数据传输的高可靠性。
牛皮表面的瑕疵点和区域质量可人工采用不同颜色的画笔进行标注,以便计算机在图像处理过程中能自动识别,目的是在智能排样过程中能避开瑕疵点进行排样,并使计算机按需要裁剪不同样式模块分配在不同质量区域内进行操作。
本发明采用的剪切去除剩余最优策略主要步骤为:(a)首先利用图像处理方法,将皮革图像M复制为皮革图像备份M′;同时需裁剪的服装样式模块图像存储存计算机,并记为S1,S2,...SN,其中图像S1,S2,...SN和图像M对实物皮革具有相同影射系数。(b)S1,S2,...SN图像生成外接矩形,计算模块图像S1,S2,...SN外接矩形的长、宽,并将其存入一个具有二值域(X,Y)且节点数为N的链表中,链表的头节点指针为P;S1,S2,...SN外接矩形的长和宽分别依次存入链表节点的X、Y域,并规定每一个节点的值域满足X>Y;(c)将具有二值域的链表节点按X域值从大到小进行排序;(d)从链表中提取指针P所指向的节点所代表的图像SP,到皮革图像备份M′中寻找最佳的剪切区域,其方法是按照从左下往右上的原则遍历皮革图像备份M′,在遍历过程中,如果则计算优化因子R,以确定剪切后剩余图像M′-SP是否最优,其中R越大,表示剩余二维不规则图像最优,本次排样最合理。A0表示(M′-SP)图像面积,AC表示(M′-SP)外接矩形面积;L表示(M′-SP)外接矩形长,而K表示(M′-SP)外接矩形的宽,α(0≤α≤1)权重因子,可由多次实验,进行设置。(e)当R最大时,将图像SP在图像M′排样的位置复制到M图上,并做相应标记;同时将处理过的节点元素从链表中删去,对实际剪切后的图像(M′-SP)进行相应处理后,并作为下次排样的新皮革图像M′。(f)重复(d)和(e),直至链表为空,完成排样。图4表示了该算法的流程图。在算法中的外接矩形如图2所示。
本发明的剪切最佳切割路径是在智能排样完成后,采用自适应遗传算法与动态规化算法相结合的组合算法,实现剪切路径的优化。最后,对生成的剪切路径进行矢量化,作为控制信息,控制剪切的执行机构实现对牛皮的裁剪。
在实施过程中,采用下列器材:
(1)高分辨率全帧CCD芯片为FTF5066M,主要参数包括分辨率为3056×3056(pixel);像素尺寸为12μm(H)×12μm(V);线形动态范围84dB,最高为10MHz像素;可开/关的自动增益控制(AGC),读出速率600K(pixel/s)或3M(pixel/s),数字增益倍数是为1.3e-/ADU到1.5e-/ADU,模数转换位数16bit,手动设定的黑白电平衡校正方式;可接受24VAC及12VDC两种电源供应。
(2)可编程逻辑控制器FPGA:FPGA采用的是Xilinx公司的XC6SLX16-3CSG324。有324个引脚,其中有232个可用引脚,2278个slices,每个slices包含4个CLB,每个CLB包含4个6输入的查找表LUT,所以共36448个6-inputLUTs。该FPGA内置的硬件资源有32个数字信号处理器(DSP48A1),两个存储管理块(MCB)及576k的内置随机存储器(RAM)。
(4)视频A/D转换芯片:采用的是型号为VSP2566图像信号A/D转换器,QFT-48封装的16位CCD信号模拟前端A/D转换器件。36MHz相关二次取样,36MHz转换速率,输入参考信噪比80dB,可编程黑电平钳位,可编程增益放大。增益稳定控制在-9dB到44dB间,增益控制为线性增益。支持低压工作模式和两种低功耗运行方式。具有光学黑元与无效元校准功能。
(5)动态存储器DDR3。存储器件采用的是型号为MT41J64M16,存储容量为大小为1Gb,96-Ball FBGA封装,存储空间为8Meg*16*8Banks,该DDR3一次突发传输位512bit,突发长度为8,最大工作频率533MHz,通过双倍数据倍率来实现高速存取。本设计时钟采用400MHz的差分时钟输入,数据存取速率可达800Mb/s。
(6)以太网适配器:本申请数据传输采用的是M88E111芯片,可以工作于1000M模式,数据传输率达1Gb/s。128-pqfp封装的千兆以太网物理层芯片,采用0.13us的CMOS工艺,支持GMII,RGMII,MII等模式,具备4个GMII时钟模式,芯片整合了1.25GHZ串并转换,可连接10/100/1000BASE-T传输介质,能自适应多种网络接口。
如图5所示为其实施流程图,首先将要裁剪的牛皮平铺并固定在剪裁床上,并人工对牛皮的瑕疵点和区域质量进行标注;通过上位机的操作界面发出命令,由FPGA可编程逻辑器件产生精密像素读出时序和各种控制信号,控制CCD曝光时间、控制视频专用A/D芯片实现图像信号的模/数转换和图像数据的有序读出;并最终将读取大幅面图像数据存储于上位机电脑中等待处理;由上位机对获取的牛皮图像进行预处理,主要是消除成像过程中引入的噪声,并对一次成像的牛皮图像进行几何矫正,保证计算机获取高质量无变形的清晰图像;根据所需的模块样式,对牛皮材料二维图像进行自动排样。需要剪切的模块样式图像预先存入计算机中,利用去除剩余最优策略进行模块样式的最优排样,并确定最佳的切割路径。由计算机根据确定的最佳剪切路径,控制剪切装置对皮革进行切割。
Claims (6)
1.一种二维不规则皮革自动排样裁剪方法,其特征在于,包括以下步骤:
(1)对全帧CCD成像系统进行标定,建立图像与裁床物理尺寸的精确映射关系及成像系统的畸变校正模型;
(2)将要裁剪的皮革材料平铺并固定在剪裁床上,并对皮革材料的瑕疵点和区域质量进行标注;
(3)全帧CCD成像系统获取皮革二维图像信号,并将所述皮革二维图像信号发送至上位机中;
(4)上位机对获取的皮革图像消除成像过程中引入的噪声,并对一次成像的皮革图像进行几何矫正,从而获取无畸变、清晰的皮革图像;
(5)根据预先存入计算机中服装样式模块图像的形状、大小和数目,利用去除剩余最优策略,在皮革图像上实现自动排样,并最后确定最佳的切割路径;
(6)对最佳剪切路径矢量化,并控制切割系统对皮革材料进行剪切。
2.根据权利要求1所述的二维不规则皮革自动排样裁剪方法,其特征在于,所述步骤(2)中皮革材料的瑕疵点和区域质量由人工采用不同颜色的画笔进行标注。
3.根据权利要求1所述的二维不规则皮革自动排样裁剪方法,其特征在于,所述步骤(3)中全帧CCD成像系统对整张皮革一次成像。
4.根据权利要求1所述的二维不规则皮革自动排样裁剪方法,其特征在于,所述步骤(4)中上位机根据标注信息自动识别瑕疵点,并将皮革分成不同的质量等级区域。
5.根据权利要求1所述的二维不规则皮革自动排样裁剪方法,其特征在于,所述步骤(5)中的去除剩余最优策略是根据样式模块排样的质量要求,直接利用裁剪样式模块图像在相应皮革图像区域内进行遍历,通过计算优化因子Ri,确定最优排样。
6.根据权利要求5所述的二维不规则皮革自动排样裁剪方法,其特征在于,所述去除剩余最优策略包括以下子步骤:
(51)利用图像处理方法,将皮革图像M复制为皮革图像备份M′;同时将存储在上位机中的需裁剪的服装样式模块图像记为S1,S2,...SN,其中图像S1,S2,...SN和图像M对实物皮革物理尺寸具有相同影射比例系数;
(52)将服装样式模块图像S1,S2,...SN生成外接矩形,计算服装样式模块图像S1,S2,...SN外接矩形的长、宽,并将其存入一个具有二值域且节点数为N的链表中,其中,二值域包括X域和Y域,链表的头节点指针为P;服装样式模块图像S1,S2,...SN外接矩形的长和宽分别依次存入链表节点的X域和Y域,并规定每一个节点的值域满足X>Y;
(53)将具有二值域的链表节点按X域值从大到小,进行排序;
(55)剪切后剩余图像M′-SP为最优时,将图像SP在皮革图像备份M′排样的位置复制到皮革图像M上,并做相应标记;同时将处理过的节点元素从链表中删去,对剪切后的剩余图像M′-SP进行相应处理,并作为下次排样的新皮革图像;
(56)重复步骤(54)和步骤(55),直至链表为空,完成排样。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110285728.XA CN102508938B (zh) | 2011-09-23 | 2011-09-23 | 一种二维不规则皮革自动排样裁剪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110285728.XA CN102508938B (zh) | 2011-09-23 | 2011-09-23 | 一种二维不规则皮革自动排样裁剪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102508938A true CN102508938A (zh) | 2012-06-20 |
CN102508938B CN102508938B (zh) | 2014-01-08 |
Family
ID=46221024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110285728.XA Expired - Fee Related CN102508938B (zh) | 2011-09-23 | 2011-09-23 | 一种二维不规则皮革自动排样裁剪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102508938B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104908105A (zh) * | 2015-04-16 | 2015-09-16 | 东莞市点亮软件有限公司 | 一种物料自动切割成型方法及其系统 |
CN105741038A (zh) * | 2016-01-29 | 2016-07-06 | 江苏和鹰机电科技有限公司 | 基于工业互联网的真皮自动化加工方法及系统 |
CN105989588A (zh) * | 2015-02-05 | 2016-10-05 | 上海隶首信息技术有限公司 | 一种异形材料切割图像校正方法及系统 |
CN106052560A (zh) * | 2016-07-25 | 2016-10-26 | 上海柏楚电子科技有限公司 | 一种视觉辅助板材余料排样的方法 |
CN106216545A (zh) * | 2016-08-11 | 2016-12-14 | 成都柯博特自动化科技有限公司 | 一种基于智能视觉送料机的生产方法 |
CN106971242A (zh) * | 2017-03-21 | 2017-07-21 | 上海大学 | 一种服装自动优化排料方法 |
CN107637623A (zh) * | 2016-07-22 | 2018-01-30 | 崴宇科技股份有限公司 | 蛋糕切割装置 |
CN108427389A (zh) * | 2018-04-11 | 2018-08-21 | 浙江工业大学 | 基于工业互联网的皮革优化排样与多机协调裁断方法 |
CN108735592A (zh) * | 2017-04-20 | 2018-11-02 | 矽品精密工业股份有限公司 | 切割方法 |
CN109624008A (zh) * | 2018-12-24 | 2019-04-16 | 美克国际家私(天津)制造有限公司 | 实木家具曲面贴皮工艺 |
CN109685790A (zh) * | 2018-12-24 | 2019-04-26 | 杭州澳星科技有限公司 | 一种基于gpu运算的真皮快速排料算法 |
CN109856051A (zh) * | 2019-01-30 | 2019-06-07 | 广州市载道信息科技有限公司 | 一种图像色彩采集装置 |
CN110570038A (zh) * | 2019-09-06 | 2019-12-13 | 福州大学 | 一种不规则带缺陷板材矩形排样方法及装置 |
CN110640818A (zh) * | 2019-08-08 | 2020-01-03 | 广东骉马机器人科技有限公司 | 数控柔性材料切割设备一键式切割系统 |
CN112218002A (zh) * | 2019-07-12 | 2021-01-12 | 浙江宇视科技有限公司 | 一种视频拼接处理器、显示系统及视频拼接处理方法 |
CN112327327A (zh) * | 2020-11-05 | 2021-02-05 | 哈尔滨工业大学 | 一种基于遗传算法的激光雷达成像质量探测方法及系统 |
US11144029B2 (en) | 2015-08-25 | 2021-10-12 | Biatec Group a.s. | Method of optimization of cutting of flat products made of natural material, mainly of wood, and system for its realization |
WO2022036804A1 (zh) * | 2020-08-20 | 2022-02-24 | 广东工业大学 | 一种柔性材料智能连续加工控制方法及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1986835A (zh) * | 2006-12-25 | 2007-06-27 | 浙江大学 | 功能集成式数控自动化皮革裁剪方法 |
CN101057242A (zh) * | 2004-11-10 | 2007-10-17 | 株式会社岛精机制作所 | 薄片材料的排样装置及其方法、以及程序 |
CN102126228A (zh) * | 2009-12-18 | 2011-07-20 | 株式会社岛精机制作所 | 裁剪装置 |
-
2011
- 2011-09-23 CN CN201110285728.XA patent/CN102508938B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101057242A (zh) * | 2004-11-10 | 2007-10-17 | 株式会社岛精机制作所 | 薄片材料的排样装置及其方法、以及程序 |
CN1986835A (zh) * | 2006-12-25 | 2007-06-27 | 浙江大学 | 功能集成式数控自动化皮革裁剪方法 |
CN102126228A (zh) * | 2009-12-18 | 2011-07-20 | 株式会社岛精机制作所 | 裁剪装置 |
Non-Patent Citations (2)
Title |
---|
CLAIRE KENYON 等: "A NEAR-OPTIMAL SOLUTION TO A TWO-DIMENSIONAL CUTTING STOCK PROBLEM", 《MATHEMATICS OF OPERATIONS RESEARCH》 * |
韩喜君 等: "矩形件优化排样问题的混合遗传算法求解", 《计算机技术与发展》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105989588A (zh) * | 2015-02-05 | 2016-10-05 | 上海隶首信息技术有限公司 | 一种异形材料切割图像校正方法及系统 |
CN104908105A (zh) * | 2015-04-16 | 2015-09-16 | 东莞市点亮软件有限公司 | 一种物料自动切割成型方法及其系统 |
US11144029B2 (en) | 2015-08-25 | 2021-10-12 | Biatec Group a.s. | Method of optimization of cutting of flat products made of natural material, mainly of wood, and system for its realization |
CN105741038A (zh) * | 2016-01-29 | 2016-07-06 | 江苏和鹰机电科技有限公司 | 基于工业互联网的真皮自动化加工方法及系统 |
CN107637623A (zh) * | 2016-07-22 | 2018-01-30 | 崴宇科技股份有限公司 | 蛋糕切割装置 |
CN107637623B (zh) * | 2016-07-22 | 2022-11-22 | 王胜远 | 蛋糕切割装置 |
CN106052560A (zh) * | 2016-07-25 | 2016-10-26 | 上海柏楚电子科技有限公司 | 一种视觉辅助板材余料排样的方法 |
CN106216545A (zh) * | 2016-08-11 | 2016-12-14 | 成都柯博特自动化科技有限公司 | 一种基于智能视觉送料机的生产方法 |
CN106971242A (zh) * | 2017-03-21 | 2017-07-21 | 上海大学 | 一种服装自动优化排料方法 |
CN108735592B (zh) * | 2017-04-20 | 2020-12-15 | 矽品精密工业股份有限公司 | 切割方法 |
CN108735592A (zh) * | 2017-04-20 | 2018-11-02 | 矽品精密工业股份有限公司 | 切割方法 |
CN108427389B (zh) * | 2018-04-11 | 2020-11-17 | 浙江工业大学 | 基于工业互联网的皮革优化排样与多机协调裁断方法 |
CN108427389A (zh) * | 2018-04-11 | 2018-08-21 | 浙江工业大学 | 基于工业互联网的皮革优化排样与多机协调裁断方法 |
CN109685790A (zh) * | 2018-12-24 | 2019-04-26 | 杭州澳星科技有限公司 | 一种基于gpu运算的真皮快速排料算法 |
CN109624008A (zh) * | 2018-12-24 | 2019-04-16 | 美克国际家私(天津)制造有限公司 | 实木家具曲面贴皮工艺 |
CN109624008B (zh) * | 2018-12-24 | 2021-11-26 | 美克国际家私(天津)制造有限公司 | 实木家具曲面贴皮工艺 |
CN109856051A (zh) * | 2019-01-30 | 2019-06-07 | 广州市载道信息科技有限公司 | 一种图像色彩采集装置 |
CN112218002A (zh) * | 2019-07-12 | 2021-01-12 | 浙江宇视科技有限公司 | 一种视频拼接处理器、显示系统及视频拼接处理方法 |
CN110640818A (zh) * | 2019-08-08 | 2020-01-03 | 广东骉马机器人科技有限公司 | 数控柔性材料切割设备一键式切割系统 |
CN110570038B (zh) * | 2019-09-06 | 2022-07-22 | 福州大学 | 一种不规则带缺陷板材矩形排样方法及装置 |
CN110570038A (zh) * | 2019-09-06 | 2019-12-13 | 福州大学 | 一种不规则带缺陷板材矩形排样方法及装置 |
WO2022036804A1 (zh) * | 2020-08-20 | 2022-02-24 | 广东工业大学 | 一种柔性材料智能连续加工控制方法及设备 |
CN112327327A (zh) * | 2020-11-05 | 2021-02-05 | 哈尔滨工业大学 | 一种基于遗传算法的激光雷达成像质量探测方法及系统 |
CN112327327B (zh) * | 2020-11-05 | 2022-08-05 | 哈尔滨工业大学 | 一种基于遗传算法的激光雷达成像质量探测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102508938B (zh) | 2014-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102508938B (zh) | 一种二维不规则皮革自动排样裁剪方法 | |
CN110300292A (zh) | 投影畸变校正方法、装置、系统及存储介质 | |
CN104034638B (zh) | 基于机器视觉的金刚线颗粒在线质检方法 | |
CN104134234A (zh) | 一种全自动的基于单幅图像的三维场景构建方法 | |
CN108805874A (zh) | 一种基于卷积神经网络的多光谱图像语义切割方法 | |
CN107977933A (zh) | 图像加工方法、图像加工系统及记录有程序的记录介质 | |
CN108332365A (zh) | 空调控制方法及装置 | |
CN106126491A (zh) | 一种纸质表单转换为网页表单的方法及系统 | |
CN103140872A (zh) | 图像处理装置以及图像处理方法 | |
CN102306294A (zh) | 一种从pdf格式文件页面中提取图像的方法及系统 | |
CN204854653U (zh) | 一种快速三维扫描设备 | |
CN104599267A (zh) | 切割轨迹生成方法及装置 | |
CN104321811B (zh) | 用于立体印刷的方法和装置 | |
CN105150701B (zh) | 打印设备、图像涨缩打印控制装置及其控制方法 | |
US4514767A (en) | Apparatus for making masks and/or block copies for printing | |
CN110211039A (zh) | 一种图像处理方法及其装置 | |
CN105092591A (zh) | 一种基于图像处理的工件缺陷定位方法 | |
CN100502492C (zh) | 一种实现节目单协同编辑的方法 | |
CN115346041A (zh) | 基于深度学习的点位标注方法、装置、设备及存储介质 | |
CN109523588A (zh) | 一种自定义拼花方法及系统 | |
CN114445552A (zh) | 一种考古用文物重构建模与数据管理的方法 | |
CN107622159A (zh) | 一种用于PCB板的全自动V‑cut装置及方法 | |
CN113380651A (zh) | 半导体晶圆电子坐标图与墨点的识别方法 | |
CN102137215B (zh) | 基于双缓冲机制的无人机航空像片立体判读仪 | |
CN105241891A (zh) | 一种基于wifi网络的玻璃缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140108 Termination date: 20160923 |