CN112801938A - 一种智能检测橡塑材料质量的方法和装置 - Google Patents
一种智能检测橡塑材料质量的方法和装置 Download PDFInfo
- Publication number
- CN112801938A CN112801938A CN202011609606.7A CN202011609606A CN112801938A CN 112801938 A CN112801938 A CN 112801938A CN 202011609606 A CN202011609606 A CN 202011609606A CN 112801938 A CN112801938 A CN 112801938A
- Authority
- CN
- China
- Prior art keywords
- information
- rubber
- plastic material
- obtaining
- quality
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种智能检测橡塑材料质量的方法和装置,其中,所述方法包括:获得第一橡塑材料的第一图像信息;根据所述第一图像信息获得所述第一橡塑材料的表面针孔信息、表面细纹信息以及表面密度信息;将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型,获得所述第一橡塑材料的抗老化性能等级;将所述抗老化性能等级作为第一质量评估指标;获得所述第一橡塑材料的拉伸性能等级;将所述拉伸性能等级作为第二质量评估指标;根据所述第一质量评估指标和所述第二质量评估指标获得所述第一橡塑材料的第一质量信息。解决了因未全面客观地检测橡塑材料质量,使得橡塑材料使用寿命缩短的技术问题。
Description
技术领域
本发明涉及橡塑材料技术领域,尤其涉及一种智能检测橡塑材料质量的方法和装置。
背景技术
随着科技的发展,也带来了材料行业的技术革新。新兴的橡塑材料是橡胶和塑料产业的统称,因其良好稳定的性能在各领域、各行业得到广泛应用,并备受好评。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
由于橡塑材料的老化自然而然,不可避免,因未全面客观地综合各种因素检测橡塑材料质量,使得橡塑材料寿命缩短。
发明内容
本申请实施例通过提供一种智能检测橡塑材料质量的方法和装置,解决了因未全面客观地检测橡塑材料质量,使得橡塑材料使用寿命缩短的技术问题,达到了通过基于橡塑材料的抗老化性能和拉伸性能对其质量进行智能化准确检测评估,获得合理的橡塑材料质量检测结果,进而确保橡塑材料使用寿命稳定的技术效果。
本申请实施例提供了一种智能检测橡塑材料质量的方法,其中,所述方法包括:获得第一橡塑材料的第一图像信息,所述第一图像信息由摄像头拍摄所得;根据所述第一图像信息获得所述第一橡塑材料的表面针孔信息;根据所述第一图像信息获得所述第一橡塑材料的表面细纹信息;根据所述第一图像信息获得所述第一橡塑材料的表面密度信息;将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型,获得所述第一橡塑材料的抗老化性能等级;将所述抗老化性能等级作为第一质量评估指标;获得所述第一橡塑材料的拉伸性能等级;将所述拉伸性能等级作为第二质量评估指标;根据所述第一质量评估指标和所述第二质量评估指标获得所述第一橡塑材料的第一质量信息。
另一方面,本申请还提供了一种智能检测橡塑材料质量的装置,其中,所述装置包括:第一获得单元:所述第一获得单元用于获得第一橡塑材料的第一图像信息,所述第一图像信息由摄像头拍摄所得;第二获得单元:所述第二获得单元用于根据所述第一图像信息获得所述第一橡塑材料的表面针孔信息;第三获得单元:所述第三获得单元用于根据所述第一图像信息获得所述第一橡塑材料的表面细纹信息;第四获得单元:所述第四获得单元用于根据所述第一图像信息获得所述第一橡塑材料的表面密度信息;第一输入单元:所述第一输入单元用于将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型,获得所述第一橡塑材料的抗老化性能等级;第五获得单元:所述第五获得单元用于将所述抗老化性能等级作为第一质量评估指标;第六获得单元:所述第六获得单元用于获得所述第一橡塑材料的拉伸性能等级;第七获得单元:所述第七获得单元用于将所述拉伸性能等级作为第二质量评估指标;第八获得单元:所述第八获得单元用于根据所述第一质量评估指标和所述第二质量评估指标获得所述第一橡塑材料的第一质量信息。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过根据橡塑材料的表面针孔信息、表面细纹信息和表面密度信息获得橡塑材料的抗老化性能等级,同时综合橡塑材料的拉伸性能等级,对橡塑材料的质量进行准确计算和综合评估,达到了基于智能化准确检测橡塑材料的质量,进而获得合理的橡塑材料质量检测结果的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种智能检测橡塑材料质量的方法的流程示意图;
图2为本申请实施例一种智能检测橡塑材料质量的装置的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第一输入单元15,第五获得单元16,第六获得单元17,第七获得单元18,第八获得单元19,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种智能检测橡塑材料质量的方法和装置,解决了因未全面客观地检测橡塑材料质量,使得橡塑材料使用寿命缩短的技术问题,达到了通过基于橡塑材料的抗老化性能和拉伸性能对其质量进行智能化准确检测评估,获得合理的橡塑材料质量检测结果,进而确保橡塑材料使用寿命稳定的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
随着科技的发展,也带来了材料行业的技术革新。新兴的橡塑材料是橡胶和塑料产业的统称,因其良好稳定的性能在各领域、各行业得到广泛应用,并备受好评。由于橡塑材料的老化自然而然,不可避免,因未全面客观地综合各种因素检测橡塑材料质量,使得橡塑材料寿命缩短。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种智能检测橡塑材料质量的方法,其中,所述方法包括:获得第一橡塑材料的第一图像信息,所述第一图像信息由摄像头拍摄所得;根据所述第一图像信息获得所述第一橡塑材料的表面针孔信息;根据所述第一图像信息获得所述第一橡塑材料的表面细纹信息;根据所述第一图像信息获得所述第一橡塑材料的表面密度信息;将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型,获得所述第一橡塑材料的抗老化性能等级;将所述抗老化性能等级作为第一质量评估指标;获得所述第一橡塑材料的拉伸性能等级;将所述拉伸性能等级作为第二质量评估指标;根据所述第一质量评估指标和所述第二质量评估指标获得所述第一橡塑材料的第一质量信息。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示,本申请实施例提供了一种智能检测橡塑材料质量的方法,其中,所述方法包括:
步骤S100:获得第一橡塑材料的第一图像信息,所述第一图像信息由摄像头拍摄所得;
具体而言,橡塑(Rubber and plastic )是橡胶和塑料产业的统称,它们都是石油的附属产品,它们在来源上都是一样的,不过,在制成产品的过程里,物性却不一样,用途更是不同,橡胶用的广的就是轮胎,塑料在随着技术和市场的需求和用途越来越是广泛。所述第一图像信息为通过摄像头拍摄的所述第一橡塑材料的图像信息,通过获得橡塑材料的图像信息可直观的对其质量进行判断。
步骤S200:根据所述第一图像信息获得所述第一橡塑材料的表面针孔信息;
步骤S300:根据所述第一图像信息获得所述第一橡塑材料的表面细纹信息;
步骤S400:根据所述第一图像信息获得所述第一橡塑材料的表面密度信息;
具体而言,已知所述第一橡塑材料的第一图像信息,举例而言,当所述第一橡塑材料充当轮胎材料时,所述第一图像信息为轮胎表面的图像信息,可根据所述第一图像信息获得所述第一橡塑材料的表面针孔信息,所述针孔信息为轮胎表面的纹路针孔信息,同时根据所述第一图像信息获得所述第一橡塑材料的表面细纹信息,所述表面细纹信息为轮胎表面的纹路的裂缝数量及宽度等信息,还可根据所述第一图像信息获得所述第一橡塑材料的表面密度信息,所述表面密度信息为构成轮胎的橡塑材料的分子之间的密度信息,可对所述第一图像信息进行无限聚焦所得,因汽车长时间的行驶,对汽车轮胎的磨损较大,可通过获得构成汽车轮胎的橡塑材料的表面针孔、表面细纹以及表面密度等信息,判断所述第一橡塑材料的老化程度,进而判断轮胎质量等。
步骤S500:将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型,获得所述第一橡塑材料的抗老化性能等级;
步骤S600:将所述抗老化性能等级作为第一质量评估指标;
具体而言,已知所述第一橡塑材料的表面针孔信息、表面细纹信息以及表面密度信息,可将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型,所述第一训练模型为一数据训练模型,可对输入数据进行不断训练,使得训练结果更加准确,在此,通过将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型进行不断训练,可以获得所述第一橡塑材料的抗老化性能等级。老化,是指产品或者零部件受到光、温度、雨露等不同条件的辐射或影响下所产生的外观或者是产品性能的改变。抗老化,即耐候老化性能,是指产品或零部件能够承受这些不同条件的影响的通俗说法。即通过对输入信息进行不断训练,可以获得所述第一橡塑材料的抗老化性能等级,同时使得所述第一橡塑材料的抗老化性能等级更加准确。进而将所述抗老化性能等级作为第一质量评估指标,即所述抗老化性能为评估橡塑材料质量的其中之一的指标,可同其他指标一同评估所述第一橡塑材料的质量。
步骤S700:获得所述第一橡塑材料的拉伸性能等级;
步骤S800:将所述拉伸性能等级作为第二质量评估指标;
具体而言,除了获得所述第一橡塑材料的抗老化性能等级,还可获得所述第一橡塑材料的拉伸性能等级。拉伸性能可以认为和拉伸力学性能差不多,是在一定温度,准静态拉伸加载条件下获得的如屈服强度等的力学性能指标。进而将所述拉伸性能等级作为第二质量评估指标,即通过根据所述第一橡塑材料的抗老化性能等级和拉伸性能等级来评估所述第一橡塑材料的质量。
步骤S900:根据所述第一质量评估指标和所述第二质量评估指标获得所述第一橡塑材料的第一质量信息。
具体而言,已知所述第一质量评估指标和所述第二质量评估指标,可根据所述第一质量评估指标和所述第二质量评估指标获得所述第一橡塑材料的第一质量信息,通过基于抗老化性能等级和拉伸性能等级指标评估所述第一橡塑材料的质量,达到了使得评估结果更加准确、更加全面的技术效果。
进一步,所述根据所述第一质量评估指标和所述第二质量评估指标获得所述第一橡塑材料的第一质量信息,步骤S900还包括:
步骤S910:根据所述第一质量评估指标获得第一权重值;
步骤S920:根据所述第二质量评估指标获得第二权重值;
步骤S930:对所述第一权重值和所述第二权重值进行加权计算,获得计算结果;
步骤S940:根据所述计算结果获得所述第一橡塑材料的第一质量信息。
具体而言,为了进一步根据所述第一质量评估指标和所述第二质量评估指标获得所述第一橡塑材料的第一质量信息,可根据所述第一质量评估指标获得第一权重值,根据所述第二质量评估指标获得第二权重值。举例而言,若所述第一橡塑材料用于汽车轮胎时,当所述第一橡塑材料的抗老化性能比其拉伸性能更能影响橡塑材料的质量时,所述抗老化性能占的第一权重值较大,所述拉伸性能占的第二权重值较小,可将所述第一权重值作为60%,所述第二权重值作为40%,进而根据实际的所述抗老化性能等级和所述拉伸性能等级,对所述第一权重值和所述第二权重值进行加权计算,最终的计算结果为:所述抗老化性能等级×60%+所述拉伸性能等级×40%,进而根据所述计算结果获得所述第一橡塑材料的第一质量信息,通过对所述抗老化性能等级和所述拉伸性能等级进行加权计算,达到了使得所述第一橡塑材料的第一质量信息更加具体准确的技术效果。
进一步,本申请实施例还包括:
步骤S1010:获得所述第一橡塑材料的使用环境信息;
步骤S1020:根据所述使用环境信息获得第一影响度,所述第一影响度为环境对所述橡塑材料的质量影响;
步骤S1030:根据所述第一影响度对所述第一质量信息进行修正,获得所述第一橡塑材料的第二质量信息。
具体而言,为了对所述第一橡塑材料的质量评估更加准确,还可获得所述第一橡塑材料的使用环境信息,举例而言,所述第一橡塑材料用于汽车轮胎制造,可获得汽车的日常行驶路况或者所在区域的气候信息,若汽车只是日常行驶在城市间道路,则对轮胎的磨损较小,若汽车行驶在沙漠中时,由于气候温度较高,轮胎会经过阳光的暴晒,再经过风沙的侵蚀,使得汽车轮胎过早磨损。因此,应根据所述使用环境信息获得第一影响度,所述第一影响度为环境对所述橡塑材料的质量影响,进而根据所述第一影响度对所述第一质量信息进行修正,获得所述第一橡塑材料的第二质量信息,所述第二质量信息为综合考虑所述第一橡塑材料的使用环境信息和所述第一质量信息而获得的信息,达到了更加切实准确的获得所述第一橡塑材料的质量的技术效果。
进一步,所述将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型,获得所述第一橡塑材料的抗老化性能等级,步骤S500还包括:
步骤S510:将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型进行训练,所述第一训练模型通过多组训练数据训练所得,所述多组训练数据中的每一组数据均包括:所述表面针孔信息、所述表面细纹信息、所述表面密度信息以及用来标识所述第一橡塑材料的抗老化性能等级的标识信息;
步骤S520:获得所述第一训练模型的输出信息,所述输出信息包括所述第一橡塑材料的抗老化性能等级信息。
具体而言,为了获得更加准确的所述第一橡塑材料的抗老化性能等级,可通过将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型进行训练,可以使得输出的训练结果更加精确。所述第一训练模型为神经网络模型即机器学习中的数据训练模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。在本申请实施例中,将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型进行训练,用标识的所述第一橡塑材料的抗老化性能等级信息对所述神经网络模型进行训练。
进一步来说,所述神经网络模型的过程实质为监督学习的过程。所述多组训练数据具体为:所述表面针孔信息、所述表面细纹信息、所述表面密度信息以及用来标识所述第一橡塑材料的抗老化性能等级的标识信息。通过输入所述表面针孔信息、所述表面细纹信息和所述表面密度信息,神经网络模型会输出第一训练结果,所述第一训练结果为所述第一橡塑材料的抗老化性能等级信息,通过将所述输出信息与所述起标识作用的所述第一橡塑材料的抗老化性能等级信息进行校验,如果所述输出信息与所述起标识作用的所述第一橡塑材料的抗老化性能等级信息要求相一致,则本数据监督学习完成,则进行下一组数据监督学习;如果所述输出信息与所述起标识作用的所述第一橡塑材料的抗老化性能等级信息要求不一致,则神经网络学习模型自身进行调整,直到神经网络学习模型输出结果与所述起标识作用的所述第一橡塑材料的抗老化性能等级信息要求相一致,进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化,通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性,进而达到使得所述第一橡塑材料的抗老化性能等级信息更加精确的技术效果。
进一步,所述获得所述第一橡塑材料的拉伸性能等级,步骤S700还包括:
步骤S710:获得所述第一橡塑材料的第一长度信息;
步骤S720:获得所述第一橡塑材料的第二长度信息,所述第二长度信息为对所述第一橡塑材料进行拉伸所得;
步骤S730:根据所述第一长度信息和所述第二长度信息获得第一长度差信息;
步骤S740:判断所述第一长度差信息是否满足预设长度差阈值,获得第一判断结果;
步骤S750:根据所述第一判断结果获得所述第一橡塑材料的拉伸性能等级。
具体而言,为了具体获得所述第一橡塑材料的拉伸性能等级,还可获得所述第一橡塑材料的第一长度信息,所述第一长度信息为所述第一橡塑材料正常状态下的长度信息,同时获得所述第一橡塑材料的第二长度信息,所述第二长度信息为对所述第一橡塑材料进行拉伸所得,即拉伸之后的所述第一橡塑材料的长度信息,进而根据所述第一长度信息和所述第二长度信息获得第一长度差信息,所述第一长度差信息为所述第一橡塑材料在正常状态和拉伸状态下的长度差信息,进而判断所述第一长度差信息是否满足预设长度差阈值,所述预设长度差阈值为预设的符合标准要求的橡塑材料在正常状态和拉伸状态下的长度差信息,获得第一判断结果,所述第一判断结果包含两种情况,其一,所述第一长度差信息满足预设长度差阈值,符合标准拉伸性能等级,反之,则不符合。进而根据所述第一判断结果获得所述第一橡塑材料的拉伸性能等级,通过对比所述第一橡塑材料在正常状态和拉伸状态下的长度差是否满足预设长度差阈值,来获得所述第一橡塑材料的拉伸性能等级,达到了基于实验数据准确获得橡塑材料的拉伸性能等级的技术效果。
进一步,本申请实施例还包括:
步骤S1110:获得所述第一橡塑材料的外部温度信息,所述外部温度信息由第一温度传感器检测所得;
步骤S1120:获得所述第一橡塑材料的内部温度信息,所述内部温度信息由第二温度传感器检测所得;
步骤S1130:根据所述外部温度信息和所述内部温度信息获得温度差信息;
步骤S1140:判断所述温度差信息是否满足预设温度差阈值,获得第二判断结果;
步骤S1150:根据所述第二判断结果获得所述第一橡塑材料的导热性能等级。
具体而言,为了更加精准的测量橡塑材料的质量,还可获得所述第一橡塑材料的外部温度信息,所述外部温度信息由第一温度传感器检测所得,举例而言,所述第一橡塑材料用于汽车轮胎,可通过检测轮胎内部和外部的温度差来获得橡塑材料的导热性能,即是否隔热,可由镶嵌在轮胎上的温度传感器检测温度,同时获得所述第一橡塑材料的内部温度信息,所述内部温度信息由第二温度传感器检测所得,进而根据所述外部温度信息和所述内部温度信息获得温度差信息,判断所述温度差信息是否满足预设温度差阈值,一般来讲,若所述橡塑材料的导热性能较低,则说明橡塑材料具有良好的隔热/隔冷性能,进一步,若轮胎内部和外部的温度差较大,则说明轮胎的橡塑材料热传导系数较低且保持稳定,所述预设温度差阈值为预设的理想状态下的轮胎内部和外部的温度差较大,所述第二判断结果同样包含两种情况,其一,所述温度差信息满足预设温度差阈值,说明轮胎内部和外部的温度差较大,则说明轮胎的橡塑材料热传导系数较低且保持稳定,反之,则说明现橡塑材料的导热性能较高,进而根据所述第二判断结果获得所述第一橡塑材料的导热性能等级,通过基于温度差来判断橡塑材料的导热性能等级,达到了更加精准的测量橡塑材料的质量的技术效果。
进一步,本申请实施例还包括:
步骤S1160:根据所述第一橡塑材料的导热性能等级对所述第二质量信息进行修正,获得所述第一橡塑材料的第三质量信息;
步骤S1170:判断所述第三质量信息是否满足预设质量信息;
步骤S1180:若不满足,获得第一提醒信息,提醒所述第一橡塑材料的质量不合格。
具体而言,已知所述第一橡塑材料的导热性能等级,还可根据所述第一橡塑材料的导热性能等级对所述第二质量信息进行修正,获得所述第一橡塑材料的第三质量信息,所述第三质量信息为综合所述第一橡塑材料的导热性能等级和第二质量等级获得的所述第一橡塑材料的质量信息,进而判断所述第三质量信息是否满足预设质量信息,所述预设质量信息为预设的所述第一橡塑材料要求的质量标准,若不满足,说明所述第一橡塑材料质量信息未达到要求的质量标准,可获得第一提醒信息,所述第一提醒信息为提醒所述第一橡塑材料的质量不合格,没有达到要求的质量标准,通过综合参考橡塑材料的导热性能等级对橡塑材料的质量的影响,继而对质量不合格的橡塑材料进行提醒,达到了确保橡塑材料安全使用的技术效果。
综上所述,本申请实施例所提供的一种智能检测橡塑材料质量的方法和装置具有如下技术效果:
1、通过根据橡塑材料的表面针孔信息、表面细纹信息和表面密度信息获得橡塑材料的抗老化性能等级,同时综合橡塑材料的拉伸性能等级,对橡塑材料的质量进行准确计算和综合评估,达到了基于智能化准确检测橡塑材料的质量,进而获得合理的橡塑材料质量检测结果的技术效果。
2、通过基于橡塑材料的抗老化性能等级、拉伸性能等级、橡塑材料的使用环境信息、橡塑材料的拉伸性能等级以及导热性能等级,综合对橡塑材料的质量进行评估,达到了全面客观的检测橡塑材料的质量,进而对质量不合格材料进行提醒,确保橡塑材料安全使用的技术效果。
实施例二
基于与前述实施例中一种智能检测橡塑材料质量的方法同样发明构思,本发明还提供了一种智能检测橡塑材料质量的装置,如图2所示,所述装置包括:
第一获得单元11:所述第一获得单元11用于获得第一橡塑材料的第一图像信息,所述第一图像信息由摄像头拍摄所得;
第二获得单元12:所述第二获得单元12用于根据所述第一图像信息获得所述第一橡塑材料的表面针孔信息;
第三获得单元13:所述第三获得单元13用于根据所述第一图像信息获得所述第一橡塑材料的表面细纹信息;
第四获得单元14:所述第四获得单元14用于根据所述第一图像信息获得所述第一橡塑材料的表面密度信息;
第一输入单元15:所述第一输入单元15用于将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型,获得所述第一橡塑材料的抗老化性能等级;
第五获得单元16:所述第五获得单元16用于将所述抗老化性能等级作为第一质量评估指标;
第六获得单元17:所述第六获得单元17用于获得所述第一橡塑材料的拉伸性能等级;
第七获得单元18:所述第七获得单元18用于将所述拉伸性能等级作为第二质量评估指标;
第八获得单元19:所述第八获得单元19用于根据所述第一质量评估指标和所述第二质量评估指标获得所述第一橡塑材料的第一质量信息。
进一步的,所述装置还包括:
第九获得单元:所述第九获得单元用于根据所述第一质量评估指标获得第一权重值;
第十获得单元:所述第十获得单元用于根据所述第二质量评估指标获得第二权重值;
第一计算单元:所述第一计算单元用于对所述第一权重值和所述第二权重值进行加权计算,获得计算结果;
第十一获得单元:所述第十一获得单元用于根据所述计算结果获得所述第一橡塑材料的第一质量信息。
进一步的,所述装置还包括:
第十二获得单元:所述第十二获得单元用于获得所述第一橡塑材料的使用环境信息;
第十三获得单元:所述第十三获得单元用于根据所述使用环境信息获得第一影响度,所述第一影响度为环境对所述橡塑材料的质量影响;
第一修正单元:所述第一修正单元用于根据所述第一影响度对所述第一质量信息进行修正,获得所述第一橡塑材料的第二质量信息。
进一步的,所述装置还包括:
第二输入单元:所述第二输入单元用于将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型进行训练,所述第一训练模型通过多组训练数据训练所得,所述多组训练数据中的每一组数据均包括:所述表面针孔信息、所述表面细纹信息、所述表面密度信息以及用来标识所述第一橡塑材料的抗老化性能等级的标识信息;
第十四获得单元:所述第十四获得单元用于获得所述第一训练模型的输出信息,所述输出信息包括所述第一橡塑材料的抗老化性能等级信息。
进一步的,所述装置还包括:
第十五获得单元:所述第十五获得单元用于获得所述第一橡塑材料的第一长度信息;
第十六获得单元:所述第十六获得单元用于获得所述第一橡塑材料的第二长度信息,所述第二长度信息为对所述第一橡塑材料进行拉伸所得;
第十七获得单元:所述第十七获得单元用于根据所述第一长度信息和所述第二长度信息获得第一长度差信息;
第一判断单元:所述第一判断单元用于判断所述第一长度差信息是否满足预设长度差阈值,获得第一判断结果;
第十八获得单元:所述第十八获得单元用于根据所述第一判断结果获得所述第一橡塑材料的拉伸性能等级。
进一步的,所述装置还包括:
第十九获得单元:所述第十九获得单元用于获得所述第一橡塑材料的外部温度信息,所述外部温度信息由第一温度传感器检测所得;
第二十获得单元:所述第二十获得单元用于获得所述第一橡塑材料的内部温度信息,所述内部温度信息由第二温度传感器检测所得;
第二十一获得单元:所述第二十一获得单元用于根据所述外部温度信息和所述内部温度信息获得温度差信息;
第二判断单元:所述第二判断单元用于判断所述温度差信息是否满足预设温度差阈值,获得第二判断结果;
第二十二获得单元:所述第二十二获得单元用于根据所述第二判断结果获得所述第一橡塑材料的导热性能等级。
进一步的,所述装置还包括:
第二修正单元:所述第二修正单元用于根据所述第一橡塑材料的导热性能等级对所述第二质量信息进行修正,获得所述第一橡塑材料的第三质量信息;
第三判断单元:所述第三判断单元用于判断所述第三质量信息是否满足预设质量信息;
第二十三获得单元:所述第二十三获得单元用于若不满足,获得第一提醒信息,提醒所述第一橡塑材料的质量不合格。
前述图1实施例一中的一种智能检测橡塑材料质量的方法的各种变化方式和具体实例同样适用于本实施例的一种智能检测橡塑材料质量的装置,通过前述对一种智能检测橡塑材料质量的方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种智能检测橡塑材料质量的装置的实施方法,所以为了说明书的简洁,再次不再详述。
实施例三
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实例施中一种智能检测橡塑材料质量的方法的发明构思,本发明还提供一种智能检测橡塑材料质量的装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种智能检测橡塑材料质量的方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供了一种智能检测橡塑材料质量的方法,其中,所述方法包括:获得第一橡塑材料的第一图像信息,所述第一图像信息由摄像头拍摄所得;根据所述第一图像信息获得所述第一橡塑材料的表面针孔信息;根据所述第一图像信息获得所述第一橡塑材料的表面细纹信息;根据所述第一图像信息获得所述第一橡塑材料的表面密度信息;将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型,获得所述第一橡塑材料的抗老化性能等级;将所述抗老化性能等级作为第一质量评估指标;获得所述第一橡塑材料的拉伸性能等级;将所述拉伸性能等级作为第二质量评估指标;根据所述第一质量评估指标和所述第二质量评估指标获得所述第一橡塑材料的第一质量信息。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种智能检测橡塑材料质量的方法,其中,所述方法包括:
获得第一橡塑材料的第一图像信息,所述第一图像信息由摄像头拍摄所得;
根据所述第一图像信息获得所述第一橡塑材料的表面针孔信息;
根据所述第一图像信息获得所述第一橡塑材料的表面细纹信息;
根据所述第一图像信息获得所述第一橡塑材料的表面密度信息;
将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型,获得所述第一橡塑材料的抗老化性能等级;
将所述抗老化性能等级作为第一质量评估指标;
获得所述第一橡塑材料的拉伸性能等级;
将所述拉伸性能等级作为第二质量评估指标;
根据所述第一质量评估指标和所述第二质量评估指标获得所述第一橡塑材料的第一质量信息。
2.如权利要求1所述的方法,其中,所述根据所述第一质量评估指标和所述第二质量评估指标获得所述第一橡塑材料的第一质量信息,还包括:
根据所述第一质量评估指标获得第一权重值;
根据所述第二质量评估指标获得第二权重值;
对所述第一权重值和所述第二权重值进行加权计算,获得计算结果;
根据所述计算结果获得所述第一橡塑材料的第一质量信息。
3.如权利要求1所述的方法,其中,所述方法还包括:
获得所述第一橡塑材料的使用环境信息;
根据所述使用环境信息获得第一影响度,所述第一影响度为环境对所述橡塑材料的质量影响;
根据所述第一影响度对所述第一质量信息进行修正,获得所述第一橡塑材料的第二质量信息。
4.如权利要求1所述的方法,其中,所述将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型,获得所述第一橡塑材料的抗老化性能等级,还包括:
将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型进行训练,所述第一训练模型通过多组训练数据训练所得,所述多组训练数据中的每一组数据均包括:所述表面针孔信息、所述表面细纹信息、所述表面密度信息以及用来标识所述第一橡塑材料的抗老化性能等级的标识信息;
获得所述第一训练模型的输出信息,所述输出信息包括所述第一橡塑材料的抗老化性能等级信息。
5.如权利要求1所述的方法,其中,所述获得所述第一橡塑材料的拉伸性能等级,还包括:
获得所述第一橡塑材料的第一长度信息;
获得所述第一橡塑材料的第二长度信息,所述第二长度信息为对所述第一橡塑材料进行拉伸所得;
根据所述第一长度信息和所述第二长度信息获得第一长度差信息;
判断所述第一长度差信息是否满足预设长度差阈值,获得第一判断结果;
根据所述第一判断结果获得所述第一橡塑材料的拉伸性能等级。
6.如权利要求1所述的方法,其中,所述方法还包括:
获得所述第一橡塑材料的外部温度信息,所述外部温度信息由第一温度传感器检测所得;
获得所述第一橡塑材料的内部温度信息,所述内部温度信息由第二温度传感器检测所得;
根据所述外部温度信息和所述内部温度信息获得温度差信息;
判断所述温度差信息是否满足预设温度差阈值,获得第二判断结果;
根据所述第二判断结果获得所述第一橡塑材料的导热性能等级。
7.如权利要求6所述的方法,其中,所述方法还包括:
根据所述第一橡塑材料的导热性能等级对所述第二质量信息进行修正,获得所述第一橡塑材料的第三质量信息;
判断所述第三质量信息是否满足预设质量信息;
若不满足,获得第一提醒信息,提醒所述第一橡塑材料的质量不合格。
8.一种智能检测橡塑材料质量的装置,其中,所述装置包括:
第一获得单元:所述第一获得单元用于获得第一橡塑材料的第一图像信息,所述第一图像信息由摄像头拍摄所得;
第二获得单元:所述第二获得单元用于根据所述第一图像信息获得所述第一橡塑材料的表面针孔信息;
第三获得单元:所述第三获得单元用于根据所述第一图像信息获得所述第一橡塑材料的表面细纹信息;
第四获得单元:所述第四获得单元用于根据所述第一图像信息获得所述第一橡塑材料的表面密度信息;
第一输入单元:所述第一输入单元用于将所述表面针孔信息、所述表面细纹信息和所述表面密度信息输入第一训练模型,获得所述第一橡塑材料的抗老化性能等级;
第五获得单元:所述第五获得单元用于将所述抗老化性能等级作为第一质量评估指标;
第六获得单元:所述第六获得单元用于获得所述第一橡塑材料的拉伸性能等级;
第七获得单元:所述第七获得单元用于将所述拉伸性能等级作为第二质量评估指标;
第八获得单元:所述第八获得单元用于根据所述第一质量评估指标和所述第二质量评估指标获得所述第一橡塑材料的第一质量信息。
9.一种智能检测橡塑材料质量的系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011609606.7A CN112801938B (zh) | 2020-12-30 | 2020-12-30 | 一种智能检测橡塑材料质量的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011609606.7A CN112801938B (zh) | 2020-12-30 | 2020-12-30 | 一种智能检测橡塑材料质量的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112801938A true CN112801938A (zh) | 2021-05-14 |
CN112801938B CN112801938B (zh) | 2021-12-14 |
Family
ID=75804466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011609606.7A Active CN112801938B (zh) | 2020-12-30 | 2020-12-30 | 一种智能检测橡塑材料质量的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801938B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744198A (zh) * | 2021-08-09 | 2021-12-03 | 扬州美德莱医疗用品有限公司 | 一种注射针加工废品的双向定位方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105910534A (zh) * | 2016-04-21 | 2016-08-31 | 内蒙古自治区产品质量检验研究院 | 橡塑制品几何量测量系统 |
CN108074235A (zh) * | 2017-12-26 | 2018-05-25 | 太原理工大学 | 基于区域增长算法的碳纤维表面缺陷程度估计方法 |
CN108629758A (zh) * | 2017-03-21 | 2018-10-09 | 北京爱德盛业科技有限公司 | 一种基于云计算的汽车橡胶件的检查方法 |
CN109190767A (zh) * | 2018-07-27 | 2019-01-11 | 东华大学 | 一种基于机器学习的阻燃面料性能老化预测方法 |
-
2020
- 2020-12-30 CN CN202011609606.7A patent/CN112801938B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105910534A (zh) * | 2016-04-21 | 2016-08-31 | 内蒙古自治区产品质量检验研究院 | 橡塑制品几何量测量系统 |
CN108629758A (zh) * | 2017-03-21 | 2018-10-09 | 北京爱德盛业科技有限公司 | 一种基于云计算的汽车橡胶件的检查方法 |
CN108074235A (zh) * | 2017-12-26 | 2018-05-25 | 太原理工大学 | 基于区域增长算法的碳纤维表面缺陷程度估计方法 |
CN109190767A (zh) * | 2018-07-27 | 2019-01-11 | 东华大学 | 一种基于机器学习的阻燃面料性能老化预测方法 |
Non-Patent Citations (1)
Title |
---|
崔雪红,刘云,王传旭,张岩,李辉: "《多路卷积神经网络的轮胎缺陷图像分类》", 《计算机工程与设计》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744198A (zh) * | 2021-08-09 | 2021-12-03 | 扬州美德莱医疗用品有限公司 | 一种注射针加工废品的双向定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112801938B (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111707951B (zh) | 一种电池组一致性评估方法及系统 | |
CN111301426B (zh) | 基于gru网络模型预测未来行驶过程能耗的方法 | |
CN112801938B (zh) | 一种智能检测橡塑材料质量的方法和装置 | |
CN116090111B (zh) | 一种基于深度学习模型的汽车钢板弹簧疲劳寿命预测方法 | |
CN110428121B (zh) | 基于灰色关联分析的隐马尔可夫模型食品质量评估方法 | |
CN116342599B (zh) | 缺陷检测设备的点检方法、装置、设备和存储介质 | |
CN104076284B (zh) | 电池荷电状态soc的跟踪方法和装置 | |
CN111505511A (zh) | 一种电动汽车单体电芯容量测定方法、电子设备及存储介质 | |
CN111766487A (zh) | 基于多性质特征量的电缆局部放电缺陷类型辨识方法 | |
CN114818831A (zh) | 基于多源感知的双向锂离子电池故障检测方法及系统 | |
CN115158076A (zh) | 计量误差评估方法、装置及计算机可读存储介质 | |
CN112504321A (zh) | 一种提高仪表校准精度的信息处理方法和装置 | |
CN113884905B (zh) | 基于深度学习的动力电池荷电状态估计方法及系统 | |
CN117330987B (zh) | 基于时间的电池健康状态评估的方法、系统、介质和设备 | |
EP2741081A2 (en) | Method for estimating vulcanization degree of rubber compound | |
CN112763406A (zh) | 腐蚀数据分析方法、介质、评估方法及汽车 | |
CN107679630A (zh) | 一种基于比例维修模型的维修作业时间估计方法 | |
CN113933725B (zh) | 一种基于数据驱动确定动力电池荷电状态的方法 | |
CN113450565B (zh) | 一种减小沥青路面噪音的方法及系统 | |
Luchini et al. | Modeling transient rolling resistance of tires | |
CN115222114A (zh) | 汽车零部件装配指标值预测方法、终端设备及存储介质 | |
CN114492914A (zh) | 基于机器学习的岩体表征单元体积数值预测方法及系统 | |
CN112070535A (zh) | 电动汽车价格预测方法和装置 | |
CN113191017B (zh) | 虚拟量测模型构建方法、虚拟量测方法、系统、电子设备及计算机可读存储介质 | |
dos Santos et al. | Study of machine learning algorithms to state of health estimation of iron phosphate lithium-ion battery used in fully electric vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |