CN113052830A - 一种基于大数据的产品性能检测系统 - Google Patents
一种基于大数据的产品性能检测系统 Download PDFInfo
- Publication number
- CN113052830A CN113052830A CN202110374324.1A CN202110374324A CN113052830A CN 113052830 A CN113052830 A CN 113052830A CN 202110374324 A CN202110374324 A CN 202110374324A CN 113052830 A CN113052830 A CN 113052830A
- Authority
- CN
- China
- Prior art keywords
- steel
- coefficient
- quality
- detection module
- value
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 88
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 223
- 239000010959 steel Substances 0.000 claims abstract description 223
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 29
- 238000012797 qualification Methods 0.000 claims description 22
- 239000000463 material Substances 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000011895 specific detection Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims description 3
- 229910052788 barium Inorganic materials 0.000 claims description 3
- DSAJWYNOEDNPEQ-UHFFFAOYSA-N barium atom Chemical compound [Ba] DSAJWYNOEDNPEQ-UHFFFAOYSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 229910052749 magnesium Inorganic materials 0.000 claims description 3
- 239000011777 magnesium Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000012351 Integrated analysis Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- G06T5/92—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种基于大数据的产品性能检测系统,属于钢材检测领域,涉及大数据检测技术,用于解决传统的污渍检测系统检测结果的准确性较低,导致最终质量评级结果不准确的问题,包括处理器,处理器通信连接有表面检测模块、元素检测模块、拉伸检测模块以及数据库,表面检测模块通信连接有质量评级模块;表面检测模块用于通过刮痕数据以及污渍数据对钢材的表面质量进行检测分析,得到钢材的表面系数BM,并将钢材的表面系数BM发送至质量评级模块;本发明可以得到污渍在钢材表面的影响程度,将污渍在钢材表面的影响程度以污渍表现值的形式带入表面系数的分析过程内进行分析,提高对钢材表面质量检测结果的精确性。
Description
技术领域
本发明属于钢材检测领域,涉及大数据检测技术,具体是一种基于大数据的产品性能检测系统。
背景技术
钢材是钢锭、钢坯或钢材通过压力加工制成的一定形状、尺寸和性能的材料,大部分钢材加工都是通过压力加工,使被加工的钢产生塑性变形,而根据钢材加工温度不同,可以分为冷加工和热加工两种。
钢材在进行质量检测时需要对钢材表面的污渍进行检测,传统的污渍检测是由人工进行观察,主观判断钢材表面加工是否合格,这种方式对人力浪费严重,并且检测结果的准确性较低,导致最终质量评级结果不准确;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于大数据的产品性能检测系统,用于解决传统的污渍检测由人工进行观察,主观判断钢材表面加工是否合格,这种方式对人力浪费严重,并且检测结果的准确性较低,导致最终质量评级结果不准确的问题。
本发明需要解决的技术问题为:如何提供一种可以自动对钢材表面的污渍进行高精度检测的钢材检测系统。
本发明的目的可以通过以下技术方案实现:
一种基于大数据的产品性能检测系统,包括处理器,所述处理器通信连接有表面检测模块、元素检测模块、拉伸检测模块以及数据库,所述表面检测模块通信连接有质量评级模块,所述质量评级模块与元素检测模块、拉伸检测模块均通信连接;
所述表面检测模块用于通过刮痕数据以及污渍数据对钢材的表面质量进行检测分析,得到钢材的表面系数BM,并将钢材的表面系数BM发送至质量评级模块;
刮痕数据为钢材各个表面的刮痕数量的和,污渍数据为钢材所有表面的污渍表现值的平均值;
钢材表面的污渍表现值的获取方法包括以下步骤:
步骤W1:对钢材的表面进行图片拍摄,将拍摄得到的图片放大为像素格图片,将像素格图片标记为分析图片,对分析图片进行图片处理得到分析图片每个像素格的灰度值;
步骤W2:通过数据库获取到灰度阈值,将像素格的灰度值减去灰度阈值得到像素格的灰度表现值,以像素格的灰度表现值与灰度表现值对应的像素格数量建立直角坐标系,X轴为像素格的灰度表现值,Y轴为灰度表现值对应的像素格数量;
步骤W3:以分析图片的像素格灰度表现值在直角坐标系上绘制曲线,截取Y轴右侧的曲线并标记为分析曲线,获取分析曲线所有的拐点,对拐点以横坐标值由小到大进行排序,将拐点的坐标标记为(Xi,Yi),i=1,2,…,n,以相邻两个拐点的纵坐标值建立集合JH,JH=[(Y1,Y2),(Y2,Y3),……,(Yn-1,Yn)];
步骤W4:对集合JH内n-1个子集进行平方差计算得到n-1个污渍方差,对n-1个污渍方差进行求和取平均值得到钢材表面的污渍表现值。
进一步地,所述表面系数BM的获取方法包括以下步骤:
步骤S1:获取钢材各个表面的刮痕数量,将钢材各个表面的刮痕数量的和标记为GH;
步骤S2:获取钢材各个表面的污渍表现值,将钢材所有表面的污渍表现值的平均值标记为WZ;
步骤S4:通过数据库获取到钢材的表面系数阈值BMmax,将钢材的表面系数BM与表面系数阈值BMmax进行比较:
若BM<BMmax,则判定钢材表面质量满足加工要求,表面检测模块将钢材的表面系数BM发送至质量评级模块;
若BM≥BMmax,则判定钢材表面质量不满足加工要求,表面检测模块向处理器发送返工信号。
进一步地,所述元素检测模块用于对钢材的元素含量进行检测分析,具体的检测分析过程包括以下步骤:
步骤P1:对钢材进行元素检测,将钢材的碳元素含量、镁元素含量以及钡元素含量分别标记为TH、MH以及BH;
步骤P3:通过数据库获取到钢材的元素含量阈值YHmin,将元素含量系数YH与元素含量阈值YHmin进行比较:
若YH≤YHmin,则判定钢材的元素含量不满足生产需求,元素检测模块向处理器发送返工信号;
若YH>YHmin,则判定钢材的元素含量满足生产需求,元素检测模块将元素含量系数YH发送至质量评级模块。
进一步地,所述拉伸检测模块用于对钢材的拉伸性能进行检测分析,具体的检测过程包括以下步骤:
步骤Q1:从待检测钢材中随机抽取m个钢材进行拉伸检测,将随机抽取的m个钢材标记为检测钢材;
步骤Q2:获取检测钢材的抗拉强度值、屈服强度值以及伸长率,将检测钢材的抗拉强度值、屈服强度值以及伸长率分别标记为KL、QF以及SC;
步骤Q4:通过数据库获取到拉伸系数阈值LSmin,将检测钢材的拉伸系数LS与拉伸系数阈值LSmin进行比较:
若LS≤LSmin,则判定钢材的拉伸性能不满足加工要求,拉伸检测模块向处理器发送返工信号;
若LS>LSmin,则判定钢材的拉伸性能满足加工要求;
若HG<HGmin,则判定钢材的拉伸性能不达标;
若HG≥HGmin,则判定钢材的拉伸性能达标,拉伸检测模块将检测钢材的合格率HG发送至质量评级模块。
进一步地,所述质量评级模块通过钢材的表面系数BM、元素含量系数YH以及合格率HG对钢材的质量进行评级,将钢材的表面系数BM、元素含量系数YH以及合格率HG输入至质量评级模型进行等级评定,质量评级模型的等级评定过程包括以下步骤:
步骤二:通过数据库获取到钢材的质量系数阈值ZLmin与ZLmax,将钢材的质量系数ZL与质量系数阈值ZLmin、ZLmax进行比较:
若ZL≤ZLmin,则判定钢材的质量等级为三等级;
若ZLmin<ZL<ZLmax,则判定钢材的质量等级为二等级;
若ZL≥ZLmax,则判定钢材的质量等级为三等级。
所述处理器接收到返工信号后将返工信号发送至管理人员的手机终端,管理人员接收到返工信号后将对应的钢材进行返工处理。
本发明具备下述有益效果:
1、通过表面检测模块可以通过钢材的刮痕数据以及污渍数据计算得到钢材的表面系数,表面系数用于体现钢材的整体表面质量,表面系数越高表示钢材的整体表面质量越差,在钢材整体表面不合格时对钢材进行返工处理,避免表面质量不合格的产品进入市场;
2、通过对钢材表面进行拍摄、并将图片放大至像素格图片进行分析,对像素格图片进行图片处理得到灰度值,利用像素格的灰度值对钢材表面的污渍进行分析,可以得到污渍在钢材表面的影响程度,将污渍在钢材表面的影响程度以污渍表现值的形式带入表面系数的分析过程内进行分析,提高对钢材表面质量检测结果的精确性;
3、通过元素检测模块对钢材的元素含量进行检测分析得到钢材的元素含量系数,将元素含量系数与元素含量阈值进行比较,对不满足生产需求的钢材进行返工处理,将满足生产需求的钢材的元素含量系数发送至质量评级模块进行质量等级评定;
4、通过拉伸检测模块对钢材的拉伸性能进行抽样检测分析得到钢材的拉伸系数,将拉伸系数与拉伸系数阈值进行比较,计算钢材拉伸性能的合格率,对合格率不达标的钢材进行返工处理,将合格率达标的钢材的合格率发送至质量评级模块进行质量等级评定;
通过质量评级模块对钢材的表面质量、元素含量以及拉伸性能进行整合分析,将得到的质量系数与质量系数阈值进行比较,从而根据比较结果对钢材进行质量等级评定,对不同质量等级的钢材进行分级定价销售,提高产品的层次性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图;
图1为本发明原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种基于大数据的产品性能检测系统,包括处理器,处理器通信连接有表面检测模块、元素检测模块、拉伸检测模块以及数据库,表面检测模块通信连接有质量评级模块,质量评级模块与元素检测模块、拉伸检测模块均通信连接;
表面检测模块用于通过刮痕数据以及污渍数据对钢材的表面质量进行检测分析,刮痕数据为钢材各个表面的刮痕数量的和,污渍数据为钢材所有表面的污渍表现值的平均值,表面检测模块的检测分析过程具体包括以下步骤:
步骤S1:获取钢材各个表面的刮痕数量,将钢材各个表面的刮痕数量的和标记为GH;
步骤S2:获取钢材各个表面的污渍表现值,将钢材所有表面的污渍表现值的平均值标记为WZ;
步骤S4:通过数据库获取到钢材的表面系数阈值BMmax,将钢材的表面系数BM与表面系数阈值BMmax进行比较:
若BM<BMmax,则判定钢材表面质量满足加工要求,表面检测模块将钢材的表面系数BM发送至质量评级模块;
若BM≥BMmax,则判定钢材表面质量不满足加工要求,表面检测模块向处理器发送返工信号。
钢材表面的污渍表现值的获取方法包括:对钢材的表面进行图片拍摄,将拍摄得到的图片放大为像素格图片,将像素格图片标记为分析图片,对分析图片进行图片处理得到分析图片每个像素格的灰度值,图片处理包括图片增强与灰度变换,通过数据库获取到灰度阈值,将像素格的灰度值减去灰度阈值得到像素格的灰度表现值,以像素格的灰度表现值与灰度表现值对应的像素格数量建立直角坐标系,X轴为像素格的灰度表现值,Y轴为灰度表现值对应的像素格数量,以分析图片的像素格灰度表现值在直角坐标系上绘制曲线,截取Y轴右侧的曲线并标记为分析曲线,获取分析曲线所有的拐点,对拐点以横坐标值由小到大进行排序,将拐点的坐标标记为(Xi,Yi),i=1,2,…,n,以相邻两个拐点的纵坐标值建立集合JH,JH=[(Y1,Y2),(Y2,Y3),……,(Yn-1,Yn)],对集合JH内n-1个子集进行平方差计算得到n-1个污渍方差,对n-1个污渍方差进行求和取平均值得到钢材表面的污渍表现值;
元素检测模块用于对钢材的元素含量进行检测分析,具体的检测分析过程包括以下步骤:
步骤P1:对钢材进行元素检测,将钢材的碳元素含量、镁元素含量以及钡元素含量分别标记为TH、MH以及BH;
步骤P3:通过数据库获取到钢材的元素含量阈值YHmin,将元素含量系数YH与元素含量阈值YHmin进行比较:
若YH≤YHmin,则判定钢材的元素含量不满足生产需求,元素检测模块向处理器发送返工信号;
若YH>YHmin,则判定钢材的元素含量满足生产需求,元素检测模块将元素含量系数YH发送至质量评级模块;
拉伸检测模块用于对钢材的拉伸性能进行检测分析,具体的检测过程包括以下步骤:
步骤Q1:从待检测钢材中随机抽取m个钢材进行拉伸检测,将随机抽取的m个钢材标记为检测钢材;
步骤Q2:获取检测钢材的抗拉强度值、屈服强度值以及伸长率,将检测钢材的抗拉强度值、屈服强度值以及伸长率分别标记为KL、QF以及SC;
步骤Q4:通过数据库获取到拉伸系数阈值LSmin,将检测钢材的拉伸系数LS与拉伸系数阈值LSmin进行比较:
若LS≤LSmin,则判定钢材的拉伸性能不满足加工要求,拉伸检测模块向处理器发送返工信号;
若LS>LSmin,则判定钢材的拉伸性能满足加工要求;
若HG<HGmin,则判定钢材的拉伸性能不达标;
若HG≥HGmin,则判定钢材的拉伸性能达标,拉伸检测模块将检测钢材的合格率HG发送至质量评级模块;
质量评级模块通过钢材的表面系数BM、元素含量系数YH以及合格率HG对钢材的质量进行评级,将钢材的表面系数BM、元素含量系数YH以及合格率HG输入至质量评级模型进行等级评定,质量评级模型的等级评定过程包括以下步骤:
步骤二:通过数据库获取到钢材的质量系数阈值ZLmin与ZLmax,将钢材的质量系数ZL与质量系数阈值ZLmin、ZLmax进行比较:
若ZL≤ZLmin,则判定钢材的质量等级为三等级;
若ZLmin<ZL<ZLmax,则判定钢材的质量等级为二等级;
若ZL≥ZLmax,则判定钢材的质量等级为三等级。
本发明在工作时,通过摄像头对钢材表面进行拍摄、并将图片放大至像素格图片进行分析,对像素格图片进行图片处理得到灰度值,利用像素格的灰度值对钢材表面的污渍进行分析,可以得到污渍在钢材表面的影响程度,将污渍在钢材表面的影响程度以污渍表现值的形式带入表面系数的分析过程内进行分析,提高对钢材表面质量检测结果的精确性,表面检测模块通过钢材的刮痕数据以及污渍数据计算得到钢材的表面系数,表面系数用于体现钢材的整体表面质量,表面系数越高表示钢材的整体表面质量越差,在钢材整体表面不合格时对钢材进行返工处理,避免表面质量不合格的产品进入市场;元素检测模块对钢材的元素含量进行检测分析得到钢材的元素含量系数,将元素含量系数与元素含量阈值进行比较,对不满足生产需求的钢材进行返工处理,将满足生产需求的钢材的元素含量系数发送至质量评级模块进行质量等级评定;拉伸检测模块对钢材的拉伸性能进行抽样检测分析得到钢材的拉伸系数,将拉伸系数与拉伸系数阈值进行比较,计算钢材拉伸性能的合格率,对合格率不达标的钢材进行返工处理,将合格率达标的钢材的合格率发送至质量评级模块进行质量等级评定;质量评级模块对钢材的表面质量、元素含量以及拉伸性能进行整合分析,将得到的质量系数与质量系数阈值进行比较,从而根据比较结果对钢材进行质量等级评定,对不同质量等级的钢材进行分级定价销售,提高产品的层次性。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
上述公式均是归一化处理取其数值,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况设定。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (5)
1.一种基于大数据的产品性能检测系统,其特征在于,包括处理器,所述处理器通信连接有表面检测模块、元素检测模块、拉伸检测模块以及数据库,所述表面检测模块通信连接有质量评级模块,所述质量评级模块与元素检测模块、拉伸检测模块均通信连接;
所述表面检测模块用于通过刮痕数据以及污渍数据对钢材的表面质量进行检测分析,得到钢材的表面系数BM,并将钢材的表面系数BM发送至质量评级模块;
刮痕数据为钢材各个表面的刮痕数量的和,污渍数据为钢材所有表面的污渍表现值的平均值;
钢材表面的污渍表现值的获取方法包括以下步骤:
步骤W1:对钢材的表面进行图片拍摄,将拍摄得到的图片放大为像素格图片,将像素格图片标记为分析图片,对分析图片进行图片处理得到分析图片每个像素格的灰度值;
步骤W2:通过数据库获取到灰度阈值,将像素格的灰度值减去灰度阈值得到像素格的灰度表现值,以像素格的灰度表现值与灰度表现值对应的像素格数量建立直角坐标系,X轴为像素格的灰度表现值,Y轴为灰度表现值对应的像素格数量;
步骤W3:以分析图片的像素格灰度表现值在直角坐标系上绘制曲线,截取Y轴右侧的曲线并标记为分析曲线,获取分析曲线所有的拐点,对拐点以横坐标值由小到大进行排序,将拐点的坐标标记为(Xi,Yi),i=1,2,…,n,以相邻两个拐点的纵坐标值建立集合JH,JH=[(Y1,Y2),(Y2,Y3),……,(Yn-1,Yn)];
步骤W4:对集合JH内n-1个子集进行平方差计算得到n-1个污渍方差,对n-1个污渍方差进行求和取平均值得到钢材表面的污渍表现值。
2.根据权利要求1所述的一种基于大数据的产品性能检测系统,其特征在于,所述表面系数BM的获取方法包括以下步骤:
步骤S1:获取钢材各个表面的刮痕数量,将钢材各个表面的刮痕数量的和标记为GH;
步骤S2:获取钢材各个表面的污渍表现值,将钢材所有表面的污渍表现值的平均值标记为WZ;
步骤S4:通过数据库获取到钢材的表面系数阈值BMmax,将钢材的表面系数BM与表面系数阈值BMmax进行比较:
若BM<BMmax,则判定钢材表面质量满足加工要求,表面检测模块将钢材的表面系数BM发送至质量评级模块;
若BM≥BMmax,则判定钢材表面质量不满足加工要求,表面检测模块向处理器发送返工信号。
3.根据权利要求1所述的一种基于大数据的产品性能检测系统,其特征在于,所述元素检测模块用于对钢材的元素含量进行检测分析,具体的检测分析过程包括以下步骤:
步骤P1:对钢材进行元素检测,将钢材的碳元素含量、镁元素含量以及钡元素含量分别标记为TH、MH以及BH;
步骤P3:通过数据库获取到钢材的元素含量阈值YHmin,将元素含量系数YH与元素含量阈值YHmin进行比较:
若YH≤YHmin,则判定钢材的元素含量不满足生产需求,元素检测模块向处理器发送返工信号;
若YH>YHmin,则判定钢材的元素含量满足生产需求,元素检测模块将元素含量系数YH发送至质量评级模块。
4.根据权利要求3所述的一种基于大数据的产品性能检测系统,其特征在于,所述拉伸检测模块用于对钢材的拉伸性能进行检测分析,具体的检测过程包括以下步骤:
步骤Q1:从待检测钢材中随机抽取m个钢材进行拉伸检测,将随机抽取的m个钢材标记为检测钢材;
步骤Q2:获取检测钢材的抗拉强度值、屈服强度值以及伸长率,将检测钢材的抗拉强度值、屈服强度值以及伸长率分别标记为KL、QF以及SC;
步骤Q4:通过数据库获取到拉伸系数阈值LSmin,将检测钢材的拉伸系数LS与拉伸系数阈值LSmin进行比较:
若LS≤LSmin,则判定钢材的拉伸性能不满足加工要求,拉伸检测模块向处理器发送返工信号;
若LS>LSmin,则判定钢材的拉伸性能满足加工要求;
若HG<HGmin,则判定钢材的拉伸性能不达标;
若HG≥HGmin,则判定钢材的拉伸性能达标,拉伸检测模块将检测钢材的合格率HG发送至质量评级模块。
5.根据权利要求4所述的一种基于大数据的产品性能检测系统,其特征在于,所述质量评级模块通过钢材的表面系数BM、元素含量系数YH以及合格率HG对钢材的质量进行评级,将钢材的表面系数BM、元素含量系数YH以及合格率HG输入至质量评级模型进行等级评定,质量评级模型的等级评定过程包括以下步骤:
步骤二:通过数据库获取到钢材的质量系数阈值ZLmin与ZLmax,将钢材的质量系数ZL与质量系数阈值ZLmin、ZLmax进行比较:
若ZL≤ZLmin,则判定钢材的质量等级为三等级;
若ZLmin<ZL<ZLmax,则判定钢材的质量等级为二等级;
若ZL≥ZLmax,则判定钢材的质量等级为三等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110374324.1A CN113052830B (zh) | 2021-04-07 | 2021-04-07 | 一种基于大数据的产品性能检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110374324.1A CN113052830B (zh) | 2021-04-07 | 2021-04-07 | 一种基于大数据的产品性能检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113052830A true CN113052830A (zh) | 2021-06-29 |
CN113052830B CN113052830B (zh) | 2022-08-09 |
Family
ID=76519401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110374324.1A Active CN113052830B (zh) | 2021-04-07 | 2021-04-07 | 一种基于大数据的产品性能检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113052830B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113588676A (zh) * | 2021-09-07 | 2021-11-02 | 安徽卫家健康科技有限公司 | 远红外碳晶加热板的智能化在线质量检测装置及方法 |
CN114887915A (zh) * | 2022-06-01 | 2022-08-12 | 江西省欣阳汽车零部件制造有限公司 | 一种用于曲轴加工传输产线的传输机械手及传输方法 |
CN115115626A (zh) * | 2022-08-26 | 2022-09-27 | 南通科强智能设备有限公司 | 一种机械零件缺陷检测系统及检测方法 |
CN115112183A (zh) * | 2022-08-30 | 2022-09-27 | 南通科强智能设备有限公司 | 一种用于异形机械零件尺寸检测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110280470A1 (en) * | 2010-05-11 | 2011-11-17 | Sumco Corporation | Wafer defect inspection apparatus and method for inspecting a wafer defect |
CN110111301A (zh) * | 2019-03-21 | 2019-08-09 | 广东工业大学 | 基于频域变换的金属氧化表面缺陷视觉检测方法 |
CN110400099A (zh) * | 2019-08-09 | 2019-11-01 | 马鞍山钢铁股份有限公司 | 一种带钢产品表面质量分级方法 |
CN110618134A (zh) * | 2019-09-16 | 2019-12-27 | 山西大数据产业发展有限公司 | 钢板表面质量缺陷检测评级系统及方法 |
CN111815601A (zh) * | 2020-07-03 | 2020-10-23 | 浙江大学 | 一种基于深度卷积自编码器的纹理图像表面缺陷检测方法 |
CN112184065A (zh) * | 2020-10-27 | 2021-01-05 | 时代云英(深圳)科技有限公司 | 一种基于工业互联网的智能制造系统及方法 |
-
2021
- 2021-04-07 CN CN202110374324.1A patent/CN113052830B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110280470A1 (en) * | 2010-05-11 | 2011-11-17 | Sumco Corporation | Wafer defect inspection apparatus and method for inspecting a wafer defect |
CN110111301A (zh) * | 2019-03-21 | 2019-08-09 | 广东工业大学 | 基于频域变换的金属氧化表面缺陷视觉检测方法 |
CN110400099A (zh) * | 2019-08-09 | 2019-11-01 | 马鞍山钢铁股份有限公司 | 一种带钢产品表面质量分级方法 |
CN110618134A (zh) * | 2019-09-16 | 2019-12-27 | 山西大数据产业发展有限公司 | 钢板表面质量缺陷检测评级系统及方法 |
CN111815601A (zh) * | 2020-07-03 | 2020-10-23 | 浙江大学 | 一种基于深度卷积自编码器的纹理图像表面缺陷检测方法 |
CN112184065A (zh) * | 2020-10-27 | 2021-01-05 | 时代云英(深圳)科技有限公司 | 一种基于工业互联网的智能制造系统及方法 |
Non-Patent Citations (1)
Title |
---|
兰鹏: "连铸坯点状偏析缺陷研究进展", 《钢铁》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113588676A (zh) * | 2021-09-07 | 2021-11-02 | 安徽卫家健康科技有限公司 | 远红外碳晶加热板的智能化在线质量检测装置及方法 |
CN114887915A (zh) * | 2022-06-01 | 2022-08-12 | 江西省欣阳汽车零部件制造有限公司 | 一种用于曲轴加工传输产线的传输机械手及传输方法 |
CN115115626A (zh) * | 2022-08-26 | 2022-09-27 | 南通科强智能设备有限公司 | 一种机械零件缺陷检测系统及检测方法 |
CN115112183A (zh) * | 2022-08-30 | 2022-09-27 | 南通科强智能设备有限公司 | 一种用于异形机械零件尺寸检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113052830B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113052830B (zh) | 一种基于大数据的产品性能检测系统 | |
CN111353984B (zh) | 一种自适应鲁棒的灰度图像中液位高精度检测方法 | |
CN115456956A (zh) | 一种液晶屏划痕检测方法、设备及存储介质 | |
CN115601347A (zh) | 基于灰度纹理分析的钢板表面缺陷检测方法 | |
CN116152261B (zh) | 一种印刷制品质量的视觉检测系统 | |
CN111860176B (zh) | 一种非金属夹杂全视场定量统计分布表征方法 | |
CN110763306A (zh) | 一种基于单目视觉的液位测量系统及方法 | |
CN114332081B (zh) | 基于图像处理的纺织品表面异常判定方法 | |
CN116128627A (zh) | 风险预测方法、装置、电子设备及存储介质 | |
CN115858940A (zh) | 一种基于大数据处理的钢结构焊接工艺质量管理推荐方法 | |
CN117689655B (zh) | 基于计算机视觉的金属钮扣表面缺陷检测方法 | |
CN116309556B (zh) | 一种基于机器视觉技术的钢构件成品质量管理方法 | |
CN112749735A (zh) | 基于深度学习的转炉出钢钢流识别方法、系统、介质及终端 | |
CN116542910A (zh) | 基于亚像素边缘提取的冲压件圆孔定位及形变检测方法 | |
CN115761606A (zh) | 基于图像处理的箱体电能表识别方法及装置 | |
CN112712077B (zh) | 一种钢流轮廓确定方法、系统、终端及介质 | |
CN115115626A (zh) | 一种机械零件缺陷检测系统及检测方法 | |
CN111091601B (zh) | 一种实时白天室外手机图像的pm2.5指数估计方法 | |
CN112950504A (zh) | 一种输电线路巡检雾霾天气单目隐患物体测距方法及系统 | |
CN110440716B (zh) | 基于ccd图像传感器的指纹模组检测系统及方法 | |
CN111462053A (zh) | 一种图像形态学处理方法和系统 | |
CN111598418A (zh) | 基于均衡度的项目排序方法、装置、设备和存储介质 | |
CN117593780B (zh) | 一种皱纹深度指数确定方法、装置、电子设备及存储介质 | |
CN114202523A (zh) | 一种拆回电能表外观质量检测装置、方法、设备和介质 | |
CN116721074B (zh) | 基于图像分析的手机保护膜生产质量检测系统 |
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 |