CN113379933A - 一种基于人工智能的金属板材自动化加工系统 - Google Patents
一种基于人工智能的金属板材自动化加工系统 Download PDFInfo
- Publication number
- CN113379933A CN113379933A CN202110740515.5A CN202110740515A CN113379933A CN 113379933 A CN113379933 A CN 113379933A CN 202110740515 A CN202110740515 A CN 202110740515A CN 113379933 A CN113379933 A CN 113379933A
- Authority
- CN
- China
- Prior art keywords
- model
- metal plate
- processed
- processing
- module
- 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
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
Abstract
本发明公开了一种基于人工智能的金属板材自动化加工系统,属于金属板材加工技术领域,包括取料模块、板材定位模块、板材加工模块、模型设计模块、码垛模块、储存模块和服务器;所述模型设计模块用于用户设计金属板材加工模型,并将设计完成的金属板材加工模型发送到储存模块进行储存;所述储存模块包括模型库和记录库,通过获取加工模型的参照模型,对参照模型进行处理,获得模型参数,设置模拟建模模型,将模型参数输入至模拟建模模型获取输出结果并标记为初级模型;用户根据设计参数对初级模型进行调整,极大的降低了工作人员的制作模型时间,只需要对初级模型进行修改就可以了,提高了工作效率。
Description
技术领域
本发明属于金属板材加工技术领域;具体是一种基于人工智能的金属板材自动化加工系统。
背景技术
金属板材常用的成型方法包括激光切割、冲压、折弯、剪板、焊接。简单的造型,可以直接用金属模具冲压、折弯等成型;复杂的造型则要单独制作金属模具,再将金属板材冲压、折弯、焊接等成型;但是,目前在进行金属板材加工过程中还不够智能化,有很多的工序都需要工人操作,这将会极大的增加生产成本,不符合行业发展需求;而且,在一些金属板材需要进行建模加工,由工作人员一点点的绘制,效率低下,极其耗费时间,不够智能化。
发明内容
本发明的目的在于提供一种基于人工智能的金属板材自动化加工系统,解决:
1、如何提高金属板材加工的智能化;
2、如何提高工作人员的建模效率。
本发明的目的可以通过以下技术方案实现:
一种基于人工智能的金属板材自动化加工系统,包括取料模块、板材定位模块、板材加工模块、模型设计模块、码垛模块、储存模块和服务器;
所述模型设计模块用于用户设计金属板材加工模型,并将设计完成的金属板材加工模型发送到储存模块进行储存;所述储存模块包括模型库和记录库,所述记录库用于储存金属板材加工记录,所述模型库用于储存由模型设计模块发送的金属板材加工模型;
所述取料模块用于提取待加工金属板材;所述取料模块与板材定位模块通信连接;所述板材定位模块用于将提取的待加工金属板材固定到指定的金属板材加工位置,当将提取的待加工金属板材固定到指定的金属板材加工位置时,生成定位完成信号,并将定位完成信号发送到服务器,服务器接收由板材定位模块发送的定位完成信号,生成加工信号,将加工信号发送到板材加工模块;
所述板材加工模块用于按照金属板材加工模型对金属板材加工位置上的金属板材进行加工,板材加工模块接收由服务器发送的加工信号,板材加工模块开始按照金属板材加工模型对金属板材加工位置上的金属板材进行加工,当加工完成时,生成加工完成信号,并将加工完成信号发送到服务器,服务器接收由板材加工模块发送的加工完成信号,生成码垛信号,将码垛信号发送到码垛模块;所述码垛模块用于将加工后的金属板材进行码垛;码垛模块接收由服务器发送的码垛信号,对加工完成的金属板材进行码垛。
进一步地,用户使用模型设计模块设计金属板材加工模型的方法包括:
步骤SA1:获取加工模型的参照模型,参照模型包括图纸、图片和三维模型;
步骤SA2:对参照模型进行处理,获得模型参数,设置模拟建模模型,将模型参数输入至模拟建模模型获取输出结果并标记为初级模型;
步骤SA3:用户根据设计参数对初级模型进行调整,将调整后的初级模型标记为加工模型。
进一步地,步骤SA2中设置模拟建模模型的方法包括:
获取历史建模数据;所述历史建模数据包括模型参数和对应的模拟模型;构建人工智能模型;将历史建模数据和对应的模拟模型按照设定比例划分为训练集、测试集和校验集;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验;将训练完成的人工智能模型标记为模拟建模模型。
进一步地,对于步骤SA2中对参照模型进行处理的方法包括:
当参照模型是图纸时,设置图名对照表,根据图名对照表对图纸的图名进行校正,检查图纸边框,当图纸没有图纸边框时,进行手动添加,识别图纸边框,根据图纸边框将图纸进行分割,识别分割后的图纸图名,根据图纸图名建立图纸块,提取每个图纸块中的轮廓和尺寸,将提取的图纸块中的轮廓和尺寸标记为模型参数;
当参照模型是图片时,提取图片轮廓,根据图片轮廓设置单边比例系数,单边比例系数就是根据每条轮廓边长确定每条轮廓边长之间的比例关系,设置图片轮廓其中一条边长的尺寸,获得图片轮廓中全部边长的尺寸,将图片轮廓和尺寸标记为模型参数;
当参照模型是三维模型时,将三维模型直接标记为初级模型。
进一步地,取料模块提取待加工金属板材的方法包括:
获取待加工金属板材图像和待加工金属板材背景图像,将待加工金属板材图像和待加工金属板材背景图像进行图像预处理,并将图像预处理之后的图像分别标记为待加工金属板材灰度图像和背景灰度图像;
将待加工金属板材灰度图像和背景灰度图像进行对比,对待加工金属板材灰度图像进行边界标记,根据边界标记获得待加工金属板材轮廓,根据待加工金属板材轮廓获得待加工金属板材轮廓重心,对待加工金属板材轮廓重心进行标记,控制吸附装置在重心标记点进行吸附,提取待加工金属板材。
进一步地,板材定位模块将提取的待加工金属板材固定到指定的金属板材加工位置的方法包括:
获取待加工金属板材轮廓、待加工金属板材轮廓重心和指定的金属板材加工位置,根据待加工金属板材轮廓和指定的金属板材加工位置设置待加工金属板材在加工位置上的边界线,在边界线上设置扫描单元,根据待加工金属板材轮廓重心在金属板材加工位置上设置参考点,将待加工金属板材轮廓重心与参考点对齐,放置待加工金属板材,通过扫描单元进行扫描,当待加工金属板材压在边界线上时,将会被扫描单元扫描到,重新调整待加工金属板材的位置,直到待加工金属板材全部在边界线内。
本发明的有益效果:通过获取加工模型的参照模型,对参照模型进行处理,获得模型参数,设置模拟建模模型,将模型参数输入至模拟建模模型获取输出结果并标记为初级模型;用户根据设计参数对初级模型进行调整,极大的降低了工作人员的制作模型时间,只需要对初级模型进行修改就可以了,提高了工作效率;根据边界标记获得待加工金属板材轮廓,根据待加工金属板材轮廓获得待加工金属板材轮廓重心,对待加工金属板材轮廓重心进行标记,控制吸附装置在重心标记点进行吸附,提取待加工金属板材,保证了金属板材在移动过程中的稳定,避免金属板材脱落,同时为金属板材后续的加工定位提供数据,确保金属板材被固定在指定的金属板材加工位置。
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为本发明的原理框图。
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种基于人工智能的金属板材自动化加工系统,包括取料模块、板材定位模块、板材加工模块、模型设计模块、码垛模块、储存模块和服务器;
模型设计模块用于用户设计金属板材加工模型,并将设计完成的金属板材加工模型发送到储存模块进行储存;储存模块包括模型库和记录库,记录库用于储存金属板材加工记录,模型库用于储存由模型设计模块发送的金属板材加工模型;
用户使用模型设计模块设计金属板材加工模型的方法包括:
步骤SA1:获取加工模型的参照模型,参照模型包括图纸、图片和三维模型;
步骤SA2:对参照模型进行处理,获得模型参数,设置模拟建模模型,将模型参数输入至模拟建模模型获取输出结果并标记为初级模型;
步骤SA3:用户根据设计参数对初级模型进行调整,将调整后的初级模型标记为加工模型;
通过获取加工模型的参照模型,对参照模型进行处理,获得模型参数,设置模拟建模模型,将模型参数输入至模拟建模模型获取输出结果并标记为初级模型;用户根据设计参数对初级模型进行调整,极大的降低了工作人员的制作模型时间,只需要对初级模型进行修改就可以了,提高了工作效率;
步骤SA2中设置模拟建模模型的方法包括:
获取历史建模数据;历史建模数据包括模型参数和对应的模拟模型;对应的模拟模型就是根据图纸块中的轮廓和尺寸建立模型,再将建立模型的进行组合,例如:轮廓为矩形,长2cm、宽1cm和高1cm,则可以建立长方体,同时当矩形上还有正方形,长1cm、宽0.5cm和深0.5cm,则在长方体上产生正方体凹槽;构建人工智能模型;人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络;将历史建模数据和对应的模拟模型按照设定比例划分为训练集、测试集和校验集;设定比例包括5:2:1、3:1:1和4:1:1;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验;将训练完成的人工智能模型标记为模拟建模模型;
对于步骤SA2中对参照模型进行处理的方法包括:
当参照模型是图纸时,设置图名对照表,图名对照表内包括某某正视图、某某俯视图、某某左视图、某某右视图、某某剖面图等图名,用于规范图纸名称,方便图纸识别;根据图名对照表对图纸的图名进行校正,检查图纸边框,当图纸没有图纸边框时,进行手动添加,识别图纸边框,根据图纸边框将图纸进行分割,识别分割后的图纸图名,根据图纸图名建立图纸块,图纸块就是以图纸图名命名的分割后图纸,提取每个图纸块中的轮廓和尺寸,将提取的图纸块中的轮廓和尺寸标记为模型参数;
当参照模型是图片时,提取图片轮廓,可以通过Sobel算法、Isotropic Sobel算法、Roberts算法、Prewitt算子、Laplacian算法和Canny算子进行提取图片轮廓,根据图片轮廓设置单边比例系数,单边比例系数就是根据每条轮廓边长确定每条轮廓边长之间的比例关系,设置图片轮廓其中一条边长的尺寸,获得图片轮廓中全部边长的尺寸,将图片轮廓和尺寸标记为模型参数;
当参照模型是三维模型时,将三维模型直接标记为初级模型;
取料模块用于提取待加工金属板材;取料模块与板材定位模块通信连接;板材定位模块用于将提取的待加工金属板材固定到指定的金属板材加工位置,当将提取的待加工金属板材固定到指定的金属板材加工位置时,生成定位完成信号,并将定位完成信号发送到服务器,服务器接收由板材定位模块发送的定位完成信号,生成加工信号,将加工信号发送到板材加工模块;
取料模块提取待加工金属板材的方法包括:
获取待加工金属板材图像和待加工金属板材背景图像,待加工金属板材背景图像就是在没有待加工金属板材是拍摄的图像,将待加工金属板材图像和待加工金属板材背景图像进行图像预处理,并将图像预处理之后的图像分别标记为待加工金属板材灰度图像和背景灰度图像,图像预处理包括图像分割、图像去噪、图像增强和灰度变换;
将待加工金属板材灰度图像和背景灰度图像进行对比,对待加工金属板材灰度图像进行边界标记,因为待加工金属板材灰度图像与背景灰度图像之间灰度值不同的部分就是因为待加工金属板材挡住了背景,因此可以获得待加工金属板材的轮廓,根据边界标记获得待加工金属板材轮廓,根据待加工金属板材轮廓获得待加工金属板材轮廓重心,对待加工金属板材轮廓重心进行标记,控制吸附装置在重心标记点进行吸附,提取待加工金属板材;吸附装置一般为磁力吸附,为常用工业设备,因此在本发明就不进行详细叙述了;
板材加工模块用于按照金属板材加工模型对金属板材加工位置上的金属板材进行加工,板材加工模块接收由服务器发送的加工信号,板材加工模块开始按照金属板材加工模型对金属板材加工位置上的金属板材进行加工,当加工完成时,生成加工完成信号,并将加工完成信号发送到服务器,服务器接收由板材加工模块发送的加工完成信号,生成码垛信号,将码垛信号发送到码垛模块;码垛模块用于将加工后的金属板材进行码垛;码垛模块接收由服务器发送的码垛信号,对加工完成的金属板材进行码垛;
板材定位模块将提取的待加工金属板材固定到指定的金属板材加工位置的方法包括:
获取待加工金属板材轮廓、待加工金属板材轮廓重心和指定的金属板材加工位置,根据待加工金属板材轮廓和指定的金属板材加工位置设置待加工金属板材在加工位置上的边界线,因为在实际加工过程中待加工金属板材在加工位置上的位置都是不变的,在边界线上设置扫描单元,根据待加工金属板材轮廓重心在金属板材加工位置上设置参考点,将待加工金属板材轮廓重心与参考点对齐,放置待加工金属板材,通过扫描单元进行扫描,当待加工金属板材压在边界线上时,将会被扫描单元扫描到,重新调整待加工金属板材的位置,直到待加工金属板材全部在边界线内。
本发明在使用时,用户使用模型设计模块设计金属板材加工模型,并将设计完成的金属板材加工模型发送到储存模块进行储存;获取加工模型的参照模型,参照模型包括图纸、图片和三维模型;对参照模型进行处理,获得模型参数,设置模拟建模模型,将模型参数输入至模拟建模模型获取输出结果并标记为初级模型;用户根据设计参数对初级模型进行调整,将调整后的初级模型标记为加工模型;获取历史建模数据;历史建模数据包括模型参数和对应的模拟模型;构建人工智能模型;将历史建模数据和对应的模拟模型按照设定比例划分为训练集、测试集和校验集;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验;将训练完成的人工智能模型标记为模拟建模模型;
当参照模型是图纸时,设置图名对照表,根据图名对照表对图纸的图名进行校正,检查图纸边框,当图纸没有图纸边框时,进行手动添加,识别图纸边框,根据图纸边框将图纸进行分割,识别分割后的图纸图名,根据图纸图名建立图纸块,提取每个图纸块中的轮廓和尺寸,将提取的图纸块中的轮廓和尺寸标记为模型参数;当参照模型是图片时,提取图片轮廓,根据图片轮廓设置单边比例系数,单边比例系数就是根据每条轮廓边长确定每条轮廓边长之间的比例关系,设置图片轮廓其中一条边长的尺寸,获得图片轮廓中全部边长的尺寸,将图片轮廓和尺寸标记为模型参数;当参照模型是三维模型时,将三维模型直接标记为初级模型;
将提取的待加工金属板材固定到指定的金属板材加工位置,当将提取的待加工金属板材固定到指定的金属板材加工位置时,生成定位完成信号,并将定位完成信号发送到服务器,服务器接收由板材定位模块发送的定位完成信号,生成加工信号,将加工信号发送到板材加工模块;
获取待加工金属板材图像和待加工金属板材背景图像,将待加工金属板材图像和待加工金属板材背景图像进行图像预处理,并将图像预处理之后的图像分别标记为待加工金属板材灰度图像和背景灰度图像,将待加工金属板材灰度图像和背景灰度图像进行对比,对待加工金属板材灰度图像进行边界标记,根据边界标记获得待加工金属板材轮廓,根据待加工金属板材轮廓获得待加工金属板材轮廓重心,对待加工金属板材轮廓重心进行标记,控制吸附装置在重心标记点进行吸附,提取待加工金属板材;
板材加工模块接收由服务器发送的加工信号,板材加工模块开始按照金属板材加工模型对金属板材加工位置上的金属板材进行加工,当加工完成时,生成加工完成信号,并将加工完成信号发送到服务器,服务器接收由板材加工模块发送的加工完成信号,生成码垛信号,将码垛信号发送到码垛模块;码垛模块接收由服务器发送的码垛信号,对加工完成的金属板材进行码垛。
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。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上内容仅仅是对本发明结构所做的举例和说明,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。
Claims (6)
1.一种基于人工智能的金属板材自动化加工系统,其特征在于,包括取料模块、板材定位模块、板材加工模块、模型设计模块、码垛模块、储存模块和服务器;
所述模型设计模块用于用户设计金属板材加工模型,并将设计完成的金属板材加工模型发送到储存模块进行储存;所述储存模块包括模型库和记录库,所述记录库用于储存金属板材加工记录,所述模型库用于储存由模型设计模块发送的金属板材加工模型;
所述取料模块用于提取待加工金属板材;所述取料模块与板材定位模块通信连接;所述板材定位模块用于将提取的待加工金属板材固定到指定的金属板材加工位置,当将提取的待加工金属板材固定到指定的金属板材加工位置时,生成定位完成信号,并将定位完成信号发送到服务器,服务器接收由板材定位模块发送的定位完成信号,生成加工信号,将加工信号发送到板材加工模块;
所述板材加工模块用于按照金属板材加工模型对金属板材加工位置上的金属板材进行加工,板材加工模块接收由服务器发送的加工信号,板材加工模块开始按照金属板材加工模型对金属板材加工位置上的金属板材进行加工,当加工完成时,生成加工完成信号,并将加工完成信号发送到服务器,服务器接收由板材加工模块发送的加工完成信号,生成码垛信号,将码垛信号发送到码垛模块;所述码垛模块用于将加工后的金属板材进行码垛;码垛模块接收由服务器发送的码垛信号,对加工完成的金属板材进行码垛。
2.根据权利要求1所述的一种基于人工智能的金属板材自动化加工系统,其特征在于,用户使用模型设计模块设计金属板材加工模型的方法包括:
步骤SA1:获取加工模型的参照模型,参照模型包括图纸、图片和三维模型;
步骤SA2:对参照模型进行处理,获得模型参数,设置模拟建模模型,将模型参数输入至模拟建模模型获取输出结果并标记为初级模型;
步骤SA3:用户根据设计参数对初级模型进行调整,将调整后的初级模型标记为加工模型。
3.根据权利要求2所述的一种基于人工智能的金属板材自动化加工系统,其特征在于,步骤SA2中设置模拟建模模型的方法包括:
获取历史建模数据;所述历史建模数据包括模型参数和对应的模拟模型;构建人工智能模型;将历史建模数据和对应的模拟模型按照设定比例划分为训练集、测试集和校验集;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验;将训练完成的人工智能模型标记为模拟建模模型。
4.根据权利要求2所述的一种基于人工智能的金属板材自动化加工系统,其特征在于,对于步骤SA2中对参照模型进行处理的方法包括:
当参照模型是图纸时,设置图名对照表,根据图名对照表对图纸的图名进行校正,检查图纸边框,当图纸没有图纸边框时,进行手动添加;识别图纸边框,根据图纸边框将图纸进行分割,识别分割后的图纸图名,根据图纸图名建立图纸块,提取每个图纸块中的轮廓和尺寸,将提取的图纸块中的轮廓和尺寸标记为模型参数;
当参照模型是图片时,提取图片轮廓,根据图片轮廓设置单边比例系数,设置图片轮廓其中一条边长的尺寸,获得图片轮廓中全部边长的尺寸,将图片轮廓和尺寸标记为模型参数;
当参照模型是三维模型时,将三维模型直接标记为初级模型。
5.根据权利要求1所述的一种基于人工智能的金属板材自动化加工系统,其特征在于,取料模块提取待加工金属板材的方法包括:
获取待加工金属板材图像和待加工金属板材背景图像,将待加工金属板材图像和待加工金属板材背景图像进行图像预处理,并将图像预处理之后的图像分别标记为待加工金属板材灰度图像和背景灰度图像;
将待加工金属板材灰度图像和背景灰度图像进行对比,对待加工金属板材灰度图像进行边界标记,根据边界标记获得待加工金属板材轮廓,根据待加工金属板材轮廓获得待加工金属板材轮廓重心,对待加工金属板材轮廓重心进行标记,控制吸附装置在重心标记点进行吸附,提取待加工金属板材。
6.根据权利要求1所述的一种基于人工智能的金属板材自动化加工系统,其特征在于,板材定位模块将提取的待加工金属板材固定到指定的金属板材加工位置的方法包括:
获取待加工金属板材轮廓、待加工金属板材轮廓重心和指定的金属板材加工位置,根据待加工金属板材轮廓和指定的金属板材加工位置设置待加工金属板材在加工位置上的边界线,在边界线上设置扫描单元,根据待加工金属板材轮廓重心在金属板材加工位置上设置参考点,将待加工金属板材轮廓重心与参考点对齐,放置待加工金属板材,通过扫描单元进行扫描,当待加工金属板材压在边界线上时,将会被扫描单元扫描到,重新调整待加工金属板材的位置,直到待加工金属板材全部在边界线内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740515.5A CN113379933B (zh) | 2021-07-01 | 2021-07-01 | 一种基于人工智能的金属板材自动化加工系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740515.5A CN113379933B (zh) | 2021-07-01 | 2021-07-01 | 一种基于人工智能的金属板材自动化加工系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113379933A true CN113379933A (zh) | 2021-09-10 |
CN113379933B CN113379933B (zh) | 2022-04-01 |
Family
ID=77580408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110740515.5A Active CN113379933B (zh) | 2021-07-01 | 2021-07-01 | 一种基于人工智能的金属板材自动化加工系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113379933B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106493086A (zh) * | 2016-10-21 | 2017-03-15 | 北京源著智能科技有限公司 | 板材的分拣处理方法和系统 |
CN110414105A (zh) * | 2019-07-17 | 2019-11-05 | 杜艳阳 | 一种人工智能计算机辅助设计系统及应用 |
CN110458814A (zh) * | 2019-07-29 | 2019-11-15 | 山东艾雷维特智能科技有限公司 | 一种木材单板缺陷的检测方法、装置及系统 |
CN110866592A (zh) * | 2019-10-28 | 2020-03-06 | 腾讯科技(深圳)有限公司 | 模型训练方法、装置、能效预测方法、装置和存储介质 |
CN111651622A (zh) * | 2020-05-29 | 2020-09-11 | 云南昆船设计研究院有限公司 | 一种基于三维成像的建筑用铝模板自动分类系统及其方法 |
CN111898171A (zh) * | 2020-08-11 | 2020-11-06 | 上海控软网络科技有限公司 | 余料的加工图纸确定方法、装置、电子设备及存储介质 |
CN112232352A (zh) * | 2020-11-12 | 2021-01-15 | 深圳聚谷科技有限公司 | 一种智能识别pcb图纸自动计价系统和方法 |
CN112464553A (zh) * | 2020-11-02 | 2021-03-09 | 中国电子科技集团公司第三十八研究所 | 一种微波介质板可加工性诊断专家系统 |
CN112733246A (zh) * | 2021-01-22 | 2021-04-30 | 上海建工四建集团有限公司 | 建筑物的自动设计方法、装置、终端、存储介质及处理器 |
-
2021
- 2021-07-01 CN CN202110740515.5A patent/CN113379933B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106493086A (zh) * | 2016-10-21 | 2017-03-15 | 北京源著智能科技有限公司 | 板材的分拣处理方法和系统 |
CN110414105A (zh) * | 2019-07-17 | 2019-11-05 | 杜艳阳 | 一种人工智能计算机辅助设计系统及应用 |
CN110458814A (zh) * | 2019-07-29 | 2019-11-15 | 山东艾雷维特智能科技有限公司 | 一种木材单板缺陷的检测方法、装置及系统 |
CN110866592A (zh) * | 2019-10-28 | 2020-03-06 | 腾讯科技(深圳)有限公司 | 模型训练方法、装置、能效预测方法、装置和存储介质 |
CN111651622A (zh) * | 2020-05-29 | 2020-09-11 | 云南昆船设计研究院有限公司 | 一种基于三维成像的建筑用铝模板自动分类系统及其方法 |
CN111898171A (zh) * | 2020-08-11 | 2020-11-06 | 上海控软网络科技有限公司 | 余料的加工图纸确定方法、装置、电子设备及存储介质 |
CN112464553A (zh) * | 2020-11-02 | 2021-03-09 | 中国电子科技集团公司第三十八研究所 | 一种微波介质板可加工性诊断专家系统 |
CN112232352A (zh) * | 2020-11-12 | 2021-01-15 | 深圳聚谷科技有限公司 | 一种智能识别pcb图纸自动计价系统和方法 |
CN112733246A (zh) * | 2021-01-22 | 2021-04-30 | 上海建工四建集团有限公司 | 建筑物的自动设计方法、装置、终端、存储介质及处理器 |
Non-Patent Citations (1)
Title |
---|
孙美卫: ""基于多轴机器人的浮雕加工系统设计"", 《中原工学院学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113379933B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108701237B (zh) | 用于跨越多个组装单元自动生成公共测量的方法 | |
CN105372581B (zh) | 挠性电路板制造过程自动监测和智能分析系统及方法 | |
CN104036060B (zh) | 一种工程图在线审核方法和系统 | |
CN109146880A (zh) | 一种基于深度学习的电力设备检测方法 | |
CN113379933B (zh) | 一种基于人工智能的金属板材自动化加工系统 | |
CN111414907A (zh) | 数据集标注方法、数据集标注装置和计算机可读存储介质 | |
CN114880730A (zh) | 确定目标设备的方法、装置及光伏系统 | |
CN115115768A (zh) | 基于立体视觉的物体坐标识别系统及方法、装置、介质 | |
CN115937217B (zh) | 一种利用3d卷积和相关性算子来自动检测腐蚀坑的方法 | |
CN116363319A (zh) | 一种建筑物屋顶的建模方法、建模装置、设备及介质 | |
CN116343254A (zh) | 剖面图识别方法、装置、电子设备和存储介质 | |
CN115758738A (zh) | 交通事故仿真测试方法、数据格式转换方法、系统、设备及计算机可读存储介质 | |
CN104480231A (zh) | 一种数控切割机中加工工件的扫描处理方法及系统 | |
DE112010005581T5 (de) | Verfahren zum Erzeugen eines numerischen Steuerprogramms, Vorrichtung dafür und Programm, um einen Computer zu veranlassen, das Verfahren auszuführen | |
CN114065336A (zh) | 一种基于Revit的高支模区域的检查方法、装置、介质及设备 | |
EP3674965A1 (en) | Method and device for identifying barcode on curved surface, and system for establishing photovoltaic power station by identifying barcode | |
EP4147152A1 (en) | Method and system for deriving a digital representation of an unfolded blank and for cost estimation based upon the same | |
CN111414655A (zh) | 一种板材拼板图拼接方法 | |
CN112053335B (zh) | 一种热轧棒材重叠检测方法、系统及介质 | |
CN114226670B (zh) | 连铸铸坯切断状态识别方法、系统、介质及电子终端 | |
CN112863165B (zh) | 基于5g的物流企业车队管理方法及系统 | |
CN115690200B (zh) | 一种打孔铝片匹配铝模板的方法、装置、设备及存储介质 | |
CN115170970B (zh) | 一种用于检测城市街道景观破损的方法 | |
CN113515799B (zh) | 一种建筑信息模型的设备模型批量布置方法及装置 | |
CN113674305B (zh) | 应用于陶瓷生产的智能储坯系统及控制方法 |
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 |