CN113600951B - 一种基于真空钎焊炉生成保温杯的方法和系统 - Google Patents

Abstract

本说明书实施例提供一种基于真空钎焊炉生成保温杯的方法和系统，真空钎焊炉包括进料区、真空室、预热室、加热室、冷却室和出料区，该方法包括：将保温杯的内胆放置在外胆中，并对内胆和外胆的杯口连接处进行焊接，获得待加工器件；将待加工器件放置在进料区的载物台上，并依次送至真空室、预热室、加热室、冷却室进行处理；其中，该处理包括：将真空室的真空度抽至第一真空值，将预热室加热至第一温度值，以及将预热室的真空度抽至第二真空值，将加热室的真空度调整至第三真空值，以及温度加热至第二温度值，并在该第二温度值下保温第一时长；将处理后的待加工器件从出料区送出，获得加工成品。

Description

一种基于真空钎焊炉生成保温杯的方法和系统

技术领域

本说明书涉及保温杯生产领域，特别涉及一种基于真空钎焊炉生成保温杯的方法和系统。

背景技术

随着人们日常生活需求的日趋提升，保温杯以其能够降低杯中热水与外界环境换热速度的特点，得以有效减少散热实现保温目的。其中，保温杯的保温效果好与坏是大众选择保温杯的关键。而在批量生产时，即使属于同一批的产品，可能因为真空钎焊炉本身的设计问题以及不同保温杯在真空钎焊炉中加工时的位置等问题，使得每个产品的实际生产工艺参数是不同的，难以保证生产的保温杯的质量。

有鉴于此，亟待提供一种基于真空钎焊炉生成保温杯的方法，便于提高生产得到的保温杯的质量。

发明内容

本说明书实施例之一提供一种基于真空钎焊炉生成保温杯的方法，所述真空钎焊炉包括进料区、真空室、预热室、加热室、冷却室和出料区，所述方法包括：将所述保温杯的内胆放置在外胆中，并对所述内胆和所述外胆的杯口连接处进行焊接，获得待加工器件；将所述待加工器件放置在所述进料区的载物台上，并依次送至所述真空室、预热室、加热室、冷却室进行处理；其中，所述处理包括：将所述真空室的真空度抽至第一真空值；将所述预热室加热至第一温度值，以及将所述预热室的真空度抽至第二真空值；其中，所述第二真空值大于所述第一真空值；将所述加热室的真空度调整至第三真空值，以及温度加热至第二温度值，并在该第二温度值下保温第一时长；其中，所述第三真空值小于所述第二真空值，所述第二温度值大于所述第一温度值；将处理后的所述待加工器件从所述出料区送出，获得加工成品；其中，所述加工成品的内胆和外胆之间为真空。

本说明书实施例之一提供一种基于真空钎焊炉生成保温杯的系统，所述真空钎焊炉包括进料区、真空室、预热室、加热室、冷却室和出料区，所述系统包括：所述真空钎焊炉包括进料区、真空室、预热室、加热室、冷却室和出料区，所述系统包括：第一加工模块，用于将所述保温杯的内胆放置在外胆中，并对所述内胆和所述外胆的杯口连接处进行焊接，获得待加工器件；第二加工模块，用于将所述待加工器件放置在所述进料区的载物台上，并依次送至所述真空室、预热室、加热室、冷却室进行处理；其中，所述处理包括：将所述真空室的真空度抽至第一真空值；将所述预热室加热至第一温度值，以及将所述预热室的真空度抽至第二真空值；其中，所述第二真空值大于所述第一真空值；将所述加热室的真空度调整至第三真空值，以及温度加热至第二温度值，并在该第二温度值下保温第一时长；其中，所述第三真空值小于所述第二真空值，所述第二温度值大于所述第一温度值；第三加工模块，用于将处理后的所述待加工器件从所述出料区送出，获得加工成品；其中，所述加工成品的内胆和外胆之间为真空。

本说明书实施例之一提供一种基于真空钎焊炉生成保温杯的装置，所述装置包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如上述实施例中任意一项所述的方法。

本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如上述实施例中任意一项所述的方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的真空钎焊炉的示例性示意图；

图2是根据本说明书一些实施例所示的基于真空钎焊炉生成保温杯的示例性流程图；

图3是根据本说明书一些实施例所示的获取质检结果的示例性流程图；

图4是根据本说明书一些实施例所示的确定重点质检成品与标准成品的示例性流程图；

图5是根据本说明书一些实施例所示的待加工器件放置在载物台上的示例性示意图；

图6是根据本说明书一些实施例所示的获取质检分数的示例性流程图；

图7是根据本说明书一些实施例所示的又一获取质检分数的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的真空钎焊炉的示例性示意图。

在一些实施例中，可以基于真空钎焊炉生成保温杯。

真空钎焊炉是一种在真空条件下可以对材料进行钎焊的设备。如图1所示，所述真空钎焊炉100可以包括进料区110、真空室120、预热室130、加热室140、冷却室150和出料区160。

进料区110是指真空钎焊炉100中用于放入待加工材料的区域。例如，待加工的保温杯，或其他器件等。在一些实施例中，进料区110可以包括有载物台(图未示)。待加工材料可以放置在载物台上并通过载物台的移动进入真空钎焊炉100。

真空室120是指真空钎焊炉100中可以用于对待加工材料进行抽真空的区域。真空室120的真空度可以根据具体需加工产品的性质进行调整。

预热室130是指真空钎焊炉100中可以用于对待加工材料进行预热的区域。预热室130的温度、真空度和在预热室中的预热时长可以根据具体需加工产品的性质进行调整。

加热室140是指真空钎焊炉100中可以用于对待加工材料进行加热的区域。加热室140的温度、真空度与加热时长可以根据具体需加工产品的性质进行调整。

冷却室150是指真空钎焊炉100中可以用于对材料进行冷却的区域。在一些实施例中，冷却室150可以设置有拍摄装置(图未示)。拍摄装置可以对冷却区的物品进行拍摄，以获取加工后的器件的图像和/或视频。

出料区160是指真空钎焊炉中对材料处理完成后，送出加工完成产品的区域。

图2为根据本说明书一些实施例所示的基于真空钎焊炉生成保温杯的示例性流程图。如图2所示，流程200包括以下步骤：

在步骤210中，将所述保温杯的内胆放置在外胆中，并对所述内胆和所述外胆的杯口连接处进行焊接，获得待加工器件。在一些实施例中，步骤210可以由第一加工模块执行。

保温杯的内胆是指保温杯内部用于盛放流体物质(比如，水、茶等)的结构。保温杯的外胆是指保温杯外部用于隔绝空气的结构。在一些实施例中，保温杯外胆的底部可以包括有通孔，该通孔可以用于放置抽真空后的密封焊料。保温杯的内胆和外胆可以通过加工机床直接加工而成，也可以通过购买获得。待加工器件是指待放入真空钎焊炉中进行真空处理的保温杯材料。

在步骤220中，将所述待加工器件放置在所述进料区的载物台上，并依次送至所述真空室、预热室、加热室、冷却室进行处理。在一些实施例中，步骤220可以由第二加工模块执行。

在一些实施例中，待加工器件可以按照顺序依次送至真空室、预热室、加热室、冷却室进行处理。在一些实施例中，待加工器件也可以按照其他顺序进行处理。例如，待加工器件可以依次送至预热室、加热室、真空室、冷却室进行处理。

在一些实施例中，可以通过移动载物台将待加工器件送入真空室，在真空室完成处理后送入预热室，在预热室进行预热后送入加热室，加热室完成加热后送入冷却室进行冷却。

在一些实施例中，载物台可以是移动载物台。例如，为载物台设置移动结构(例如，滚轮、传送带等)，通过移动载物台将待加工器件依次送入真空室、预热室、加热室和冷却室进行处理。

在一些实施例中，待加工器件可以一种处理仅进行一次。例如，待加工器件可以按照顺序依次送至真空室、预热室、加热室、冷却室进行处理，此时，待加工器件仅在真空室、预热室、加热室、冷却室处理一次。在一些实施例中，待加工器件可以在一种处理中处理多次。例如，待加工器件可以按照顺序依次送至真空室、预热室、加热室、真空室、冷却室进行处理，此时，待加工器件在预热室、加热室、冷却室中仅处理一次，在真空室中处理两次。

在一些实施例中，先将待加工器件送入真空室中，并将真空室中的真空度抽至第一真空值。

第一真空值可以是指在真空室中对待加工器件进行真空处理的真空度。在一些实施例中，第一真空值可以是一个范围值。例如，第一真空值可以是5X10^-2～5X10^-3Pa。在一些实施例中，第一真空值可以是固定值。例如，第一真空值可以为5X10^-2Pa。在一些实施例中，第一真空值可以根据待加工器件的大小、容量、材质等变化而变化。例如，待加工器件的容量为500ml，第一真空值可以为5X10^-2Pa。又例如，待加工器件的容量为1000ml，第一真空值可以为5X10^-3Pa。

在一些实施例中，可以将经真空室真空处理后的待加工器件送至预热室，并将所述预热室加热至第一温度值，以及将所述预热室的真空度抽至第二真空值。

第一温度值可以是指在预热室中对待加工器件进行加热的最终温度。在一些实施例中，第一温度值可以是一个范围值。例如，第一温度值可以是280～380℃。在一些实施例中，第一温度值可以是一个固定值。例如，第一温度值可以是280℃或300℃。在一些实施例中，第一温度值还可以根据待加工器件的大小、容量、材质等变化而变化。例如，待加工器件的材质为316不锈钢，第一温度值可以是280℃。又例如，待加工器件的材质为304不锈钢，第一温度值可以是300℃。

第二真空值是指待加工器件在预热室内的真空度。与第一真空值类似，第二真空值可以是范围值也可以是固定值。第二真空值还可以根据待加工器件的大小、容量、材质等变化而变化。

在一些实施例中，可以将从真空室经真空处理过的待加工器件送至预热室，然后直接将预热室加热至第一温度值，并将预热室的真空度抽至第二真空值。示例性地，可以将从真空室送出的待加工器件送至预热室，然后直接将预热室的温度加热至280～380℃，并将真空度抽至5X10^-3～5X10^-4Pa。

在一些实施例中，可以将从真空室经真空处理过的待加工器件送至预热室，然后将所述预热室加热至第三温度值，以及将所述预热室的真空度抽至第二真空值；再将所述预热室从所述第三温度值加热至所述第一温度值，并在所述第一温度值下保温第二时长。第二时长是指待加工器件在预热室内保温的时间长度。第二时长可以是一个范围值。例如，第二时长可以是20min～40min。在一些实施例中，第二时长可以是一个固定值。例如，第二时长可以是30min。在一些实施例中，第二时长还可以根据待加工器件的大小、容量、材质等变化而变化。例如，待加工器件的大小为6*6*15cm，第二时长可以是30min。又例如，待加工器件的材质为7*7*16cm，第二时长可以是40min。

在一些实施例中，第三温度值小于所述第一温度值。第三温度值是指待加工器件在预热室内达到的温度中间值。与第一温度值类似，第三温度值可以是范围值也可以是固定值。第三温度值的大小还可以根据待加工器件的大小、容量、材质等变化而变化。

示例性地，可以将从真空室经真空处理过的待加工器件送至预热室，然后将预热室加热至160～250℃，再抽预热室的真空度调整至5X10^-3～5X10^-4Pa，再将预热室加热至280～380℃，保温20min～40min。

在一些实施例中，可以将所述加热室的真空度调整至第三真空值，以及温度加热至第二温度值，并在该第二温度值下保温第一时长。在一些实施例中，所述第三真空值小于所述第二真空值，所述第二温度值大于所述第一温度值。

第三真空值是指待加工器件在加热室内的真空度。与第一真空值类似，第三真空值可以是范围值也可以是固定值。第二真空值的大小还可以根据待加工器件的大小、容量、材质等变化而变化。

第二温度值是指待加工器件在加热室内达到的温度。与第一温度值类似，第二温度值可以是范围值也可以是固定值。第二温度值的大小还可以根据待加工器件的大小、容量、材质等变化而变化。

第一时长是指待加工器件在加热室内保温的时间长度。与第二时长类似，第一时长可以是范围值也可以是固定值。第一时长的大小还可以根据待加工器件的大小、容量、材质等变化而变化。

示例性地，可以将从预热室中经预热处理后的待加工器件送入加热室，将加热室的真空度调整至5X10^-1～5X10^-2Pa，再将加热室的温度升至500～600℃，保温50min～70min。

在一些实施例中，可以将经过加热室加热处理的待加工器件送入冷却室进行冷却。冷却室中的冷却环境可以是真空环境。例如，待加工器件在真空度为5X10^-2～5X10^-3Pa的冷却室中进行冷却。

在一些实施例中，第一时长可以与第二时长相关联。例如，第一时长的时间长短可以随着第二时长的时间长短变化而变化。第二时长增加，第一时长相应增加或减少。

在步骤230中，可以将处理后的待加工器件从所述出料区送出，获得加工成品。在一些实施例中，步骤230可以由第三加工模块执行。

加工成品是指已经经过真空钎焊炉真空处理后的保温杯。在一些实施例中，所述加工成品的内胆和外胆之间为真空。

在一些实施例中，加工成品的内胆和外胆之间的空间被抽真空，外胆的通孔可以通过焊料密封。

在一些实施例中，加工成品可以通过传送带等方式从出料区送出。

利用真空钎焊炉生成保温杯，可以对真空钎焊炉中的各个环节进行把控，便于控制保温杯生产中的各个环境变量，例如，可以在真空室、预热室、加热室，分别按照不同的温度、真空度进行加工。这样的保温杯的生产方法可以不仅提高生产的保温杯质量、保温效果，还提高了保温杯生产的效率和速度。

图3是根据本说明书一些实施例所示的获取质检结果的示例性流程图。如图3所示，流程300包括以下步骤：

在步骤310中，基于所述待加工器件的相关信息、所述预热室和所述加热室中加热带的分布数据，确定所述加工成品中的重点质检成品以及标准成品。

待加工器件的相关信息是指与待加工器件相关的各类信息。在一些实施例中，待加工器件的信息可以是待加工器件的温度信息。例如，待加工器件在冷却之后的温度为40℃。在一些实施例中，待加工器件的相关信息还可以包括待加工器件的大小、容量、材料或者其他任何与待加工器件相关的信息。

加热带是指预热室和加热室中用于加热的结构。加热带的分布数据是指预热室和加热室中加热带的分布情况数据，可以根据预先设置好的加热带结构确定。加热带的分布数据可以包括有加热带的数量、尺寸、位置、加热的温度或者其他任何相关的数据。例如，预热室中加热带的分布数据可以有加热带的加热温度为200℃、加热带大小为10*5cm、加热带距离待加工器件的距离为15cm。

重点质检成品是指加工成品中根据计算的得到的需要进行重点质量检测的成品。重点质检成品需要进行检测是否符合质量要求。在一些实施例中，质量要求可以预先设定。标准成品是指加工成品中根据计算得到的质量较好的成品。具体的重点质检成品与标准成品的确定相关描述详见图4及其相关描述。

在步骤320中，将所述重点质检成品的图像以及所述标准成品的图像作为图像识别模型的输入，获得质检结果。

在一些实施例中，可以通过设置于真空钎焊炉中的拍摄装置自动拍摄(例如，拍摄图像和/或视频)以获取重点质检成品的图像以及标准成品的图像。在一些实施例中，可以对重点质检成品和标准成品进行人工拍摄，以获取重点质检成品的图像和标准成品的图像。

在一些实施例中，图像识别模型可以对输入的重点质检成品的图像以及标准成品的图像进行图像识别，获得质检结果。例如，图像识别可以基于神经网络模型实现。神经网络模型的参数可以通过训练得到。在一些实施例中，在图像识别之前，可以对重点质检成品的图像以及标准成品的图像进行预处理。例如，预处理可以是尺寸或分辨率调整，以及去除加工成品移动时的运动伪影等。

质检结果是指图像识别模型对重点质检成品的判断结果。例如，该重点质检成品是否符合质量要求。

将保温杯的生产与检测过程相结合，可以更加快速准确地得到保温杯的质检结果。通过引入了机器学习模型对加工成品进行检测，不仅提高了检测效率，也减少了人员的参与，降低了成本。

图4是根据本说明书一些实施例所示的确定重点质检成品以及标准成品的示例性流程图。如图4所示，流程400包括以下步骤：

在步骤410中，获取所述待加工器件进入所述冷却室时的实际温度。

在一些实施例中，可以通过所述冷却室中的红外热像仪获取所述待加工器件的热力图。红外热像仪是指利用红外热成像技术，将物体温度分布数据转换成可视图像的仪器。通过红外热像仪可以获取到物体的热力图。热力图是指表示有物品温度分布数据的图像。

在一些实施例中，可以通过所述热力图，确定所述待加工器件的实际温度。

在一些实施例中，可以将热力图中所显示的温度直接作为待加工器件的实际温度。例如，红外热像仪测得待加工器件的温度为40℃，则该待加工器件的实际温度可以为40℃。

在一些实施例中，可以基于所述红外热像仪与所述待加工器件之间的距离，得到所述待加工器件的实际温度。具体的，待加工器件的实际温度可以通过热力图中所显示的温度与的红外热像仪与待加工器件的距离计算获得。红外热像仪与待加工器件之间的距离可以通过预设的红外热像仪与待加工器件的位置确定。具体的待加工器件的实际温度可以通过公式(1)确定：

T(t)＝T(t₀)-K_dT(t₀) (1)

其中，T(t)为待加工器件的实际温度，T(t₀)为待加工器件在热力图中所显示的温度，K_d为当红外热像仪与待加工器件之间的距离为d时的温度损失系数，K_d的大小可以根据d的变化而变化。例如，待加工器件在热力图中所显示的温度为40℃，当红外热像仪与待加工器件之间的距离为10cm时，温度损失系数为0.01。此时，待加工器件的实际温度为39.6℃。

在步骤420中，基于所述待加工器件的实际温度，构建特征矩阵。其中，所述特征矩阵中的元素与待加工器件一一对应，所述特征矩阵中的元素位置与所述待加工器件在所述载物台的网格位置一一对应。例如，如图5所示，载物台510上的网格中分别放置有待加工器件520-1、520-2、520-3和520-4，待加工器件520-1、520-2、520-3和520-4的实际温度分别为38℃、39℃、40℃和41℃，由此可以构建的特征矩阵为

在步骤430中，将所述特征矩阵、所述预热室和所述加热室中加热带的分布数据输入判断模型，确定所述待加工器件的质量风险度。

质量风险度是指待加工器件的质量不符合质量要求的风险程度。在一些实施例中，质量风险度可以是一个矩阵，矩阵中的元素与待加工器件的质量风险度一一对应，矩阵中的元素位置与待加工器件在所述载物台的网格位置一一对应。

示例性地，判断模型可以基于特征矩阵

预热室中加热带的分布数据为温度160℃、大小为10*10cm、距离待加工器件15cm，加热室中加热带的分布数据为温度20℃、大小为20*15cm、距离待加工器件10cm等输入，可以输出质量风险度为

在一些实施例中，判断模型可以包括但不限于支持向量机模型、Logistic回归模型、朴素贝叶斯分类模型、高斯分布贝叶斯分类模型、决策树模型、随机森林模型、KNN分类模型和神经网络模型。

在一些实施例中，判断模型可以基于历史数据训练获取。所述历史数据包括历史特征矩阵、预热室中和加热室中加热带的历史分布数据。

在一些实施例中，可以将多个历史特征矩阵、预热室中和加热室中加热带的历史分布数据作为训练样本。训练样本的标识可以是历史质量风险度。在一些实施例中，历史质量风险度可以基于历史待加工器件确定。在一些实施中，训练样本的标识可以通过人工标注得到，也可以通过其他方式标注得到，本说明书对此不作限定。

具体的，将带有标识的训练样本输入初始判断模型，通过训练更新初始判断模型的参数，当训练的模型满足预设条件时，训练结束，获取训练好的判断模型。

在步骤440中，基于所述质量风险度确定所述重点质检成品和所述标准成品。

在一些实施例中，可以预先设定质量风险度的中的重点质检成品阈值与标准成品阈值。其中，重点质检成品阈值高于标准成品阈值。若待加工器件的质量风险度高于重点质检成品阈值，则所述待加工器件为重点质检成品。若待加工器件的质量风险度低于标准成品阈值，则所述待加工器件为标准成。例如，质量风险度中的重点质检成品阈值与标准成品阈值分别为80与60，待加工器件的质量风险度为75，则所述待加工器件既不是重点质检成品也不是标准成品。

上述实施例至少具备以下技术效果：(1)先对所有加工成品进行筛选，再确定出重点质检产品，可以在保证检测效率的基础上，也保证了检测的准确度；(2)标准成品从同一批加工成品中筛选确定，减少了重点质检成品与加工成品间的变量，提高了检测的准确度。

图6根据本说明书一些实施例所示的获取质检分数的示例性流程图。如图5所示，流程600包括以下步骤：

在步骤610中，通过机械臂提取所述重点质检成品，并放置在所述出料区的拍摄位进行拍摄。

机械臂是用于提取待加工成品和/或加工成品的机械结构。在一些实施例中，机械臂可以安装在真空钎焊炉上。在一些实施例中，机械臂可以独立于真空钎焊炉存在。

在一些实施例中，机械臂可以提取所有的重点质检成品。在一些实施例中，机械臂可以随机提取一个重点质检成品。在一些实施例中，还可以根据质量风险程度对重点质检成品进行正序排序，机械臂可以提取第一位或者前几位的重点质检成品。在一些实施例中，可以使用相机拍摄照片，还可以使用摄像机拍摄视频或者其他拍摄装置对重点质检成品进行拍摄。

在步骤620中，基于拍摄的所述重点质检成品的图像确定所述重点质检成品的质检分数。质检分数是指重点质检成品的质量检测分数。在一些实施例中，可以基于拍摄的所述重点质检成品的图像，根据所述图像所反映的重点质检成品的情况，人工确定所述重点质检成品的质检分数。

在一些实施例中，可以对拍摄的所述重点质检成品的图像进行图像识别，确定所述重点质检成品的质检分数。具体的，可以对拍摄的所述重点质检成品的图像进行图像识别，获取图像中重点质检成品的数据。例如，图像识别可以基于神经网络模型实现。神经网络模型的参数可以通过训练得到。在一些实施例中，在图像识别之前，可以对拍摄的所述重点质检成品的图像进行预处理。例如，预处理可以是尺寸或分辨率调整，去除运动伪影等。

图7是根据本说明书一些实施例所示的又一获取质检分数的示例性流程图。如图7所示，流程700包括以下步骤：

在步骤710中，通过机械臂提取所述重点质检成品，并放置在所述出料区的拍摄位进行拍摄。应当理解的是，步骤710具体执行方式与步骤610一致，在此不再赘述。

在步骤720中，通过所述机械臂提取所述标准成品，并放置在所述出料区的拍摄位进行拍摄。

在一些实施例中，机械臂可以提取所有的标准成品。在一些实施例中，机械臂可以随机提取一个标准成品。在一些实施例中，还可以根据质量风险程度对标准成品进行倒序排序，机械臂可以提取第一位或者前几位的标准成品。在一些实施例中，可以使用相机拍摄照片，还可以使用摄像机拍摄视频或者其他拍摄装置对标准成品进行拍摄。

在步骤730中，通过卷积神经网络模型提取所述标准成品和所述重点质检成品的图像特征。具体的，可以将拍摄的重点质检成品的图像和标准成品的图像输入卷积神经网络模型，输出所述标准成品和所述重点质检成品的图像特征。在一些实施例中，所述标准成品和所述重点质检成品的图像特征可以包括但不局限于所述标准成品和所述重点质检成品上的裂痕、反光、印刷图样等。

在一些实施例中，卷积神经网络可以单独训练得到。在一些实施例中，可以基于大量带有标识的训练样本训练卷积神经网络模型。具体的，将带有标识的训练样本输入卷积神经网络模型，通过训练更新卷积神经网络模型的参数。其中，训练样本可以是带有图像特征的标准成品和重点质检成品的图像。训练标签可以是图像特征。训练样本和训练标签均可以从历史拍摄的标准成品和重点质检成品的图像中获取。

在步骤740中，将所述标准成品和所述重点质检成品的图像特征输入深度神经网络模型，确定所述重点质检成品的质检分数。具体的，可以将由卷积神经网络模型输出的标准成品和重点质检成品的图像特征输入深度神经网络模型，确定重点质检成品的质检分数。

在一些实施例中，深度神经网络模型单独训练得到。深度神经网络模型可以基于历史标准成品和重点质检成品的图像特征训练获取。所述历史标准成品和重点质检成品的图像特征可以基于历史拍摄的标准成品和重点质检成品的图像获取。

在一些实施例中，可以将多个标准成品和重点质检成品的图像特征作为训练样本。训练样本的标签可以是质检分数。在一些实施例中，标签可以通过人工标注得到。在一些实施例中，质检分数可以基于历史拍摄的标准成品和重点质检成品的图像中的图像特征确定。具体的，将带有标签的训练样本输入初始深度神经网络模型，通过训练更新初始深度神经网络模型的参数，当训练的模型满足预设条件时，训练结束，获取训练好的深度神经网络模型。

在一些实施例中，所述卷积神经网络模型和所述深度神经网络模型可以联合训练得到：所述卷积神经网络模型和所述深度神经网络模型可以基于训练样本联合训练，同步更新参数。具体的，将初始卷积神经网络模型的输出作为初始深度神经网络模型的输入，对该初始深度神经网络模型进行机器学习训练，得到训练好的深度神经网络模型。

一些实施例中，所述基于训练样本联合训练包括：获取训练样本，所述训练样本为带有图像特征的标准成品和重点质检成品的图像；将所述训练样本初始卷积神经网络模型，基于初始卷积神经网络模型输出的结果同步更新初始深度神经网络模型的参数，得到训练好的卷积神经网络模型和训练好的深度神经网络模型。

联合训练中，卷积神经网络模型的训练样本与样本标签的内容及获取方式与单独训练中的卷积神经网络模型的训练样本及样本标签的内容、获取方式相同，具体说明参见本说明书对单独训练卷积神经网络模型的相应说明内容，此处不再赘述。

联合训练中，深度神经网络模型的训练样本可以与初始卷积神经网络模型输出的结果同步，深度神经网络模型的训练样本可以通过训练卷积神经网络模型获取。深度神经网络模型的训练样本的标签内容及获取方式与单独训练中的深度神经网络模型的训练样本的标签的内容及获取方式相同，具体说明参见本说明书对单独训练深度神经网络模型的相应说明内容，此处不再赘述。

在一些实施例中，可以基于所述待加工器件的质量风险度和质检分数，确定所述重点质检成品的质检分数的置信度。

在一些实施例中，可以设置质检分数的置信区间，并基于置信区间确定质检分数的置信度。例如，假设有100个重点质检成品，可以为质量风险度和质检分数分配权重(比如，质量风险度的权重为0.5，质检分数的权重为0.5)，对质量风险度和质检分数进行加权求和，示例性地，不妨以质量风险度为0.8，质检分数为0.7为例，对其进行求和可以得到0.8*0.5+0.7*0.5＝0.75。可以基于多个历史加工成品的质量风险度和质检分数与实际该产品的质检结果，来划分置信区间，例如，假设置信区间为[0.8-1.0]。对当前批次挑选出来的重点质检成品进行抽样质检，假设抽样100个重点质检成品，有95个的加权求和结果落入了[0.8-1.0]之间，则可以确定质检分数的置信度为95％。

在一些实施例中，可以基于所述置信度的大小，确定是否进行人工质检。人工质检是指人工对重点质检成品进行质检。具体的，可以设置置信度阈值。如果重点质检成品的置信度大于该置信度阈值，则不对所述重点质检成品进行人工质检，如果重点质检成品的置信度小于该置信度阈值，则需要对所述重点质检成品进行人工质检。例如，置信度阈值为95％，重点质检成品的置信度为80％，则需要对所述重点质检成品进行人工质检。

上述实施例至少具备以下技术效果：(1)确定重点质检成品与标准成品后，可以通过机械臂对重点质检成品与标准成品进行单独拍摄，通过单独拍摄的图像能够更加完整地体现出重点质检成品与标准成品的特征，提高检测的准确度；(2)对卷积神经网络模型与深度神经网络模型进行联合训练，可以解决在单独训练深度神经网络模型时难以获取标签的问题，还可以提高深度神经网络模型的准确度；(3)通过引入置信度对重点质检产品初步检测得到的数据进行再一次的评估，提高了数据的准确性；(4)通过设置基于置信度确定是否对重点质检成品进行人工质检的技术方案，可以在保证检测效率的前提下，降低对重点质检成品误检的可能性。

本说明书实施例还提供一种基于真空钎焊炉生成保温杯的系统。所述系统包括第一加工模块、第二加工模块和第三加工模块。

第一加工模块可以用于将保温杯的内胆放置在外胆中，并对所述内胆和所述外胆的杯口连接处进行焊接，获得待加工器件。

第二加工模块可以用于将所述待加工器件放置在所述进料区的载物台上，并依次送至所述真空室、预热室、加热室、冷却室进行处理；其中，所述处理包括：将所述真空室的真空度抽至第一真空值；将所述预热室加热至第一温度值，以及将所述预热室的真空度抽至第二真空值；其中，所述第二真空值大于所述第一真空值；将所述加热室的真空度调整至第三真空值，以及温度加热至第二温度值，并在该第二温度值下保温第一时长；其中，所述第三真空值小于所述第二真空值，所述第二温度值大于所述第一温度值。

第三加工模块可以用于将处理后的待加工器件从所述出料区送出，获得加工成品；其中，所述加工成品的内胆和外胆之间为真空。

本说明书实施例还提供了一种基于真空钎焊炉生成保温杯的装置，包括处理器以及存储器；所述存储器用于存储计算机指令；所述处理器用于执行所述计算机指令中的至少部分指令以实现如前述的基于真空钎焊炉生成保温杯的方法。

本说明书实施例还提供了一种计算机可读存储介质，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如前述的基于真空钎焊炉生成保温杯的方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (8)

1.一种基于真空钎焊炉生成保温杯的方法，其特征在于，所述真空钎焊炉包括进料区、真空室、预热室、加热室、冷却室和出料区，所述方法包括：

将所述保温杯的内胆放置在外胆中，并对所述内胆和所述外胆的杯口连接处进行焊接，获得待加工器件；

将所述待加工器件放置在所述进料区的载物台上，并依次送至所述真空室、预热室、加热室、冷却室进行处理；其中，所述处理包括：

将所述真空室的真空度抽至第一真空值；

将所述预热室加热至第一温度值，以及将所述预热室的真空度抽至第二真空值；其中，所述第二真空值大于所述第一真空值；

将所述加热室的真空度调整至第三真空值，以及温度加热至第二温度值，并在该第二温度值下保温第一时长；其中，所述第三真空值小于所述第二真空值，所述第二温度值大于所述第一温度值；

将处理后的所述待加工器件从所述出料区送出，获得加工成品；其中，所述加工成品的内胆和外胆之间为真空；

所述方法还包括：

获取所述待加工器件进入所述冷却室时的实际温度；

基于所述待加工器件的实际温度，构建特征矩阵；其中，所述特征矩阵中的元素与所述待加工器件一一对应，所述特征矩阵中的元素位置与所述待加工器件在所述载物台的网格位置一一对应；

将所述特征矩阵、所述预热室和所述加热室中加热带的分布数据输入判断模型，确定所述待加工器件的质量风险度；

基于所述质量风险度确定重点质检成品和标准成品；

将所述重点质检成品的图像以及所述标准成品的图像作为图像识别模型的输入，获得质检结果。

2.如权利要求1所述的方法，其特征在于，所述将所述预热室加热至第一温度值，以及将所述预热室的真空度抽至第二真空值，包括：

将所述预热室加热至第三温度值，以及将所述预热室的真空度抽至第二真空值；其中，所述第三温度值小于所述第一温度值；

将所述预热室从所述第三温度值加热至所述第一温度值，并在所述第一温度值下保温第二时长。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：

通过机械臂提取所述重点质检成品，并放置在所述出料区的拍摄位进行拍摄；

基于拍摄的所述重点质检成品的图像确定所述重点质检成品的质检分数。

4.如权利要求3所述的方法，其特征在于，所述基于拍摄的所述重点质检成品的图像确定所述重点质检成品的质检分数，包括：

对拍摄的所述重点质检成品的图像进行图像识别，确定所述重点质检成品的质检分数。

5.如权利要求4所述的方法，其特征在于，所述对拍摄的所述重点质检成品的图像进行图像识别，确定所述重点质检成品的质检分数，包括：

通过所述机械臂提取所述标准成品，并放置在所述出料区的拍摄位进行拍摄；

通过卷积神经网络模型提取所述标准成品和所述重点质检成品的图像特征；以及

将所述标准成品和所述重点质检成品的图像特征输入深度神经网络模型，确定所述重点质检成品的质检分数。

6.一种基于真空钎焊炉生成保温杯的系统，其特征在于，所述真空钎焊炉包括进料区、真空室、预热室、加热室、冷却室和出料区，所述系统包括：

第一加工模块，用于将所述保温杯的内胆放置在外胆中，并对所述内胆和所述外胆的杯口连接处进行焊接，获得待加工器件；

第二加工模块，用于将所述待加工器件放置在所述进料区的载物台上，并依次送至所述真空室、预热室、加热室、冷却室进行处理；其中，所述处理包括：

将所述真空室的真空度抽至第一真空值；

将所述预热室加热至第一温度值，以及将所述预热室的真空度抽至第二真空值；其中，所述第二真空值大于所述第一真空值；

将所述加热室的真空度调整至第三真空值，以及温度加热至第二温度值，并在该第二温度值下保温第一时长；其中，所述第三真空值小于所述第二真空值，所述第二温度值大于所述第一温度值；

第三加工模块，用于将处理后的所述待加工器件从所述出料区送出，获得加工成品；其中，所述加工成品的内胆和外胆之间为真空；

所述第三加工模块还用于：

获取所述待加工器件进入所述冷却室时的实际温度；

基于所述待加工器件的实际温度，构建特征矩阵；其中，所述特征矩阵中的元素与所述待加工器件一一对应，所述特征矩阵中的元素位置与所述待加工器件在所述载物台的网格位置一一对应；

将所述特征矩阵、所述预热室和所述加热室中加热带的分布数据输入判断模型，确定所述待加工器件的质量风险度；

基于所述质量风险度确定重点质检成品和标准成品；

将所述重点质检成品的图像以及所述标准成品的图像作为图像识别模型的输入，获得质检结果。

7.一种基于真空钎焊炉生成保温杯的装置，其特征在于，所述装置包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1～5中任意一项所述的方法。

8.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求1～5任意一项所述的方法。

Images