CN113705977A - 一种木地板基材的安全性生产方法及系统 - Google Patents

Abstract

本发明公开了一种木地板基材的安全性生产方法及系统，所述方法包括：根据第一图像采集装置，获得第一木地板芯图像；根据第一筛选规则对所述第一木地板芯图像进行筛选，获得第一筛选板芯；将所述第一筛选板芯的第一基础信息和第一排列信息输入涂胶量预测模型中，获得预测涂胶量训练集，进而生成第一训练数据库；从所述第一训练数据库中随机挑选N个数据作为第一输入数据；根据遗传算法对所述第一输入数据和第一安全约束条件进行数据处理，获得第一最优涂胶量；根据第一误差系数，确定第一最优涂胶量阈值。解决了现有技术中由于木地板的加工时的甲醛发散，会在生产或铺设使用造成一定的隐患，使得木地板生产安全性监管不够完善的技术问题。

Description

一种木地板基材的安全性生产方法及系统

技术领域

本发明涉及自动化生产相关领域，尤其涉及一种木地板基材的安全性生产方法及系统。

背景技术

近年来，随着生活水平的提高，环保意识的增强，人们对周围的环境设施的要求也越来越高，使得木地板产业在我国有了快速的发展，市场竞争越来越激烈，并且由于木地板作为室内的主要装饰之一，应用广泛，基于市场供求关系的变化和顾客消费观念的转变，使得木地板的市场需求呈上升态势，木地板高质量制造的也需要安全生产，因此，进一步对木地板加工过程进行研究具有重要意义。

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：

现有技术中由于木地板的加工工艺存在一定的甲醛发散，会在生产或铺设使用造成一定的隐患，造成木地板生产安全性监管不够完善的技术问题。

发明内容

本申请实施例通过提供一种木地板基材的安全性生产方法及系统，解决了现有技术中由于木地板的加工工艺存在一定的甲醛发散，会在生产或铺设使用造成一定的隐患，造成木地板生产安全性监管不够完善的技术问题，达到了通过对木地板加工的工艺流程进行准确监督，再结合预测数据和最优涂胶量的计算控制甲醛释放量，实现木地板安全生产的技术效果。

鉴于上述问题，提出了本申请实施例提供一种木地板基材的安全性生产方法及系统。

第一方面，本申请实施例提供了一种木地板基材的安全性生产方法，其中，所述方法应用于一种木地板基材的安全性生产系统，所述系统与第一图像采集装置智能连接，所述方法包括：根据所述第一图像采集装置，获得第一木地板芯图像；构建第一筛选规则；根据所述第一筛选规则对所述第一木地板芯图像进行筛选，获得第一筛选板芯；根据第一生产需求，获得所述第一筛选板芯的第一基础信息和第一排列信息；将所述第一基础信息和所述第一排列信息输入涂胶量预测模型中，根据所述涂胶量预测模型，获得预测涂胶量训练集；根据所述预测涂胶量训练集，生成第一训练数据库；从所述第一训练数据库中随机挑选N个数据作为第一输入数据；获得第一安全约束条件；根据遗传算法对所述第一输入数据和所述第一安全约束条件进行数据处理，获得第一最优涂胶量，其中，所述第一最优涂胶量为安全涂胶量；根据第一误差系数和所述第一最优涂胶量，确定第一最优涂胶量阈值。

另一方面，本申请还提供了一种木地板基材的安全性生产系统，所述系统包括：第一获得单元，所述第一获得单元用于根据第一图像采集装置，获得第一木地板芯图像；第一构建单元，所述第一构建单元用于构建第一筛选规则；第二获得单元，所述第二获得单元用于根据所述第一筛选规则对所述第一木地板芯图像进行筛选，获得第一筛选板芯；第三获得单元，所述第三获得单元用于根据第一生产需求，获得所述第一筛选板芯的第一基础信息和第一排列信息；第四获得单元，所述第四获得单元用于将所述第一基础信息和所述第一排列信息输入涂胶量预测模型中，根据所述涂胶量预测模型，获得预测涂胶量训练集；第一生成单元，所述第一生成单元用于根据所述预测涂胶量训练集，生成第一训练数据库；第一操作单元，所述第一操作单元用于从所述第一训练数据库中随机挑选N个数据作为第一输入数据；第五获得单元，所述第五获得单元用于获得第一安全约束条件；第六获得单元，所述第六获得单元用于根据遗传算法对所述第一输入数据和所述第一安全约束条件进行数据处理，获得第一最优涂胶量，其中，所述第一最优涂胶量为安全涂胶量；第一确定单元，所述第一确定单元用于根据第一误差系数和所述第一最优涂胶量，确定第一最优涂胶量阈值。

第三方面，本发明提供了一种木地板基材的安全性生产系统，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第一方面所述方法的步骤。

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：

由于采用了通过第一图像采集装置对木地板生产的流程进行监控，并采集木地板芯的图像信息，再根据采集到的生产线中木地板的图像进行质量筛选，获得较高质量的第一筛选板芯，进一步的，根据具体的订单要求或者需求获得排列的方式和板芯的基础信息，再基础信息和排列信息输入到涂胶量预测模型中进行涂胶量的预测，从而根据多组的预测结果生成所述预测涂胶量训练集，冰格努所述预测涂胶量训练集进行数据库的生成，从而根据一定随机规则挑选获得的输入数据和对应的甲醛释放量约束条件进行遗传算法的计算，进而获得所述第一最优涂胶量，并根据相对的误差进行涂胶量阈值的调整，进而确定第一最优涂胶量阈值的方式，达到了通过对木地板加工的工艺流程进行准确监督，再结合预测数据和最优涂胶量的计算控制甲醛释放量，实现木地板安全生产的技术效果。

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木地板基材的安全性生产方法的流程示意图；

图2为本申请实施例一种木地板基材的安全性生产系统的结构示意图；

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，第一构建单元12，第二获得单元13，第三获得单元14，第四获得单元15，第一生成单元16，第一操作单元17，第五获得单元18，第六获得单元19，第一确定单元20，计算设备300，存储器310，处理器320，输入输出接口330。

具体实施方式

本申请实施例通过提供一种木地板基材的安全性生产方法及系统，解决了现有技术中由于木地板的加工工艺存在一定的甲醛发散，会在生产或铺设使用造成一定的隐患，造成木地板生产安全性监管不够完善的技术问题，达到了通过对木地板加工的工艺流程进行准确监督，再结合预测数据和最优涂胶量的计算控制甲醛释放量，实现木地板安全生产的技术效果。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

近年来，随着生活水平的提高，环保意识的增强，人们对周围的环境设施的要求也越来越高，使得木地板产业在我国有了快速的发展，市场竞争越来越激烈，并且由于木地板作为室内的主要装饰之一，应用广泛，基于市场供求关系的变化和顾客消费观念的转变，使得木地板的市场需求呈上升态势，木地板高质量制造的也需要安全生产，因此，进一步对木地板加工过程进行研究具有重要意义。但现有技术中由于木地板的加工工艺存在一定的甲醛发散，会在生产或铺设使用造成一定的隐患，造成木地板生产安全性监管不够完善的技术问题。

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木地板基材的安全性生产方法，其中，所述方法应用于一种木地板基材的安全性生产系统，所述系统与第一图像采集装置智能连接，所述方法包括：根据所述第一图像采集装置，获得第一木地板芯图像；构建第一筛选规则；根据所述第一筛选规则对所述第一木地板芯图像进行筛选，获得第一筛选板芯；根据第一生产需求，获得所述第一筛选板芯的第一基础信息和第一排列信息；将所述第一基础信息和所述第一排列信息输入涂胶量预测模型中，根据所述涂胶量预测模型，获得预测涂胶量训练集；根据所述预测涂胶量训练集，生成第一训练数据库；从所述第一训练数据库中随机挑选N个数据作为第一输入数据；获得第一安全约束条件；根据遗传算法对所述第一输入数据和所述第一安全约束条件进行数据处理，获得第一最优涂胶量，其中，所述第一最优涂胶量为安全涂胶量；根据第一误差系数和所述第一最优涂胶量，确定第一最优涂胶量阈值。

在介绍了本申请基本原理后，下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题同样适用。

实施例一

如图1所示，本申请实施例提供了一种木地板基材的安全性生产方法，其中，所述方法应用于一种木地板基材的安全性生产系统，所述系统与第一图像采集装置智能连接，所述方法包括：

步骤S100：根据所述第一图像采集装置，获得第一木地板芯图像；

具体而言，所述第一图像采集装置是一种获得模板信图像的主要手段装置，其中，所述第一图像采集装置包括图像采集、图像存储、图像传输等功能，从而能够完成对木地板芯图像的准确采集和传输存储，由于所述第一图像采集装置系统智能通信连接，从而增加了数据传输的可靠性，因此，其图像采集装置采集到的图像具有清晰、传输流畅且实时性较高，进而能够对生产的木地板基材进行实时、有效的图像信息采集，便于之后的对木地板芯进行细化分析。

步骤S200：构建第一筛选规则；

步骤S300：根据所述第一筛选规则对所述第一木地板芯图像进行筛选，获得第一筛选板芯；

具体而言，所述第一筛选规则是根据所述第一木地板芯的图像信息进行卷积特征提取，进而生成对应的特征标识数据进行筛选的，比如薄厚均匀、厚度适中，无明显缺陷和断裂的板芯，从而保证了地板的质量，使得之后生产的地板基材质量更高。进一步的，所述第一筛选规则的制定具有一定的标准数据，从而将所述第一木地板芯图像中不符合要求的木地板芯进行标记后筛选，获得了对应的剔除板芯图像和筛选出的符合筛选规则的板芯图像，其中，所述第一筛选规则可以根据具有的工艺要求和质量要求对参数进行等级划分，该筛选过程还可以通过远程连接进行对应权限的区块查询，因此，通过构建第一筛选规则完成对木地板芯图像的筛选，能够智能化对地板基材进行自动辅助挑选，提高专职分选员工作效率。

步骤S400：根据第一生产需求，获得所述第一筛选板芯的第一基础信息和第一排列信息；

具体而言，所述第一生产需求可以根据本次生产的订单进行确定，比如其几何尺寸、厚度、质量等级等各个信息，从而获得所述第一筛选板芯的第一基础信息和所述第一排列信息，其中，所述第一基础信息中根据其筛选板芯的尺寸和胶合的板芯层数，以及其中及交叉排列的信息，一般而言，其中排列的过程会根据有序地纵横交错分层排列，因此，通过获得所述第一基础信息和所述第一排列信息为之后的数据分析提供基础有效信息。

步骤S500：将所述第一基础信息和所述第一排列信息输入涂胶量预测模型中，根据所述涂胶量预测模型，获得预测涂胶量训练集；

具体而言，所述涂胶量预测模型是基于神经网络构建的神经网络模型，进一步的，所述第一基础信息中能够对胶量的涂胶面积以及涂胶层数进行具体的判断，其中神经网络模型是一种数据网络模型，可以根据输入的数据进行数据的训练分析，从而获得对应的模型的性能，当多组训练数据满足一定的收敛条件，经收敛分析后输出其中的对应输出信息，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。

进一步的，通过大量训练数据的训练其中，输出信息是一种根据机器学习输出的准确的数据信息，因此，通过将多次输出信息进行集合分析获得所述预测涂胶量训练集，进一步的，多次输出信息的获得是通过对不同生产需求下的木板芯基础信息和排列信息进行获得的，达到了数据的智能化处理，提高数据分析的准确性。

步骤S600：根据所述预测涂胶量训练集，生成第一训练数据库；

步骤S700：从所述第一训练数据库中随机挑选N个数据作为第一输入数据；

步骤S800：获得第一安全约束条件；

具体而言，将所述预测涂胶量训练集通过极端及中搭建的数据处理传输平台作为遗传算法的数据库生成所述第一训练数据库后，按照一定的随机挑选规则从所述第一训练数据库中进行数据的挑选，其中，随机挑选规则可以根据其中挑选的数据量多少进行具体的分析，由于通过神经网络模型输出的信息更加准确，因此，所述预测涂胶量训练集生成的数据库具有高度使用性和有效性，因此使得挑选出的N个数据也具有高度有效性，所述第一安全约束条件是根据木板芯进行涂胶时，其涂胶散发甲醛量的约束条件，由于在涂胶的过程中，其树脂胶中会散发大量的甲醛含量，因此，根据标准的生产要求，以及之后工艺流程的参数设定，获得所述第一安全约束条件，从而获得了进行之后数据循环处理的基础条件和数据，便于之后的分析处理。

步骤S900：根据遗传算法对所述第一输入数据和所述第一安全约束条件进行数据处理，获得第一最优涂胶量，其中，所述第一最优涂胶量为安全涂胶量；

步骤S1000：根据第一误差系数和所述第一最优涂胶量，确定第一最优涂胶量阈值。

具体而言，所述第一最优涂胶量是根据遗传算法从随机选出的预测涂胶量集合中进行最优搜索获得的输出数据，其中，遗传算法是一种模拟自然界遗传和生物进化论而形成一种并行随机搜索最优化方法，通过引入优化参数形成的串联群体中，按照所选择的适应度函数并通过遗传中的选择、交叉和变异对个性进行筛选，使得适应度高的个体被保留，适应度差的个体被淘汰，从而反复循环直至满足条件再输出最后的优化信息，通过所述第一安全约束条件不断进行约束和判断，从而输出所述第一最优涂胶量，进一步的，根据生产流程中的对应影响因子进行主成分因子分析后，针对其主成分因子获得影响涂胶量的误差系数完成阈值调整，进而获得所述第一最优涂胶量阈值，达到了基于遗传算法提高输出信息准确性和有效性，进而保证安全生产的技术效果。

进一步而言，所述根据遗传算法对所述第一输入数据和所述第一安全约束条件进行数据处理，获得第一最优涂胶量，本申请实施例步骤S900还包括：

步骤S910：通过对所述第一输入数据进行预处理，获得N个第二输入数据；

步骤S920：获得N个所述第二输入数据对应的N个甲醛释放量数据集；

步骤S930：根据N个所述甲醛释放量数据集和所述第一安全约束条件进行相似度计算，获得N个计算数据，其中，所述N个计算数据为相似度计算数据；

步骤S940：从所述N个计算数据中，获得第一优先数据；

步骤S950：根据所述第一优先数据，获得所述第一最优涂胶量。

具体而言，所述预处理的过程是通过对所述第一输入信息进行完整性的检测处理等，进而获得对应经过预处理后的输入数据并对应获得随机挑选后的所述第二输入数据中N个涂胶量对应的N个甲醛释放量数据集，且N个涂胶量和N个甲醛释放量一一对应，进一步的，由于所述遗传算法在使用时直接对结构对象进行操作，不存在求导和函数连续性的限定，并且具有内在的隐并行性和更好的全局寻优能力，采用概率化的寻优方法，不需要确定规则就能自动获取和指导优化的搜索空间，自适应地调整搜索方向，故作为一种搜索算法广泛应用于各个领域。因此，根据所述第一安全约束条件中的标准甲醛释放量进行相似度计算，从而能够不断对所有的数据进行选择操作，按照相似度计算进行不断的分析，从而获得所述第一优先数据对应的涂胶量，进而达到了从多个随机规则选择的数据进行分析，满足了高计算精度的要求，减少了计算时间，并且保证输出准确性的技术效果。

进一步而言，所述从所述N个计算数据中，获得第一优先数据，本申请实施例步骤S940还包括：

步骤S941：获得第一预设相似度；

步骤S942：获得所述N个计算数据中获得大于等于所述第一预设相似度的M个计算数据，小于所述第一预设相似度的N－M个计算数据；

步骤S943：通过对所述M个计算数据进行数据处理后进行相似度计算，获得所述第一优先数据。

具体而言，所述第一预设相似度是通过将随机筛选出的涂胶量的甲醛释放量与约束条件中的标准要求甲醛释放量进行满足的相似度设置，其中，所述第一预设相似度具有正向和负向两种符号，进一步的，当所述第一预设相似度为正向时表示筛选的涂胶量甲醛释放小于标准，当所述第一预设相似度为负向时表示筛选的涂胶量甲醛释放大于标准。其中，将所述第一预设相似度为负向的数据进行数据清洗后再投入下一步筛选分析，从而将大于等于所述第一预设相似度的M个计算数据进行挑选，作为下一次遗传算法流程进行计算的输入数据，再结合具体的影响因子进行二次相似度的计算，再根据最后的计算不断重复循环，以获得所述第一优先数据，通过对预设的相似度进行双向的分析，从而对所有的计算数据进行剔除后获得的数据再进行判断循环的方式，增加了所述第一优先数据输出的可靠性。

进一步而言，所述根据第一误差系数和所述第一最优涂胶量，确定第一最优涂胶量阈值，本申请实施例步骤S1000还包括：

步骤S1010：获得第一涂胶环境的第一温度信息和第一湿度信息；

步骤S1020：将所述第一温度信息和所述第一湿度信息作为第一关联自变量；

步骤S1030：获得所述第一筛选板芯的第一尺寸变化和第一形状变化；

步骤S1040：将所述第一尺寸变化和所述第一形状变化作为所述第一关联自变量的第一关联因变量；

步骤S1050：根据所述第一关联自变量和所述第一关联因变量构建第一函数关系；

步骤S1060：根据所述第一函数关系，获得所述第一误差系数。

具体而言，所述第一涂胶环境的第一温度信息和所述第一湿度信息可以通过与系统连接的温湿度检测装置进行获得，还可以通过设置温湿度数据监控，防止过高的数据对模板质量产生相应的影响，增加木地板的使用安全隐患。其中，所述温湿度检测装置中包括一显示屏，根据其显示屏信息进行对应的数据实时监控和传输，保证了数据的实时性，其中，由于木地板是木质纤维的一种亲水性材料，会随着周围环境温度和湿度的变化而吸收水分或者蒸发水分，从而改变对应的尺寸和形状，从而将温湿度变化的数据信息作为一组关联的自变量，且所述温度数据和湿度数据中存在一定的关联性，进一步的，将对应木板尺寸和形状的变化作为一组关联的因变量，进而构建出第一函数关系，所述第一函数关系用于根据实时传输的温湿度信息对应确定尺寸形状的变化，进而根据其变化的占比对应生成所述第一误差系数，并能够根据误差系数完成对涂胶量的灵活自动调整，提高了数据处理的动态使用性。

进一步而言，本申请实施例步骤S1060还包括：

步骤S1061：获得所述第一筛选板芯进行涂胶的第一涂胶设备和第二涂胶设备，其中，所述第二涂胶设备为备用设备；

步骤S1062：根据所述第一涂胶设备和所述第二涂胶设备，获得第一涂胶方式；

步骤S1063：根据所述第一涂胶方式，获得第一涂胶损耗量；

步骤S1064：根据所述第一涂胶损耗量，获得第一预留涂胶量；

步骤S1065：根据所述第一预留涂胶量对所述第一最优涂胶量进行胶量增加调整。

具体而言，由于所述第一筛选板芯进行涂胶是根据专业的涂胶设备进行操作，因此，通过获得涂胶的具体设备的使用参数信息，比如其使用方式等，从而能够根据其使用方式损耗的涂胶量进行比例调整，举例来说，由于所述第一筛选板芯进行粘合的过程是可以将8-10层涂过胶的薄实木芯板有序地纵横交错分层排列，粘合在一起，可以改变木材纤维原有的伸展方向，从而完成对应生产流程的基板制作，举例来说，一般进行涂胶的选择为树脂胶，其具有一定的胶状回弹以及粘合性，从而涂胶设备的在涂胶的过程会产生涂胶的损耗，因此，需要根据所述第一涂胶损耗量获得第一预留涂胶量，保证了涂胶量均匀，提高涂胶工作效率。

进一步而言，所述获得第一安全约束条件，本申请实施例S800还包括：

步骤S810：判断所述第一筛选板芯进行涂胶粘合时是否投入第一添加剂；

步骤S820：若所述第一筛选板芯进行涂胶粘合时投入所述第一添加剂，获得第一添加剂信息；

步骤S830：判断所述第一筛选板芯进行热压胶合时是否投入第一捕捉剂；

步骤S840：若所述第一筛选板芯进行热压胶合时投入所述第一捕捉剂，获得第一捕捉剂信息；

步骤S850：根据所述第一添加剂信息和所述第一捕捉剂信息，获得第一甲醛吸收量；

步骤S860：根据所述第一甲醛吸收量和第一甲醛标准量，获得第一甲醛约束量，其中，所述第一甲醛约束量为甲醛安全释放量；

步骤S870：根据所述第一甲醛约束量，获得所述第一安全预设条件。

具体而言，所述第一添加剂为所述第一涂胶设备进行涂胶时添加的添加剂，有助于在木地板基材的制作中提高其胶粘剂优良的性能，当投入添加剂时将对应的添加剂信息存储，热压胶合是实木复合地板生产过程中的一个重要工序，它直接关系到地板成品的质量，一般大的工厂采用的热压设备比较先进，生产管理人员全程监控，因此产品质量比较稳定。所述第一捕捉剂是在热压胶合时投入的，一般而言，所述第一捕捉剂是为了在热压工程中降低木地板基材的甲醛释放量，即所述第一捕捉剂为甲醛捕捉剂，以吸收木地板基材生产过程中产生的甲醛，因此，通过根据所述第一添加剂和所述第一捕捉剂信息，确定甲醛的吸收量，再结合甲醛的释放量和甲醛标准综合获得所述第一安全预设条件，其中，所述第一安全预设条件可以保证涂胶的粘合性能，又可以使得甲醛释放量达到安全标准，实现安全生产的技术效果。

进一步而言，所述将所述第一基础信息和所述第一排列信息输入涂胶量预测模型中，根据所述涂胶量预测模型，获得预测涂胶量训练集，本申请实施例S500还包括：

步骤S510：将所述第一基础信息和所述第一排列信息作为输入信息构建所述涂胶量预测模型；

步骤S520：所述涂胶量预测模型通过多组训练数据训练至收敛获得，其中，所述多组训练数据中的每组数据均包括所述第一基础信息、所述第一排列信息和作为用于标识预测胶量的标识信息；

步骤S530：获得所述涂胶量预测模型的输出结果，所述输出结果包括第一预测胶量；

步骤S540：根据所述第一预测胶量，获得所述预测涂胶量训练集。

具体而言，将所述第一预测胶量作为监督数据输入每一组训练数据中进行监督学习，所述涂胶量预测模型为是以神经网络模型为基础建立的模型，而神经网络是大量的神经元之间相互连接构成的一种运算模型，网络的输出则依照网络的连接方式的一种逻辑策略表达。进一步而言，所述训练的过程实质为监督学习的过程，所述多组训练数据中的每组均包括所述第一基础信息、所述第一排列信息和作为用于标识预测胶量的标识信息，所述涂胶量预测模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，结束本组数据监督学习，进行下一组数据监督学习。当所述涂胶量预测模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束，达到了通过所述涂胶量预测模型的训练使得输出所述第一预测胶量更加准确，从而通过集合多组所述第一预测胶量获得所述预测涂胶量训练集，达到了数据智能化分析的技术效果。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘，移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备执行本申请各个实施例所述的方法。

综上所述，本申请实施例所提供的一种木地板基材的安全性生产方法及系统具有如下技术效果：

1、由于采用了通过第一图像采集装置对木地板生产的流程进行监控，并采集木地板芯的图像信息，再根据采集到的生产线中木地板的图像进行质量筛选，获得较高质量的第一筛选板芯，进一步的，根据具体的订单要求或者需求获得排列的方式和板芯的基础信息，再基础信息和排列信息输入到涂胶量预测模型中进行涂胶量的预测，从而根据多组的预测结果生成所述预测涂胶量训练集，冰格努所述预测涂胶量训练集进行数据库的生成，从而根据一定随机规则挑选获得的输入数据和对应的甲醛释放量约束条件进行遗传算法的计算，进而获得所述第一最优涂胶量，并根据相对的误差进行涂胶量阈值的调整，进而确定第一最优涂胶量阈值的方式，达到了通过对木地板加工的工艺流程进行准确监督，再结合预测数据和最优涂胶量的计算控制甲醛释放量，实现木地板安全生产的技术效果。

2、由于采用了通过基于涂胶设备分析涂胶的回弹性以及粘合性，从而根据涂胶设备的在涂胶的过程会产生涂胶的损耗做出对应调整，即根据所述第一涂胶损耗量获得第一预留涂胶量的方式，保证了涂胶量均匀，提高涂胶工作效率。

3、由于采用了通过构建用于根据实时传输的温湿度信息对应确定尺寸形状的变化的第一函数关系，进而根据其变化的占比对应生成所述第一误差系数，并能够根据误差系数完成对涂胶量的灵活自动调整的方式，达到了提高数据处理动态使用性的技术效果。

实施例二

基于与前述实施例中一种木地板基材的安全性生产方法同样发明构思，本发明还提供了一种木地板基材的安全性生产系统，如图2所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于根据第一图像采集装置，获得第一木地板芯图像；

第一构建单元12，所述第一构建单元12用于构建第一筛选规则；

第二获得单元13，所述第二获得单元13用于根据所述第一筛选规则对所述第一木地板芯图像进行筛选，获得第一筛选板芯；

第三获得单元14，所述第三获得单元14用于根据第一生产需求，获得所述第一筛选板芯的第一基础信息和第一排列信息；

第四获得单元15，所述第四获得单元15用于将所述第一基础信息和所述第一排列信息输入涂胶量预测模型中，根据所述涂胶量预测模型，获得预测涂胶量训练集；

第一生成单元16，所述第一生成单元16用于根据所述预测涂胶量训练集，生成第一训练数据库；

第一操作单元17，所述第一操作单元17用于从所述第一训练数据库中随机挑选N个数据作为第一输入数据；

第五获得单元18，所述第五获得单元18用于获得第一安全约束条件；

第六获得单元19，所述第六获得单元19用于根据遗传算法对所述第一输入数据和所述第一安全约束条件进行数据处理，获得第一最优涂胶量，其中，所述第一最优涂胶量为安全涂胶量；

第一确定单元20，所述第一确定单元20用于根据第一误差系数和所述第一最优涂胶量，确定第一最优涂胶量阈值。

进一步的，所述系统还包括：

第六获得单元，所述第六获得单元用于通过对所述第一输入数据进行预处理，获得N个第二输入数据；

第七获得单元，所述第七获得单元用于获得N个所述第二输入数据对应的N个甲醛释放量数据集；

第八获得单元，所述第八获得单元用于根据N个所述甲醛释放量数据集和所述第一安全约束条件进行相似度计算，获得N个计算数据，其中，所述N个计算数据为相似度计算数据；

第九获得单元，所述第九获得单元用于从所述N个计算数据中，获得第一优先数据；

第十获得单元，所述第十获得单元用于根据所述第一优先数据，获得所述第一最优涂胶量。

进一步的，所述系统还包括：

第十一获得单元，所述第十一获得单元用于获得第一预设相似度；

第十二获得单元，所述第十二获得单元用于获得所述N个计算数据中获得大于等于所述第一预设相似度的M个计算数据，小于所述第一预设相似度的N－M个计算数据；

第十三获得单元，所述第十三获得单元用于通过对所述M个计算数据进行数据处理后进行相似度计算，获得所述第一优先数据。

进一步的，所述系统还包括：

第十四获得单元，所述第十四获得单元用于获得第一涂胶环境的第一温度信息和第一湿度信息；

第二操作单元，所述第二操作单元用于将所述第一温度信息和所述第一湿度信息作为第一关联自变量；

第十五获得单元，所述第十五获得单元用于获得所述第一筛选板芯的第一尺寸变化和第一形状变化；

第三操作单元，所述第三操作单元用于将所述第一尺寸变化和所述第一形状变化作为所述第一关联自变量的第一关联因变量。

进一步的，所述系统还包括：

第二构建单元，所述第二构建单元用于根据所述第一关联自变量和所述第一关联因变量构建第一函数关系；

第十五获得单元，所述第十五获得单元用于获得所述第一筛选板芯的第一尺寸变化和第一形状变化；

第十六获得单元，所述第十六获得单元用于根据所述第一函数关系，获得所述第一误差系数。

进一步的，所述系统还包括：

第十七获得单元，所述第十七获得单元用于获得所述第一筛选板芯进行涂胶的第一涂胶设备和第二涂胶设备，其中，所述第二涂胶设备为备用设备；

第十八获得单元，所述第十八获得单元用于根据所述第一涂胶设备和所述第二涂胶设备，获得第一涂胶方式；

第十九获得单元，所述第十九获得单元用于根据所述第一涂胶方式，获得第一涂胶损耗量；

第二十获得单元，所述第二十获得单元用于根据所述第一涂胶损耗量，获得第一预留涂胶量；

第一调整单元，所述第一调整单元用于根据所述第一预留涂胶量对所述第一最优涂胶量进行胶量增加调整。

进一步的，所述系统还包括：

第一判断单元，所述第一判断单元用于判断所述第一筛选板芯进行涂胶粘合时是否投入第一添加剂；

第二十一获得单元，所述第二十一获得单元用于若所述第一筛选板芯进行涂胶粘合时投入所述第一添加剂，获得第一添加剂信息；

第二判断单元，所述第二判断单元用于判断所述第一筛选板芯进行热压胶合时是否投入第一捕捉剂；

第二十二获得单元，所述第二十二获得单元用于若所述第一筛选板芯进行热压胶合时投入所述第一捕捉剂，获得第一捕捉剂信息；

第二十三获得单元，所述第二十三获得单元用于根据所述第一添加剂信息和所述第一捕捉剂信息，获得第一甲醛吸收量；

第二十四获得单元，所述第二十四获得单元用于根据所述第一甲醛吸收量和第一甲醛标准量，获得第一甲醛约束量，其中，所述第一甲醛约束量为甲醛安全释放量；

第二十五获得单元，所述第二十五获得单元用于根据所述第一甲醛约束量，获得所述第一安全预设条件。

进一步的，所述系统还包括：

第三构建单元，所述第三构建单元用于将所述第一基础信息和所述第一排列信息作为输入信息构建所述涂胶量预测模型；

第二十六获得单元，所述第二十六获得单元用于所述涂胶量预测模型通过多组训练数据训练至收敛获得，其中，所述多组训练数据中的每组数据均包括所述第一基础信息、所述第一排列信息和作为用于标识预测胶量的标识信息；

第二十七获得单元，所述第二十七获得单元用于获得所述涂胶量预测模型的输出结果，所述输出结果包括第一预测胶量；

第二十八获得单元，所述第二十八获得单元用于根据所述第一预测胶量，获得所述预测涂胶量训练集。

本申请实施例可以根据上述方法示例对网络设备和终端设备进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个接收模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。通过前述对一种木地板基材的安全性生产方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种木地板基材的安全性生产系统的实施方法，所以为了说明书的简洁，在此不再详述。

示例性电子设备

图3是本申请的计算设备的示意图。图3所示的计算设备300可以包括:存储器310、处理器320、输入/输出接口330。其中，存储器33、处理器320和输入/输出接口330通过内部连接通路相连，该存储器33用于存储指令，该处理器320用于执行该存储器320存储的指令，以控制输入/输出接口330接收输入的数据和信息，输出操作结果等数据。

图3是本申请另一实施例的计算设备的示意图。图3所示的计算设备300可以包括:存储器310、处理器320、输入/输出接口330。其中，存储器310、处理器320和输入/输出接口330通过内部连接通路相连，该存储器310用于存储指令，该处理器320用于执行该存储器320存储的指令，以控制输入/输出接口330接收输入的数据和信息，输出操作结果等数据。

在实现过程中，上述方法的各步骤可以通过处理器320中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的异常消息的识别方法和/或异常消息识别模型的训练方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器寄存器等本领域成熟的存储介质中。该存储介质位于存储器310，处理器320读取存储器310中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。

应理解，本申请实施例中，该处理器可以为中央处理单元(centralprocessingunit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，DSP)，专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

应理解，本申请实施例中，该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。处理器的一部分还可以包括非易失性随机存取存储器。例如，处理器还可以存储设备类型的信息。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机，服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(Digital Subscriber Line，DSL))或无线(例如红外，无线，微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够读取的任何可用介质或者是包含一个或多个可用介质集成的服务器，数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，数字通用光盘(Digital Video Disc，DVD))或者半导体介质(例如，固态硬盘(Solid State Disk，SSD))等。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (9)

1.一种木地板基材的安全性生产方法，其中，所述方法应用于一种木地板基材的安全性生产系统，所述系统与第一图像采集装置智能连接，所述方法包括：

根据所述第一图像采集装置，获得第一木地板芯图像；

构建第一筛选规则；

根据所述第一筛选规则对所述第一木地板芯图像进行筛选，获得第一筛选板芯；

根据第一生产需求，获得所述第一筛选板芯的第一基础信息和第一排列信息；

将所述第一基础信息和所述第一排列信息输入涂胶量预测模型中，根据所述涂胶量预测模型，获得预测涂胶量训练集；

根据所述预测涂胶量训练集，生成第一训练数据库；

从所述第一训练数据库中随机挑选N个数据作为第一输入数据；获得第一安全约束条件；

根据遗传算法对所述第一输入数据和所述第一安全约束条件进行数据处理，获得第一最优涂胶量，其中，所述第一最优涂胶量为安全涂胶量；

根据第一误差系数和所述第一最优涂胶量，确定第一最优涂胶量阈值。

2.如权利要求1所述的方法，所述根据遗传算法对所述第一输入数据和所述第一安全约束条件进行数据处理，获得第一最优涂胶量，所述方法还包括：

通过对所述第一输入数据进行预处理，获得N个第二输入数据；

获得N个所述第二输入数据对应的N个甲醛释放量数据集；

根据N个所述甲醛释放量数据集和所述第一安全约束条件进行相似度计算，获得N个计算数据，其中，所述N个计算数据为相似度计算数据；

从所述N个计算数据中，获得第一优先数据；

根据所述第一优先数据，获得所述第一最优涂胶量。

3.如权利要求2所述的方法，所述从所述N个计算数据中，获得第一优先数据，所述方法还包括：

获得第一预设相似度；

获得所述N个计算数据中获得大于等于所述第一预设相似度的M个计算数据，小于所述第一预设相似度的N－M个计算数据；

通过对所述M个计算数据进行数据处理后进行相似度计算，获得所述第一优先数据。

4.如权利要求1所述的方法，所述根据第一误差系数和所述第一最优涂胶量，确定第一最优涂胶量阈值，所述方法还包括：

获得第一涂胶环境的第一温度信息和第一湿度信息；

将所述第一温度信息和所述第一湿度信息作为第一关联自变量；

获得所述第一筛选板芯的第一尺寸变化和第一形状变化；

将所述第一尺寸变化和所述第一形状变化作为所述第一关联自变量的第一关联因变量；

根据所述第一关联自变量和所述第一关联因变量构建第一函数关系；

根据所述第一函数关系，获得所述第一误差系数。

5.如权利要求4所述的方法，所述方法还包括：

获得所述第一筛选板芯进行涂胶的第一涂胶设备和第二涂胶设备，其中，所述第二涂胶设备为备用设备；

根据所述第一涂胶设备和所述第二涂胶设备，获得第一涂胶方式；

根据所述第一涂胶方式，获得第一涂胶损耗量；

根据所述第一涂胶损耗量，获得第一预留涂胶量；

根据所述第一预留涂胶量对所述第一最优涂胶量进行胶量增加调整。

6.如权利要求1所述的方法，所述获得第一安全约束条件，所述方法还包括：

判断所述第一筛选板芯进行涂胶粘合时是否投入第一添加剂；

若所述第一筛选板芯进行涂胶粘合时投入所述第一添加剂，获得第一添加剂信息；

判断所述第一筛选板芯进行热压胶合时是否投入第一捕捉剂；

若所述第一筛选板芯进行热压胶合时投入所述第一捕捉剂，获得第一捕捉剂信息；

根据所述第一添加剂信息和所述第一捕捉剂信息，获得第一甲醛吸收量；

根据所述第一甲醛吸收量和第一甲醛标准量，获得第一甲醛约束量，其中，所述第一甲醛约束量为甲醛安全释放量；

根据所述第一甲醛约束量，获得所述第一安全预设条件。

7.如权利要求1所述的方法，所述将所述第一基础信息和所述第一排列信息输入涂胶量预测模型中，根据所述涂胶量预测模型，获得预测涂胶量训练集，所述方法还包括：

将所述第一基础信息和所述第一排列信息作为输入信息构建所述涂胶量预测模型；

所述涂胶量预测模型通过多组训练数据训练至收敛获得，其中，所述多组训练数据中的每组数据均包括所述第一基础信息、所述第一排列信息和作为用于标识预测胶量的标识信息；

获得所述涂胶量预测模型的输出结果，所述输出结果包括第一预测胶量；

根据所述第一预测胶量，获得所述预测涂胶量训练集。

8.一种木地板基材的安全性生产系统，其中，所述系统包括：

第一获得单元，所述第一获得单元用于根据第一图像采集装置，获得第一木地板芯图像；

第一构建单元，所述第一构建单元用于构建第一筛选规则；

第二获得单元，所述第二获得单元用于根据所述第一筛选规则对所述第一木地板芯图像进行筛选，获得第一筛选板芯；

第三获得单元，所述第三获得单元用于根据第一生产需求，获得所述第一筛选板芯的第一基础信息和第一排列信息；

第四获得单元，所述第四获得单元用于将所述第一基础信息和所述第一排列信息输入涂胶量预测模型中，根据所述涂胶量预测模型，获得预测涂胶量训练集；

第一生成单元，所述第一生成单元用于根据所述预测涂胶量训练集，生成第一训练数据库；

第一操作单元，所述第一操作单元用于从所述第一训练数据库中随机挑选N个数据作为第一输入数据；

第五获得单元，所述第五获得单元用于获得第一安全约束条件；

第六获得单元，所述第六获得单元用于根据遗传算法对所述第一输入数据和所述第一安全约束条件进行数据处理，获得第一最优涂胶量，其中，所述第一最优涂胶量为安全涂胶量；

第一确定单元，所述第一确定单元用于根据第一误差系数和所述第一最优涂胶量，确定第一最优涂胶量阈值。

9.一种木地板基材的安全性生产系统，包括至少一个处理器和存储器，所述至少一个处理器与所述存储器耦合，用于读取并执行所述存储器中的指令，以执行如权利要求1-7中任一项所述的方法。

Images