CN114154407B - 一种热弯玻璃生产质量检测方法及系统 - Google Patents
一种热弯玻璃生产质量检测方法及系统 Download PDFInfo
- Publication number
- CN114154407B CN114154407B CN202111398474.2A CN202111398474A CN114154407B CN 114154407 B CN114154407 B CN 114154407B CN 202111398474 A CN202111398474 A CN 202111398474A CN 114154407 B CN114154407 B CN 114154407B
- Authority
- CN
- China
- Prior art keywords
- model
- data
- hot
- parameter
- quality detection
- 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.)
- Active
Links
- 239000011521 glass Substances 0.000 title claims abstract description 139
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 claims abstract description 159
- 238000013003 hot bending Methods 0.000 claims abstract description 109
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 74
- 229910002804 graphite Inorganic materials 0.000 claims abstract description 74
- 239000010439 graphite Substances 0.000 claims abstract description 74
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000001816 cooling Methods 0.000 claims description 39
- 238000010438 heat treatment Methods 0.000 claims description 36
- 230000008859 change Effects 0.000 claims description 28
- 238000013461 design Methods 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 10
- 239000007770 graphite material Substances 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000013211 curve analysis Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 230000009897 systematic effect Effects 0.000 abstract description 10
- 238000009740 moulding (composite fabrication) Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000005452 bending Methods 0.000 description 7
- 230000006978 adaptation Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 239000005329 float glass Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000032798 delamination Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000000137 annealing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006355 external stress Effects 0.000 description 1
- 239000005357 flat glass Substances 0.000 description 1
- 238000007496 glass forming Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004554 molding of glass Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/38—Concrete; ceramics; glass; bricks
- G01N33/386—Glass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
本发明公开了一种热弯玻璃生产质量检测方法及系统，所述方法包括：通过对第一热弯玻璃进行数据采集，构建第一三维模型；通过对所述第一三维模型的实时分层拆分数据；获得第一石墨模型的模具分层拆分数据；将所述实时分层拆分数据和所述模具分层拆分数据输入生产质量检测模型中，获得第一质量检测结果；根据所述第一质量检测结果对热弯步骤的多个要素参数进行采集，获得第一热弯步骤参数；根据所述第一热弯步骤参数，构建生产质量调整模型；根据所述生产质量调整模型，获得第一调整参数。解决了现有技术中存在热弯玻璃检测方式没有结合加工流程，实现系统化、智能化的检测，且检测质量低的技术问题。
Description
技术领域
本发明涉及智能检测领域，尤其涉及一种热弯玻璃生产质量检测方法及系统。
背景技术
热弯玻璃是为了满足现代建筑的高品质需求，由优质玻璃加热弯至软化，在模具中成型，再经退火制成的玻璃。随着工业水平的进步和人民生活水平的日益提高。热弯玻璃在建筑、民用场合的使用也越来越多。建筑热弯玻璃主要用于建筑内外装饰、采光顶、观光电梯、拱形走廊等，因此，对于热弯玻璃的时长逐渐扩大，也进一步的对热弯玻璃的质量提出了更高的要求，由于，热弯玻璃测定的可靠性与产品质量密切相关，因此，如何保证热弯玻璃的质量检测具有较高的可靠性，是目前关注的主要问题。
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：
现有技术中存在热弯玻璃检测方式没有结合加工流程，实现系统化、智能化的检测，且检测质量低的技术问题。
发明内容
针对现有技术中的缺陷，本申请实施例的目的是，通过提供一种热弯玻璃生产质量检测方法及系统，解决了现有技术中存在热弯玻璃检测方式没有结合加工流程，实现系统化、智能化的检测，且检测质量低的技术问题，达到了针对热弯玻璃生产流程，构建系统化的智能检测方法，从而提高热弯玻璃的检测精度，进而提高生产质量的技术效果。
一方面，本申请实施例提供一种热弯玻璃生产质量检测方法，所述方法包括：通过对第一热弯玻璃进行数据采集，构建第一三维模型，其中，所述第一三维模型为实时生产的热弯玻璃模型；通过对所述第一三维模型进行数据拆分拟合，获得实时分层拆分数据；通过对第一石墨模型进行数据拆分拟合，获得模具分层拆分数据，其中，所述第一石墨模型为以石墨材料为主的模具模型；将所述实时分层拆分数据和所述模具分层拆分数据输入生产质量检测模型中进行玻璃生产质量检测，获得第一质量检测结果；根据所述第一质量检测结果对热弯步骤的多个要素参数进行采集，获得第一热弯步骤参数，其中，所述第一热弯步骤参数包括升温参数集和冷却参数集；将所述第一热弯步骤参数作为新增数据输入生产质量检测模型进行增量学习，构建生产质量调整模型；根据所述生产质量调整模型，获得第一调整参数，其中，所述第一调整参数用于对热弯步骤进行调整。
另一方面，本申请还提供了一种热弯玻璃生产质量检测系统，所述系统包括：第一构建单元，所述第一构建单元用于通过对第一热弯玻璃进行数据采集，构建第一三维模型，其中，所述第一三维模型为实时生产的热弯玻璃模型；第一获得单元，所述第一获得单元用于通过对所述第一三维模型进行数据拆分拟合，获得实时分层拆分数据；第二获得单元，所述第二获得单元用于通过对第一石墨模型进行数据拆分拟合，获得模具分层拆分数据，其中，所述第一石墨模型为以石墨材料为主的模具模型；第一输入单元，所述第一输入单元用于将所述实时分层拆分数据和所述模具分层拆分数据输入生产质量检测模型中进行玻璃生产质量检测，获得第一质量检测结果；第三获得单元，所述第三获得单元用于根据所述第一质量检测结果对热弯步骤的多个要素参数进行采集，获得第一热弯步骤参数，其中，所述第一热弯步骤参数包括升温参数集和冷却参数集；第二构建单元，所述第二构建单元用于将所述第一热弯步骤参数作为新增数据输入生产质量检测模型进行增量学习，构建生产质量调整模型；第四获得单元，所述第四获得单元用于根据所述生产质量调整模型，获得第一调整参数，其中，所述第一调整参数用于对热弯步骤进行调整。
第三方面，本申请实施例提供了一种热弯玻璃生产质量检测系统，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任一项所述方法的步骤。
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：
由于采用了通过对生产玻璃进行样本数据的采集，并构建第一三维模型，再对生产热弯玻璃的模具进行数据采集，构建第一石墨模型，进一步的，通过对所述第一三维模型和所述第一石墨模型进行拆分拟合，分别获得实时分层拆分数据和模具拆分数据，将所述实时分层拆分数据和所述模具拆分数据输入质量检测模型中进行生产质量检测，获得对应的质量检测结果，进一步的，再基于热弯步骤的多个要素进行采集，从而获得第一热弯步骤参数，根据所述第一热弯步骤参数训练新的调整模型，从而获得应用于调整热弯步骤的第一调整参数。达到了针对热弯玻璃生产流程，构建系统化的智能检测方法，从而提高热弯玻璃的检测精度，进而提高生产质量的技术效果。
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
通过阅读参照以下附图对非限制性实施例所做的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本申请实施例一种热弯玻璃生产质量检测方法的流程示意图；
图2为本申请实施例一种热弯玻璃生产质量检测方法的调整第一石墨模型的流程示意图；
图3为本申请实施例一种热弯玻璃生产质量检测方法的获得第一热弯步骤参数的流程示意图；
图4为本申请实施例一种热弯玻璃生产质量检测方法的分层数据拆分的流程示意图；
图5为本申请实施例一种热弯玻璃生产质量检测系统的结构示意图；
图6为本申请实施例示例性电子设备的结构示意图。
具体实施方式
本申请实施例通过提供一种热弯玻璃生产质量检测方法及系统，解决了现有技术中存在热弯玻璃检测方式没有结合加工流程，实现系统化、智能化的检测，且检测质量低的技术问题，达到了针对热弯玻璃生产流程，构建系统化的智能检测方法，从而提高热弯玻璃的检测精度，进而提高生产质量的技术效果。
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
目前现有技术中存在现有技术中存在热弯玻璃检测方式没有结合加工流程，实现系统化、智能化的检测，且检测质量低的技术问题。通过采用构建多个数学模型和数据的智能化处理的方式，在结合热弯流程的步骤上，进行生产质量检测模型的检测，并进一步的采用数据拟合和数据调整的方式，实现生产质量检测模型的进一步优化。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供一种热弯玻璃生产质量检测方法，所述方法包括：通过对第一热弯玻璃进行数据采集，构建第一三维模型，其中，所述第一三维模型为实时生产的热弯玻璃模型；通过对所述第一三维模型进行数据拆分拟合，获得实时分层拆分数据；通过对第一石墨模型进行数据拆分拟合，获得模具分层拆分数据，其中，所述第一石墨模型为以石墨材料为主的模具模型；将所述实时分层拆分数据和所述模具分层拆分数据输入生产质量检测模型中进行玻璃生产质量检测，获得第一质量检测结果；根据所述第一质量检测结果对热弯步骤的多个要素参数进行采集，获得第一热弯步骤参数，其中，所述第一热弯步骤参数包括升温参数集和冷却参数集；将所述第一热弯步骤参数作为新增数据输入生产质量检测模型进行增量学习，构建生产质量调整模型；根据所述生产质量调整模型，获得第一调整参数，其中，所述第一调整参数用于对热弯步骤进行调整。
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热弯玻璃生产质量检测方法，所述方法包括：
步骤S100：通过对第一热弯玻璃进行数据采集，构建第一三维模型，其中，所述第一三维模型为实时生产的热弯玻璃模型；
步骤S200：通过对所述第一三维模型进行数据拆分拟合，获得实时分层拆分数据；
具体而言，所述第一三维模型为进行人玻璃生产的玻璃原料三维模型，从而通过加热冷却成型，获得所述第一热弯玻璃，一般而言，热弯由平板玻璃加热软化在模具中成型，再经退火制成的曲面玻璃，对于其主要加热软化使用的玻璃具有较高的要求，比如通常采用制作完成的浮法玻璃进一步实现上述热弯加工。因此，通过对所述第一热弯玻璃进行数据采集，从而构建出其热弯玻璃的几何数据模型，进一步的，再对所述第一三维模型进行数据拆分和拟合，以获得实时分层拆分数据，从而能够实现玻璃的分区域检测数据的准确比对，进一步提高所述检测质量。
步骤S300：通过对第一石墨模型进行数据拆分拟合，获得模具分层拆分数据，其中，所述第一石墨模型为以石墨材料为主的模具模型；
具体而言，所述第一石墨模型为加工所述第一热弯玻璃的模具，由于热弯玻璃所使用的成型模具在热弯玻璃成型过程中起着至关重要的作用，且其热弯模具的种类较多，比如实心模，条框模、空心模等，在本申请实施例中主要通过对模具进行进一步的分析，以现阶段多使用的石墨材料为主的模具进行数据采集，从而按照同种模型构建方式来构建所述第一石墨模型。
所述第一石墨模型包括内轮廓数据和外轮廓数据，在加工热弯玻璃时，模型的主要几何参数和模型属性信息也随之存储在对应的数据库，便于再之后的数据分析计算中随时调用。进一步的，对所述第一石墨模型进行数据拆分时根据所述第一三维模型拆分的机制进行拆分，从而获得所述对应的模具分层拆分数据，从而能够对所述第一石墨模型和所述第一三维模型进行同区域比对数据，降低了由于模型自身建立的复杂度从而增加的数据检测遍历时效，提高检测效率。
步骤S400：将所述实时分层拆分数据和所述模具分层拆分数据输入生产质量检测模型中进行玻璃生产质量检测，获得第一质量检测结果；
进一步的，本申请实施例步骤S400还包括：
步骤S410：获得多个质量检测指标；
步骤S420：根据所述多个质量检测指标，构建生产质量检测模型，其中，所述生产质量检测模型为多维坐标模型；
步骤S430：将所述第一三维模型的实时分层拆分数据和所述第一石墨模型的模具分层拆分数据输入所述生产质量检测模型，获得检测指标占比，其中，所述检测指标占比为热弯玻璃在多个维度的质量指标占预设质量检测指标的比值；
步骤S440：根据所述检测指标占比，生成所述第一质量检测结果。
具体而言，将所述第一三维模型的实时分层拆分数据和所述第一石墨模型的模具分层拆分数据，输入构建的生产质量检测模型中。由于所述生产质量检测模型能够根据实现质量预检测，从而为之后的热弯步骤参数提供质量预检测基础。
所述多个质量检测指标为提前预设的检测指标，优选的，可以包括玻璃零损指标、曲率适配指标、模具精度指标三个维度的指标，其中，所述玻璃零损指标为待加工玻璃的加工零损耗，且玻璃零损指标与质量检测结果成正比，即所述玻璃零损指标越高，其质量检测结果等级越高；所述曲率适配指标为待加工玻璃与石墨模具之间的曲率适配性，且曲率适配指标与质量检测结果成正比，即所述曲率适配指标越高，其质量检测结果等级越高；所述模具精度指标为对石墨模具的模具曲面平滑度和模具制作精度，同样的，模具精度指标与质量检测结果成正比，即所述模具精度指标越高，其质量检测结果等级越高。
进一步的，通过对热弯玻璃在多个维度的质量指标进行计算，从而获得检测指标占比。详细来说，通过对待加工的浮法玻璃进行长度、厚度、宽度以及自身属性分析进行综合计算，获得在玻璃损耗维度上的玻璃零损指标；通过对待加工的浮法玻璃与所述模具之间的曲率适配性进行检测，比如当待加工玻璃厚度不达标时与模具的曲率适配度较低，从而降低生产质量；通过对石墨模具的模具内表面平滑度检测，防止出现玻璃加工后的不平整度。进而根据其实时检测的结果与预设的占比进一步的对质量的检测结果进行输出。从而达到了针对于热弯玻璃的自身特点形成多维度的质量检测模型，实现热弯玻璃精准预检测的技术效果。
步骤S500：根据所述第一质量检测结果对热弯步骤的多个要素参数进行采集，获得第一热弯步骤参数，其中，所述第一热弯步骤参数包括升温参数集和冷却参数集；
具体而言，所述第一质量检测结果为热弯加工分别在玻璃零损指标、曲率适配指标、模具精度指标三个维度的实时占比，当其占比未达到预设的占比标准时，可以通过进一步的提醒信息进行提醒，从而实现所述第一质量检测结果为通过时进入热弯步骤采集的木块单元中，实现所述第一热弯步骤参数的采集。其中，所述第一热弯步骤参数包括预热、阶段性升温控制的时间参数和温度参数，以及降温时外部环境参数、冷却时长以及冷却参数，另外的，还可以采集玻璃弯曲成型的外加应力，进行进一步的细化分析，进一步的实现准确的数据采集。
步骤S600：若将所述第一热弯步骤参数作为新增数据输入生产质量检测模型进行增量学习，构建生产质量调整模型；
步骤S700：根据所述生产质量调整模型，获得第一调整参数，其中，所述第一调整参数用于对热弯步骤进行调整。
具体而言，将所述第一热弯步骤参数作为新增数据输入生产质量检测模型中，进一步的实现所述生产质量检测模型的训练，由于所诉生产质量检测模型中的数据包括有所述第一三维模型的分层数据以及所述第一石墨模型的分层数据，因此，通过将所述第一热弯步骤参数输入所述生产质量检测模型中进行数据增量学习，从而能够在保留旧训练数据的基础上进一步的增加实现新功能模型的获取，从而降低了模型训练的响应时长，进而获得所述生产质量调整模型，由于所述生产质量调整模型中包括有历史数据和新增数据，因此，根据所述生产质量调整模型，获得所述第一调整参数，再用于对热弯步骤的参数进行智能化调整，达到了智能化检测和动态调整的效果。
进一步的，如图2所示，本申请实施例步骤S200还包括：
步骤S210：基于热弯玻璃设计图，获得所述第一热弯玻璃的第二三维模型，其中，所述第二三维模型为热弯玻璃设计模型；
步骤S220：通过轮廓检测算法对所述第一石墨模型进行轮廓提取，获得第一轮廓图像，其中，所述第一轮廓图像包括内轮廓图像和外轮廓图像；
步骤S230：通过提取所述第二三维模型的生产数据和所述第一石墨模型的模具数据进行比对，获得第一比对数据，其中，所述第一比对数据为匹配比对数据；
步骤S240：根据所述第一比对数据，获得第二调整参数；
步骤S250：根据所述第二调整参数对所述第一石墨模型进行调整。
具体而言，所述热弯玻璃设计图为根据用户的要求，以及结合热弯玻璃的使用环境进行实时数据勘测，从而由相关设计人员设计的设计图，从而通过对设计图进行数据分析和数据采集，获得所述第一热弯玻璃的第二三维模型，其中，所述第二三维模型为加工冷却成型后的需求三维模型，其模型构建的方式与所述第一三维模型构建的方式相同。从而针对设计图的模型和石墨模具模型进行进一步的数据比对，实现石墨模型的进一步调整，以达到模具的高质量动态调整，保障热弯玻璃生产质量水平。
基于轮廓检测算法对模具的数据进行采集，并且根据所述第二三维模型的设计图数据实现比对，判断其石墨模具是否符合生产需求，石墨模具中主要根据其内轮廓的曲率、长度等几何参数实现待加工玻璃的弯曲成型，因此，需要根据设计图的玻璃曲率以及石墨模具的内轮廓数据进行曲率匹配，从而能够实现石墨模具的进一步的质量检测，提高石墨模具的使用质量和玻璃热弯成型的设计需求符合度，增加客户满意度，进一步的，实现热弯玻璃加工的系统化质量检测，降低生产环节的单个容错率，保证生产的额外经济损失降至最低。
进一步的，如图3所示，所述根据所述第一质量检测结果对热弯步骤的多个要素参数进行采集，获得第一热弯步骤参数，本申请实施例步骤S500还包括：
步骤S510：通过对热弯步骤进行参数采集，获得升温参数集和冷却参数集；
步骤S520：通过对所述升温参数集和所述冷却参数集进行曲线分析，获得第一参数变化曲线和第二参数变化曲线；
步骤S530：根据所述第一石墨模具的多个属性信息进行热量衡算微分计算，获得第一传热系数；
步骤S540：基于所述第一传热系数，对所述第一参数变化曲线和所述第二参数变化曲线进行步骤节点数据采集，生成所述第一热弯步骤参数。
进一步的，本申请实施例步骤S540还包括：
步骤S541：通过对所述第一参数变化曲线进行升温速率计算，获得升温速率数据集；
步骤S542：通过对所述第二参数变化曲线进行冷却速率计算，获得冷却速率数据集；
步骤S543：分别对所述升温速率数据集和所述冷却速率数据集进行稳定性分析，获得加工稳定性系数；
步骤S544：若所述加工稳定性系数不处于预设加工稳定性系数，对所述第一参数变化曲线和所述第二参数变化曲线进行节点标识。
具体而言，基于对待加工浮法玻璃和石墨模具的质量检测条件下，进一步的采集弯曲成型的热弯步骤参数，其中，由于热弯玻璃成型是通过对待加工玻璃在石墨模具的基础上进行加热和冷却的，因此，对于加热的分层和冷却的分层进行多个阶段的采集，比如加热过程中包括预加热和预加热时间，以及逐渐升温时的温度控制参数和温度时长；对于冷却的分层中会基于室内环境稳定的参数、实现冷却的智能化降温，对于加热炉的温度智能控制，或者根据玻璃定型的程度，进行计算机的数据化调控干预参数等，从而采集到实时的热弯步骤参数。
进一步的，再对所述升温参数集和所述冷却参数集进行曲线的变化分析，从而分别获得升温的变化曲线以及冷却的变化曲线。由于石墨模具的数据不同对于待加工的玻璃会产生热传导的影响，从而不利于数据获取的准确性，因此通过对石墨模具的属性信息进行采集，比如石墨的材料和模具的配比、关于石墨颗粒密度、纯度、硬度、抗压强度、承曲强度等属性信息，由于石墨模具的属性信息不同其对于热传导的计算结果有所不同，从而通过热量衡算微分实现传导系数的计算，其中，热传导的计算是反应具体传热过程速率的特征量，并通过传热内壁的温度、面积、材料进行计算，获得所述第一传热系数。
根据所述第一传热系数对第一参数变化曲线(升温)和第二(降温)参数变化曲线进行曲线调整，并通过计算曲线的升温速率和降温速率进行温度控制的稳定性分析，对于其控制的变化节点进行标识，比如，对于预热完成的时间条件下和达到预热温度的条件下，进一步的进行多个层级的升温控制，第一温控数据和升温时间、第二温控数据和升温时间、第N温控数据和升温时间,直至达到预设的热弯数据，从而采集其N个节点作为升温的步骤参数，同样的，对于冷却曲线执行同样处理过程，从而达到了准确采集热弯步骤参数，提高热弯成型质量的技术效果。
进一步的，所述将所述第一热弯步骤参数作为新增数据输入生产质量检测模型进行增量学习，构建生产质量调整模型，本申请实施例步骤S600还包括：
步骤S610：通过对所述生产质量检测模型中所述第一三维模型的分层拆分数据和所述第一石墨模型的分层拆分数据进行特征数据过滤，获得第一过滤数据；
步骤S620：通过熵值法对所述第一热弯步骤参数和所述第一过滤数据进行权重比例划分，获得第一划分数据；
步骤S630：根据所述第一划分数据，构建所述生产质量调整模型。
具体而言，所述第一过滤数据为基于热弯调整参数的基础使用特征数据，从所述第一质量检测模型数据中优先筛选的具有高度特异性和关联性强的数据，从而不仅降低了数据的非特征量化程度，并且进一步的降低了所述生产质量调整模型的计算复杂度，由于所述生产质量调整模型为神经网络训练模型，所述训练数据需要对于训练数据的量化程度进行进一步的比例划分，其中，计算权重可以利用信息浓缩，还可利用信息量的多少，即数据携带的信息量大小(物理学上的熵值原理)进行权重计算。熵值是不确定性的一种度量，信息量越大，熵也就越小；信息量越小，熵也越大。从而针对于其所述第一过滤数据的权重小于所述第一热弯步骤参数的权重，从而实现所述生产质量调整模型的优化。
进一步的，如图4所示，本申请实施例步骤S200还包括：
步骤S210：获得所述第一热弯玻璃的第一曲率半径指数；
步骤S220：基于所述第一曲率半径指数，构建分层规则；
步骤S230：根据所述分层规则对所述第一三维模型进行分层拆分，获得所述第一三维模型的实时分层拆分数据；
步骤S240：根据所述分层规则对所述第一石墨模型进行分层拆分，获得所述第一石墨模型的模具分层拆分数据。
具体而言，所述第一热弯玻璃的所述第一曲率半径指数为基于设计要求其根据曲率计算获得的半径长，进一步的，当所述第一曲率半径指数较大时其分层的规则按照其曲线的弯曲程度进行分层，比如，单弯曲玻璃和双弯曲玻璃以及多重弯曲玻璃中，针对与一个曲率半径进行分层规则的构建，从而针对性的获得所述第一三维模型的实时分层拆分数据和所述第一石墨模型的模具分层拆分数据。进一步的，根据所述第一三维模型的实时分层拆分数据和所述第一石墨模型的模具分层拆分数据，还可以计算其高度差，其所述高度差为所述待加工玻璃与热弯成型后的高度差，从而实现拆分数据的比对，进一步的增加质量间接检测的准确性。
与现有技术相比，本发明具有如下的有益效果：
1、由于采用了通过对生产玻璃进行样本数据的采集，并构建第一三维模型，再对生产热弯玻璃的模具进行数据采集，构建第一石墨模型，进一步的，通过对所述第一三维模型和所述第一石墨模型进行拆分拟合，分别获得实时分层拆分数据和模具拆分数据，将所述实时分层拆分数据和所述模具拆分数据输入质量检测模型中进行生产质量检测，获得对应的质量检测结果，进一步的，再基于热弯步骤的多个要素进行采集，从而获得第一热弯步骤参数，根据所述第一热弯步骤参数训练新的调整模型，从而获得应用于调整热弯步骤的第一调整参数。
2、由于采用了从而通过热量衡算微分实现传导系数的计算，获得所述第一传热系数的方式，从而达到了准确采集热弯步骤参数，提高热弯成型质量的技术效果。
实施例二
基于与前述实施例中一种热弯玻璃生产质量检测方法同样发明构思，本发明还提供了一种热弯玻璃生产质量检测系统，如图5所示，所述系统包括：
第一构建单元11，所述第一构建单元11用于通过对第一热弯玻璃进行数据采集，构建第一三维模型，其中，所述第一三维模型为实时生产的热弯玻璃模型；
第一获得单元12，所述第一获得单元12用于通过对所述第一三维模型进行数据拆分拟合，获得实时分层拆分数据；
第二获得单元13，所述第二获得单元13用于通过对第一石墨模型进行数据拆分拟合，获得模具分层拆分数据，其中，所述第一石墨模型为以石墨材料为主的模具模型；
第一输入单元14，所述第一输入单元14用于将所述实时分层拆分数据和所述模具分层拆分数据输入生产质量检测模型中进行玻璃生产质量检测，获得第一质量检测结果；
第三获得单元15，所述第三获得单元15用于根据所述第一质量检测结果对热弯步骤的多个要素参数进行采集，获得第一热弯步骤参数，其中，所述第一热弯步骤参数包括升温参数集和冷却参数集；
第二构建单元16，所述第二构建单元16用于将所述第一热弯步骤参数作为新增数据输入生产质量检测模型进行增量学习，构建生产质量调整模型；
第四获得单元17，所述第四获得单元17用于根据所述生产质量调整模型，获得第一调整参数，其中，所述第一调整参数用于对热弯步骤进行调整。
进一步的，所述系统还包括：
第五获得单元，所述第五获得单元用于基于热弯玻璃设计图，获得所述第一热弯玻璃的第二三维模型，其中，所述第二三维模型为热弯玻璃设计模型；
第一提取类单元，所述第一提取单元用于通过轮廓检测算法对所述第一石墨模型进行轮廓提取，获得第一轮廓图像，其中，所述第一轮廓图像包括内轮廓图像和外轮廓图像；
第一比对单元，所述第一比对单元用于通过提取所述第二三维模型的生产数据和所述第一石墨模型的模具数据进行比对，获得第一比对数据，其中，所述第一比对数据为匹配比对数据；
第六获得单元，所述第六获得单元用于根据所述第一比对数据，获得第二调整参数；
第一比对单元，所述第一比对单元用于根据所述第二调整参数对所述第一石墨模型进行调整。
进一步的，所述系统还包括：
第七获得单元，所述第七获得单元用于通过对热弯步骤进行参数采集，获得升温参数集和冷却参数集；
第八获得单元，所述第八获得单元用于通过对所述升温参数集和所述冷却参数集进行曲线分析，获得第一参数变化曲线和第二参数变化曲线；
第九获得单元，所述第九获得单元用于根据所述第一石墨模具的多个属性信息进行热量衡算微分计算，获得第一传热系数；
第一生成单元，所述第一生成单元用于基于所述第一传热系数，对所述第一参数变化曲线和所述第二参数变化曲线进行步骤节点数据采集，生成所述第一热弯步骤参数。
进一步的，所述系统还包括：
第十获得单元，所述第十获得单元用于通过对所述生产质量检测模型中所述第一三维模型的分层拆分数据和所述第一石墨模型的分层拆分数据进行特征数据过滤，获得第一过滤数据；
第十一获得单元，所述第十一获得单元用于通过熵值法对所述第一热弯步骤参数和所述第一过滤数据进行权重比例划分，获得第一划分数据；
第三构建单元，所述第三构建单元用于根据所述第一划分数据，构建所述生产质量调整模型。
进一步的，所述系统还包括：
第十二获得单元，所述第十二获得单元用于获得所述第一热弯玻璃的第一曲率半径指数；
第四构建单元，所述第四构建单元用于基于所述第一曲率半径指数，构建分层规则；
第十三获得单元，所述第十三获得单元用于根据所述分层规则对所述第一三维模型进行分层拆分，获得所述第一三维模型的实时分层拆分数据；
第十四获得单元，所述第十四获得单元用于根据所述分层规则对所述第一石墨模型进行分层拆分，获得所述第一石墨模型的模具分层拆分数据。
进一步的，所述系统还包括：
第十五获得单元，所述第十五获得单元用于通过对所述第一参数变化曲线进行升温速率计算，获得升温速率数据集；
第十六获得单元，所述第十六获得单元用于通过对所述第二参数变化曲线进行冷却速率计算，获得冷却速率数据集；
第十七获得单元，所述第十七获得单元用于分别对所述升温速率数据集和所述冷却速率数据集进行稳定性分析，获得加工稳定性系数；
第一标识单元，所述第一标识单元用于若所述加工稳定性系数不处于预设加工稳定性系数，对所述第一参数变化曲线和所述第二参数变化曲线进行节点标识。
进一步的，所述系统还包括：
第十八获得单元，所述第十八获得单元用于获得多个质量检测指标；
第五构建单元，所述第五构建单元用于根据所述多个质量检测指标，构建生产质量检测模型，其中，所述生产质量检测模型为多维坐标模型；
第二输入单元，所述第二输入单元用于将所述第一三维模型的实时分层拆分数据和所述第一石墨模型的模具分层拆分数据输入所述生产质量检测模型，获得检测指标占比，其中，所述检测指标占比为热弯玻璃在多个维度的质量指标占预设质量检测指标的比值；
第二生成单元，所述第二生成单元用于根据所述检测指标占比，生成所述第一质量检测结果。
前述图1实施例一中的一种热弯玻璃生产质量检测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热弯玻璃生产质量检测系统，通过前述对一种热弯玻璃生产质量检测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种热弯玻璃生产质量检测系统的实施方法，所以为了说明书的简洁，在此不再详述。
实施例三
下面参考图6来描述本申请实施例的电子设备。
图6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热弯玻璃生产质量检测方法的发明构思，本发明还提供一种热弯玻璃生产质量检测系统，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热弯玻璃生产质量检测系统的任一方法的步骤。
其中，在图6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系统通信的单元。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。
本申请实施例提供一种热弯玻璃生产质量检测方法，所述方法包括：通过对第一热弯玻璃进行数据采集，构建第一三维模型，其中，所述第一三维模型为实时生产的热弯玻璃模型；通过对所述第一三维模型进行数据拆分拟合，获得实时分层拆分数据；通过对第一石墨模型进行数据拆分拟合，获得模具分层拆分数据，其中，所述第一石墨模型为以石墨材料为主的模具模型；将所述实时分层拆分数据和所述模具分层拆分数据输入生产质量检测模型中进行玻璃生产质量检测，获得第一质量检测结果；根据所述第一质量检测结果对热弯步骤的多个要素参数进行采集，获得第一热弯步骤参数，其中，所述第一热弯步骤参数包括升温参数集和冷却参数集；将所述第一热弯步骤参数作为新增数据输入生产质量检测模型进行增量学习，构建生产质量调整模型；根据所述生产质量调整模型，获得第一调整参数，其中，所述第一调整参数用于对热弯步骤进行调整。解决了现有技术中存在热弯玻璃检测方式没有结合加工流程，实现系统化、智能化的检测，且检测质量低的技术问题，达到了针对热弯玻璃生产流程，构建系统化的智能检测方法，从而提高热弯玻璃的检测精度，进而提高生产质量的技术效果。
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系统。
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系统的制造品，该指令系统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，则可对这些实施例进行另外的变更和修改。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 (7)
1.一种热弯玻璃生产质量检测方法，其特征在于，所述方法包括：
通过对第一热弯玻璃进行数据采集，构建第一三维模型，其中，所述第一三维模型为实时生产的热弯玻璃模型；
通过对所述第一三维模型进行数据拆分拟合，获得实时分层拆分数据；
通过对第一石墨模型进行数据拆分拟合，获得模具分层拆分数据，其中，所述第一石墨模型为以石墨材料为主的模具模型；
将所述实时分层拆分数据和所述模具分层拆分数据输入生产质量检测模型中进行玻璃生产质量检测，获得第一质量检测结果；
根据所述第一质量检测结果对热弯步骤的多个要素参数进行采集，获得第一热弯步骤参数，其中，所述第一热弯步骤参数包括升温参数集和冷却参数集；
将所述第一热弯步骤参数作为新增数据输入生产质量检测模型进行增量学习，构建生产质量调整模型；
根据所述生产质量调整模型，获得第一调整参数，其中，所述第一调整参数用于对热弯步骤进行调整；
其中，所述根据所述第一质量检测结果对热弯步骤的多个要素参数进行采集，获得第一热弯步骤参数，所述方法还包括：
通过对热弯步骤进行参数采集，获得升温参数集和冷却参数集；
通过对所述升温参数集和所述冷却参数集进行曲线分析，获得第一参数变化曲线和第二参数变化曲线；
根据所述第一石墨模型的多个属性信息进行热量衡算微分计算，获得第一传热系数；
基于所述第一传热系数，对所述第一参数变化曲线和所述第二参数变化曲线进行步骤节点数据采集，生成所述第一热弯步骤参数；
其中，所述将所述实时分层拆分数据和所述模具分层拆分数据输入生产质量检测模型中进行玻璃生产质量检测，获得第一质量检测结果，包括：
获得多个质量检测指标；
根据所述多个质量检测指标，构建生产质量检测模型，其中，所述生产质量检测模型为多维坐标模型；
将所述第一三维模型的实时分层拆分数据和所述第一石墨模型的模具分层拆分数据输入所述生产质量检测模型，获得检测指标占比，其中，所述检测指标占比为热弯玻璃在多个维度的质量指标占预设质量检测指标的比值；
根据所述检测指标占比，生成所述第一质量检测结果。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于热弯玻璃设计图，获得所述第一热弯玻璃的第二三维模型，其中，所述第二三维模型为热弯玻璃设计模型；
通过轮廓检测算法对所述第一石墨模型进行轮廓提取，获得第一轮廓图像，其中，所述第一轮廓图像包括内轮廓图像和外轮廓图像；
通过提取所述第二三维模型的生产数据和所述第一石墨模型的模具数据进行比对，获得第一比对数据，其中，所述第一比对数据为匹配比对数据；
根据所述第一比对数据，获得第二调整参数；
根据所述第二调整参数对所述第一石墨模型进行调整。
3.如权利要求1所述的方法，其特征在于，所述将所述第一热弯步骤参数作为新增数据输入生产质量检测模型进行增量学习，构建生产质量调整模型，所述方法还包括：
通过对所述生产质量检测模型中所述第一三维模型的分层拆分数据和所述第一石墨模型的分层拆分数据进行特征数据过滤，获得第一过滤数据；
通过熵值法对所述第一热弯步骤参数和所述第一过滤数据进行权重比例划分，获得第一划分数据；
根据所述第一划分数据，构建所述生产质量调整模型。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
获得所述第一热弯玻璃的第一曲率半径指数；
基于所述第一曲率半径指数，构建分层规则；
根据所述分层规则对所述第一三维模型进行分层拆分，获得所述第一三维模型的实时分层拆分数据；
根据所述分层规则对所述第一石墨模型进行分层拆分，获得所述第一石墨模型的模具分层拆分数据。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
通过对所述第一参数变化曲线进行升温速率计算，获得升温速率数据集；
通过对所述第二参数变化曲线进行冷却速率计算，获得冷却速率数据集；
分别对所述升温速率数据集和所述冷却速率数据集进行稳定性分析，获得加工稳定性系数；
若所述加工稳定性系数不处于预设加工稳定性系数，对所述第一参数变化曲线和所述第二参数变化曲线进行节点标识。
6.一种热弯玻璃生产质量检测系统，其特征在于，所述系统包括：
第一构建单元，所述第一构建单元用于通过对第一热弯玻璃进行数据采集，构建第一三维模型，其中，所述第一三维模型为实时生产的热弯玻璃模型；
第一获得单元，所述第一获得单元用于通过对所述第一三维模型进行数据拆分拟合，获得实时分层拆分数据；
第二获得单元，所述第二获得单元用于通过对第一石墨模型进行数据拆分拟合，获得模具分层拆分数据，其中，所述第一石墨模型为以石墨材料为主的模具模型；
第一输入单元，所述第一输入单元用于将所述实时分层拆分数据和所述模具分层拆分数据输入生产质量检测模型中进行玻璃生产质量检测，获得第一质量检测结果；
第三获得单元，所述第三获得单元用于根据所述第一质量检测结果对热弯步骤的多个要素参数进行采集，获得第一热弯步骤参数，其中，所述第一热弯步骤参数包括升温参数集和冷却参数集；
第二构建单元，所述第二构建单元用于将所述第一热弯步骤参数作为新增数据输入生产质量检测模型进行增量学习，构建生产质量调整模型；
第四获得单元，所述第四获得单元用于根据所述生产质量调整模型，获得第一调整参数，其中，所述第一调整参数用于对热弯步骤进行调整；
所述系统还包括：
第七获得单元，所述第七获得单元用于通过对热弯步骤进行参数采集，获得升温参数集和冷却参数集；
第八获得单元，所述第八获得单元用于通过对所述升温参数集和所述冷却参数集进行曲线分析，获得第一参数变化曲线和第二参数变化曲线；
第九获得单元，所述第九获得单元用于根据所述第一石墨模型的多个属性信息进行热量衡算微分计算，获得第一传热系数；
第一生成单元，所述第一生成单元用于基于所述第一传热系数，对所述第一参数变化曲线和所述第二参数变化曲线进行步骤节点数据采集，生成所述第一热弯步骤参数；
第十八获得单元，所述第十八获得单元用于获得多个质量检测指标；
第五构建单元，所述第五构建单元用于根据所述多个质量检测指标，构建生产质量检测模型，其中，所述生产质量检测模型为多维坐标模型；
第二输入单元，所述第二输入单元用于将所述第一三维模型的实时分层拆分数据和所述第一石墨模型的模具分层拆分数据输入所述生产质量检测模型，获得检测指标占比，其中，所述检测指标占比为热弯玻璃在多个维度的质量指标占预设质量检测指标的比值；
第二生成单元，所述第二生成单元用于根据所述检测指标占比，生成所述第一质量检测结果。
7.一种热弯玻璃生产质量检测系统，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，其特征在于，所述处理器执行所述程序时实现权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111398474.2A CN114154407B (zh) | 2021-11-24 | 2021-11-24 | 一种热弯玻璃生产质量检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111398474.2A CN114154407B (zh) | 2021-11-24 | 2021-11-24 | 一种热弯玻璃生产质量检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114154407A CN114154407A (zh) | 2022-03-08 |
| CN114154407B true CN114154407B (zh) | 2024-02-06 |
Family
ID=80457065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111398474.2A Active CN114154407B (zh) | 2021-11-24 | 2021-11-24 | 一种热弯玻璃生产质量检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114154407B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117669999B (zh) * | 2024-02-01 | 2024-04-30 | 嘉祥洪润电碳有限公司 | 一种石墨纯化生产的智能管理系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4654066A (en) * | 1983-10-18 | 1987-03-31 | Vitro Tec Fideicomiso | Electronic system to control cooling of molds in glassware forming machines |
| CN102596537A (zh) * | 2009-08-25 | 2012-07-18 | Khs科波普拉斯特有限责任公司 | 用于吹塑成型容器的方法和设备 |
| CN206696202U (zh) * | 2017-05-08 | 2017-12-01 | 伊犁正佳特种玻璃有限公司 | 一种玻璃钢化设备用的玻璃板在线检测系统 |
| CN107767024A (zh) * | 2017-09-20 | 2018-03-06 | 彩虹集团（邵阳）特种玻璃有限公司 | 一种用于盖板玻璃生产线产品质量实时监测系统及方法 |
| CN108706860A (zh) * | 2018-06-29 | 2018-10-26 | 深圳市杰美特科技股份有限公司 | 一种钢化玻璃热整型不变形的生产工艺 |
| CN109800524A (zh) * | 2019-01-29 | 2019-05-24 | 福州大学 | 基于COMSOL Multiphysics的汽车风挡玻璃成型模拟方法 |
-
2021
- 2021-11-24 CN CN202111398474.2A patent/CN114154407B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4654066A (en) * | 1983-10-18 | 1987-03-31 | Vitro Tec Fideicomiso | Electronic system to control cooling of molds in glassware forming machines |
| CN102596537A (zh) * | 2009-08-25 | 2012-07-18 | Khs科波普拉斯特有限责任公司 | 用于吹塑成型容器的方法和设备 |
| CN206696202U (zh) * | 2017-05-08 | 2017-12-01 | 伊犁正佳特种玻璃有限公司 | 一种玻璃钢化设备用的玻璃板在线检测系统 |
| CN107767024A (zh) * | 2017-09-20 | 2018-03-06 | 彩虹集团（邵阳）特种玻璃有限公司 | 一种用于盖板玻璃生产线产品质量实时监测系统及方法 |
| CN108706860A (zh) * | 2018-06-29 | 2018-10-26 | 深圳市杰美特科技股份有限公司 | 一种钢化玻璃热整型不变形的生产工艺 |
| CN109800524A (zh) * | 2019-01-29 | 2019-05-24 | 福州大学 | 基于COMSOL Multiphysics的汽车风挡玻璃成型模拟方法 |
Non-Patent Citations (5)
| Title |
|---|
| 3D玻璃热压热弯成形理论与方法研究进展综述;何文斌;陈志君;明五一;沈帆;;机械设计与制造(第07期);284-289 * |
| Glass molding of all glass Fresnel lens with vitreous carbon micromold;Kim, Y. K.等;Optics Express;第27卷(第2期);1553-1562 * |
| Moldeing high-temperature glass molding process by coupling heat transfer and viscous deformation analysis;Yan Ji-wang等;Precision Engineering;第33卷(第2期);150-159 * |
| 基于模型检索的玻璃瓶模具组件设计方法与实现;陈更新;朱兴元;崔海华;马建华;王华君;;图学学报(第05期);862-866 * |
| 异形玻璃瓶初型设计及其模具智能设计系统的开发;王哲涵;王华君;崔海华;刘松;晏庆宝;;模具工业(第09期);1-6 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114154407A (zh) | 2022-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6817426B2 (ja) | マシンラーニング基盤の半導体製造の収率予測システム及び方法 | |
| CN103268082B (zh) | 一种基于灰色线性回归的热误差建模方法 | |
| CN109214948A (zh) | 一种电力系统热负荷预测的方法和装置 | |
| CN114154407B (zh) | 一种热弯玻璃生产质量检测方法及系统 | |
| Pal et al. | Rapid tooling route selection and evaluation for sand and investment casting | |
| CN103279817A (zh) | 一种基于知识的精密塑性成形知识库设计系统 | |
| Ding et al. | Uncertainty sources and calculation approaches for building energy simulation models | |
| JP4854586B2 (ja) | 光学素子のプレス成形シミュレーション方法及びプログラム | |
| CN115577020B (zh) | 一种修磨周期能耗状态识别系统及识别方法 | |
| CN111950195B (zh) | 一种基于画像系统与深度回归模型的工程进度预测方法 | |
| Wiebenga | Robust design and optimization of forming processes | |
| CN116843323A (zh) | 基于动态图像扫描的螺杆铸造件质量控制监管系统 | |
| CN110348954B (zh) | 一种面向大规模定制的复杂工艺模块划分方法 | |
| CN111444619B (zh) | 一种注塑模具冷却系统在线分析方法及设备 | |
| JP2009294952A (ja) | 生産計画立案システム及び方法 | |
| CN117150937A (zh) | 一种模具温度预测方法、装置、设备及存储介质 | |
| CN104090526A (zh) | 一种基于黄金分割及累积回归的机床热误差建模方法和测试系统 | |
| de Oliveira et al. | Historical measurement data reuse and similarity analysis for dimensional production tolerancing of injected plastic parts | |
| Shi et al. | Uncertainty analysis on process responses of conventional spinning using finite element method | |
| CN115600102A (zh) | 基于船舶数据的异常点检测方法及装置、电子设备、介质 | |
| CN102054097A (zh) | 基于cae仿真技术的金属塑性成型产品开发系统 | |
| CN113393094A (zh) | 能源系统评估方法、装置、设备及存储介质 | |
| TWI399699B (zh) | 基於粒子群最佳化演算法的臺股指數期貨預測方法 | |
| CN111210877A (zh) | 一种推断物性参数的方法及装置 | |
| CN104537167A (zh) | 基于鲁棒区间极限学习机的区间型指标预报方法 |
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 |