CN114161029B - 一种制备助焊剂方法和系统 - Google Patents

Abstract

本说明书实施例提供一种制备助焊剂方法，制备所述助焊剂的原料包括至少一种助焊添加剂、助焊基础溶剂，所述至少一种助焊添加剂包括松香、合成树脂、表面活性剂、活化剂、防腐蚀剂、助溶剂、成膜剂中的至少一种，所述助焊基础溶剂包括有机溶剂，所述助焊添加剂与所述助焊基础溶剂的质量比在0.002～1范围内，所述方法包括：获取加料指令，所述加料指令包括至少一种助焊添加剂对应的加料量及加料顺序；响应于所述加料指令，控制盛放所述至少一种助焊添加剂的自动添加容器向制备容器中加入所述至少一种助焊添加剂，其中，所述制备容器中容纳有助焊基础溶剂。

Description

一种制备助焊剂方法和系统

技术领域

本说明书涉及助焊剂制备领域，特别涉及一种制备助焊剂方法和系统。

背景技术

焊接是电子装配工艺中的重要一环，而助焊剂能够帮助和促进焊接过程，同时具有清除焊料和被焊母材表面的氧化物，使金属表面达到必要的清洁度，防止焊接时表面的再次氧化，降低焊料表面张力的作用，提高焊接性能。目前普遍采用人工添加助焊剂的原料制备助焊剂，工作效率低。

因此，需要提供一种制备助焊剂方法和系统，用于高效制备助焊剂。

发明内容

本说明书实施例之一提供一种制备助焊剂方法，制备所述助焊剂的原料包括至少一种助焊添加剂、助焊基础溶剂，所述至少一种助焊添加剂包括松香、合成树脂、表面活性剂、活化剂、防腐蚀剂、助溶剂、成膜剂中的至少一种，所述助焊基础溶剂包括有机溶剂，所述助焊添加剂与所述助焊基础溶剂的质量比在0.002～1范围内，所述方法包括：获取加料指令，所述加料指令包括至少一种助焊添加剂对应的加料量及加料顺序；响应于所述加料指令，控制盛放所述至少一种助焊添加剂的自动添加容器向制备容器中加入所述至少一种助焊添加剂，其中，所述制备容器中容纳有助焊基础溶剂。

本说明书实施例之一提供一种制备助焊剂系统，制备所述助焊剂的原料包括至少一种助焊添加剂、助焊基础溶剂，所述至少一种助焊添加剂包括松香、合成树脂、表面活性剂、活化剂、防腐蚀剂、助溶剂、成膜剂中的至少一种表剂包括有机溶剂，所述助焊基础溶剂包括有机溶剂，所述助焊添加剂与所述助焊基础溶剂的质量比在0.002～1范围内，所述系统包括：指令获取模块，用于获取加料指令，所述加料指令包括至少一种助焊添加剂对应的加料量及加料顺序；加料模块，用于响应于所述加料指令，控制盛放所述至少一种助焊添加剂的自动添加容器向制备容器中加入所述至少一种助焊添加剂，其中，所述制备容器中容纳有助焊基础溶剂。

本说明书实施例之一提供一种制备助焊剂装置，包括处理器，所述处理器用于执行上述的助焊剂制备方法。

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，当计算机读取存储介质中的计算机指令后，计算机执行上述的助焊剂制备方法。

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制备助焊剂系统的应用场景示意图；

图2是根据本说明书一些实施例所示的制备助焊剂系统的示例性框图；

图3是根据本说明书一些实施例所示的制备助焊剂方法的示例性流程图；

图4是根据本说明书一些实施例所示的确定差异值的示例性流程图；

图5是根据本说明书一些实施例所示的助焊剂制备装置的示例性结构图。

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制备助焊剂系统100的应用场景示意图。

如图1所示，制备助焊剂系统100可以包括服务器110、网络120、用户终端130、存储设备140、助焊剂制备装置150以及摄像采集单元160。

在一些实施例中，制备助焊剂系统100可以通过实施本说明书中披露的方法和/或过程来实现制备助焊剂的工作。

服务器110可以用于处理来自制备助焊剂系统100的至少一个组件或外部数据源(例如，云数据中心)的数据和/或信息。例如，服务器110可以用于从用户终端130获取加料指令。还例如，服务器110可以用于响应于加料指令控制助焊剂制备装置150制备助焊剂。还例如，服务器110还可以用于获取测试指令，并响应于测试指令，获取至少一种助焊添加剂的测试称取量，基于助焊添加剂的测试量及测试称取量，确定助焊添加剂的差异值。还例如，服务器110可以基于至少一种助焊添加剂对应的加料量及差异值，更新加料指令。在一些实施例中，在处理过程中，服务器110可以从存储设备140获取数据(如指令)或将数据(例如，助焊添加剂的差异值)保存到存储设备140，也可以通过网络120从用户端130等其他来源读取数据(例如，加料指令、测试指令等)或将数据(例如，助焊添加剂的差异值、更新后的加料指令、预警信息等)输出至用户端130。

在一些实施例中，服务器110可以包括中央处理单元(CPU)、数字信号处理器(DSP)等和/或其任意组合。在一些实施例中，服务器110可以是本地的、远程的、或在云平台上实现。在一些实施例中，服务器110或服务器110的一部分可以集成到助焊剂制备装置150中。

网络120可以提供信息交换的渠道。在一些实施例中，服务器110、用户终端130、存储设备140、助焊剂制备装置150和摄像采集单元160之间可以通过网络120交换信息。(例如，服务器110可以通过网络120接收摄像采集单元160采集的加料过程中的图像。又例如，服务器110可以通过网络120读取存储设备140存储的数据)。

用户终端130指用户所使用的一个或多个终端设备或软件。在一些实施例中，用户终端130可以是移动设备、平板计算机、膝上型计算机、台式计算机等其他具有输入和/或输出功能的设备中的一种或其任意组合。在一些实施例中，用户终端130可以作为用户的显示终端，用于经由网络120获取并显示摄像采集单元160采集的图像、助焊剂制备装置150的工作状态等。在一些实施例中，用户终端130可以作为指令的发送端，可以用于向例如助焊剂制备装置150、摄像采集单元160发出指令。上述示例仅用于说明所述用户终端130设备范围的广泛性而非对其范围的限制。

存储设备140可以用于存储数据和/或指令。在一些实施例中，存储设备140可以从例如用户终端130、摄像采集单元160等获得数据和/或指令。在一些实施例中，存储设备140可以储存服务器110用来执行或使用以完成本说明书中描述的示例性方法的数据和/或指令。

助焊剂制备装置150可以是实现助焊剂制备的装置。结合图5，在一些实施例中，助焊剂制备装置150可以包括至少一个自动添加容器152和至少一个制备容器151。

在一些实施例中，自动添加容器152可以用于存储助焊添加剂，其中，助焊添加剂可以为松香、合成树脂、表面活性剂、活化剂、防腐蚀剂、助溶剂、成膜剂中的一种。在一些实施例中，自动添加容器152还可以将存储的部分助焊添加剂导入到至少一个制备容器151中。在一些实施例中，服务器110可以基于加料指令，控制至少一个制备容器151加入一定量的助焊添加剂到制备容器151中。在一些实施例中，自动添加容器152可以包括容纳仓、导料件及称重件，其中容纳仓可以用于存储助焊添加剂，导料件可以用于在服务器110的控制下从容纳仓中将部分助焊添加剂至称重件，称重件可以获取导出的助焊添加剂的重量，导料件还可以在称重件获取助焊添加剂的重量后将称重件上的助焊添加剂导入制备容器151中。在一些实施例中，容纳仓的材质可以根据助焊添加剂的成分确定。例如，当助焊添加剂为松香时，容纳其的容纳仓可以为铁、软钢、铜或铝等材质。在一些实施例中，不同的自动添加容器可以容纳不同的助焊添加剂。在一些实施例中，导料件可以包括螺旋输送机，称重件可以包括料斗称、隔膜式计量泵、柱塞式计量泵等。

在一些实施例中，制备容器151可以用于容纳助焊剂基础溶剂，制备容器可以用于混合至少一种助焊添加剂和助焊剂基础溶剂，其中，助焊剂基础溶剂可以为有机溶剂。在一些实施例中，可以在自动添加容器152向制备容器中加入助焊添加剂前，在制备容器151中提前加入助焊基础溶剂。在一些实施例中，在助焊添加剂加入到制备容器151中后，制备容器中151可以制备助焊剂。例如，在用于制备891助焊剂的三乙醇胺、盐酸苯、松香和工业酒精全部加入到制备容器中后，制备容器151通过搅拌、加热等操作制备891助焊剂。

摄像采集单元160可以用于采集与加料过程相关的图像数据。在一些实施例中，摄像采集单元160可以用于响应服务器110和/或用户终端130发出的拍摄指令，并基于拍摄指令在助焊剂制备装置150进行加料时，采集与加料过程相关的图像数据。在一些实施例中，摄像采集单元160还可以采集与加料过程相关的视频数据。在一些实施例中，服务器110可以基于与加料过程相关的图像数据或与加料过程相关的视频数据获取加料过程中的加料图像，基于加料图像确定至少一种助焊添加剂的实际添加量；并基于至少一种助焊添加剂的所述实际添加量及所述加料量，确定发送至用户终端130的预警信息。

在一些实施例中，摄像采集单元160可以包括一个或多个摄像头。

图2是根据本说明书一些实施例所示的制备助焊剂系统的示例性框图。

如图2所示，在一些实施例中，所述助焊剂制备系统200可以包括指令获取模块210、称取模块220、加料模块230、校正模块240和调整模块250。

指令获取模块210可以用于获取加料指令，所述加料指令包括至少一种助焊添加剂对应的加料量及加料顺序。在一些实施例中，指令获取模块210可以经由网络获取服务器(例如，服务器110)和/或用户终端(例如，用户终端130)下发的加料指令。关于加料指令的更多细节可以参见图3及其相关描述。在一些实施例中，指令获取模块210还可以用于获取测试指令，所述测试指令包括至少一种助焊添加剂对应的测试量。关于测试指令的更多细节可以参见图4及其相关描述。

加料模块220可以用于响应于所述加料指令，控制盛放所述至少一种助焊添加剂的自动添加容器向制备容器中加入所述至少一种助焊添加剂。关于加料过程的更多细节可以参见图3及其相关描述。

校准模块230可以用于响应于测试指令，获取至少一种助焊添加剂的测试称取量，基于助焊添加剂的测试量及测试称取量，确定助焊添加剂的差异值。在一些实施例中，校准模块230还可以用于基于至少一种助焊添加剂对应的加料量及差异值，更新加料指令。关于确定差异值及更新加料指令的更多细节可以参见图4及其相关描述。

预警模块240可以用于获取加料过程中的加料图像，基于加料图像确定至少一种助焊添加剂的实际添加量，基于至少一种助焊添加剂的实际添加量及加料量，确定预警信息，并将所述预警信息发送给用户。关于预警信息的更多细节可以参见图4及其相关描述。

应当理解，图2所示的系统及其模块可以利用各种方式来实现。

需要注意的是，以上对于候选项显示、确定系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图2中披露的指令获取模块230、加料模块220、校准模块230和预警模块240可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

图3是根据本说明书一些实施例所示的制备助焊剂方法的示例性流程图。如图3所示，流程300包括下述步骤。在一些实施例中，流程300可以由服务器110执行。

制备助焊剂的原料包括至少一种助焊添加剂、助焊基础溶剂。

助焊添加剂是指用于制备助焊剂的添加剂。在一些实施例中，助焊添加剂可以包括松香、合成树脂、表面活性剂、活化剂、防腐蚀剂、助溶剂、成膜剂等。在一些实施例中，松香可以包括天然松香、松香衍生物(例如，松香改性酚醛树脂、松香甘油脂等)，合成树脂可以包括聚乙烯、聚丙烯、聚氯乙烯、聚苯乙烯等中的一种，表面活性剂可以是十二烷基苯磺酸钠或脂肪酸甘油酯等，活化剂可以包括丁二酸、戊二酸、衣康酸、邻羟基苯甲酸、葵二酸、庚二酸、苹果酸、琥珀酸等中的一种，成膜剂可以是硝酸纤维。

助焊基础溶剂可以是用于溶解助焊添加剂的液体。在一些实施例中，助焊基础溶剂可以是有机溶剂，有机溶剂可以是酮类(例如，丙酮、甲苯异丁基甲酮等)、醇类(例如，乙醇、丙醇、丁醇等)、酯类(例如，醋酸乙酯、醋酸丁酯等)中的一种或几种混合物。

在一些实施例中，助焊添加剂与助焊基础溶剂的质量比在0.002～1范围内。例如，助焊基础溶剂可以为乙醇，助焊添加剂可以为丁二酸，乙醇与丁二酸的质量比可以为0.015。

步骤310，获取加料指令。在一些实施例中，该步骤310可以由指令获取模块210执行。

加料指令是指用于指示加料装置进行加料的指令。在一些实施例中，加料指令可以由用户通过用户终端(例如，用户终端130)输入得到。例如，用户可以通过用户终端输入需要添加的助焊添加剂的种类及其对应的加料量、各种助焊添加剂的顺序。在一些实施例中，加料指令可以通过加料装置或用户终端获取用户发出的语音指令得到。例如，加料指令可以是用户发出的语音指令“加入20kg酒精”。

加料量是指用于向制备容器中添加助焊添加剂的用量。在一些实施例中，加料量可以人为确定。在一些实施例中，加料量可以由制备助焊剂的历史数据确定。例如，历史数据中松香的用量占制备助焊剂的所有原料(即包括所有助焊添加剂和助焊基础溶剂)的25％，则当制备助焊剂的所有原料共100kg时，松香的用量是25kg。

加料顺序是指加入向制备容器中加入助焊添加剂的顺序。在一些实施例中，加料顺序可以是将助焊添加剂依次加入制备容器中，也可以是将助焊添加剂一起加入制备容器中。在一些实施例中，加料顺序可以根据制备的助焊剂的种类确定。例如，制备免洗助焊剂时，可以先将乙醇加入制备容器中，再将丁二酸、己二酸、二溴丁二酸、二溴丁烯二酸、OP-10乳化剂、FSN-100氟碳表面活性剂依次加入其中。在一些实施例中，加料顺序还可以根据制备助焊剂的历史数据确定。

步骤320，响应于所述加料指令，控制盛放至少一种助焊添加剂的自动添加容器向制备容器中加入至少一种助焊添加剂。在一些实施例中，该步骤320可以由加料模块220执行。

在一些实施例中，加料模块220可以根据加料指令中的助焊添加剂的种类及其对应的加料量，控制需要添加的助焊添加剂对应的自动添加容器按照加料顺序向制备容器中加入对应加料量的助焊添加剂。例如，加料指令包括5kg松香，加料模块220根据加料指令控制容纳松香的自动添加容器向制备容器中加入5kg的松香。

在一些实施例中，自动添加容器中容纳助焊添加剂的容纳仓内部可以包括一个称取层和一个容纳层，称重件可以设置在称取层，用于称取助焊添加剂，容纳层用于容纳助焊添加剂。在一些实施例中，自动添加容器可以响应于加料指令，通过导料件将容纳层中的一定量的助焊添加剂导入到称取层中进行称重，再将称重后的焊添加剂加入到制备容器中。例如，加料指令包括2kg盐酸苯，则加料模块220可以控制导料件将容纳盐酸苯的自动添加容器中的容纳层向称取层中导入一定量(例如，2kg)的盐酸苯，称重件进行称重后，导料件再将称重后的盐酸苯加入到制备容器中。

在一些实施例中，自动添加容器可能存在故障，使得导料管导入到称重件进行称重的助焊添加剂的重量与加料指令中的加料量并不一致，因此，在响应加料指令前，需要获取加料模块220基于加料指令控制自动添加容器实际添加的助焊添加剂的量(即称取量)与加料量之间的差异值。关于确定差异值的更多细节可以参见图4及其相关描述。

图4是根据本说明书一些实施例所示的确定差异值的示例性流程图。如图4所示，流程400包括下述步骤。在一些实施例中，流程400可以由服务器110执行。

在一些实施例中，响应加料指令前可以确定至少一种助焊添加剂的差异值。差异值的确定方法参见下述。

步骤410，获取测试指令。在一些实施例中，该步骤410可以由校准模块230执行。

测试指令是指用于指示获取一定测试量的助焊添加剂的指令。在一些实施例中，测试指令可以包括与称取助焊添加剂相关的信息。例如，测试指令可以是称取100g的松香。

在一些实施例中，测试指令可以由用户通过用户终端(例如，用户终端130)输入得到。例如，用户可以通过用户终端(例如，用户终端130)输入需要称取的助焊添加剂的种类及其对应的测试量、各种助焊添加剂的测试顺序。在一些实施例中，测试指令可以通过助焊剂制备装置150或用户终端(例如，用户终端130)获取用户发出的语音指令得到。例如，测试指令可以是用户发出的语音指令“加入20kg酒精”。

在一些实施例中，测试指令还可以由校准模块230自动生成。例如，校准模块230基于加料指令自动生成。在一些实施例中，存储设备(例如，存储设备140)中还可以预存有测试指令。在一些实施例中，在指令获取模块210在获取加料指令后，并在指令获取模块210执行加料指令之前，校准模块230可以从存储设备中获取测试指令。

在一些实施例中，测试指令包括至少一种助焊添加剂对应的测试量。测试量是指用来进行校准测试的助焊添加剂的用量。校准测试可以用来测试自动添加容器根据加料量确定的称取量与该加料量之间是否存在差异。在一些实施例中，测试量可以等于加料量，也可以不同于加料量。例如，松香的加料量为1kg时，其测试量可以是1kg，也可以是200g。在一些实施例中，不同的自动添加容器的测试量可能不同。例如，容纳助焊添加剂A的自动添加容器的测试量可以为200g，容纳助焊添加剂B的自动添加容器的测试量可以为400g。

步骤420，响应于所述测试指令，获取至少一种助焊添加剂的测试称取量。在一些实施例中，该步骤420可以由校准模块230执行。

测试称取量是指自动添加容器152根据测试指令实际称取的助焊添加剂的量。

在一些实施例中，测试称取量可以基于校验设备确定。在一些实施例中，校验设备可以为料斗称、隔膜式计量泵、柱塞式计量泵等。在一些实施例中，校验设备的精度可以小于预设精度值(例如，5g、10g等)。

在一些实施例中，校验设备可以设置在自动添加容器152内或者外部，自动添加容器152中的称重件根据测试指令可以称取测试量的助焊添加剂，将对应测试量的助焊添加剂导入校验设备内，检验设备称量助焊添加剂的实际重量，得到测试称取量。因为校验设备的精度很高，所以其确定的测试称取量与实际的量非常接近。

例如，测试量为10g，自动添加容器152的称重件称取了10g，但是实际的量为7.8g，校验设备对称重件称取的助焊添加剂进行称量为7.5g。

步骤430，基于助焊添加剂的测试量及测试称取量，确定所述助焊添加剂的差异值。

差异值是指自动添加容器152根据指令(即，加料指令)实际称取的助焊添加剂的量(即，称取量)与指令指定添加的量(即，加料量)之间的差异大小。例如，加料量为100kg，称取量为99kg，差异值则为-1kg。

在一些实施例中，不同的自动添加容器可能存在不同的差异值。例如，助焊添加剂A和B测试量为200g，用于盛放助焊添加剂A的自动添加容器的测试称取量为180g，其差异值为-20g；用于盛放助焊添加剂B的自动添加容器的测试称取量为210g，其差异值为10g。

在一些实施例中，按照同样的加料指令多次称取时，称取量不同，即，不同次的差异值也不同。例如，测试指令A为获取100g的助焊添加剂A，第一次执行测试指令A时，助焊添加剂A的测试称取量为95g，差异结果为-5g；第二次执行测试指令A时，助焊添加剂A的测试称取量为92g，差异结果为-8g。

在一些实施例中，差异值可以基于测试量和测试称取量确定。例如，基于加料量与测试量的关系(如，比例关系)、测试称取量，确定差异值。如，加料量为a，测试量为b，测试称取量为c，则差异值为a/b(b-c)。

在一些实施例中，可以根据多次执行测试指令，确定的多个测试称取量及其对应的测试量，确定差异值。

在一些实施例中，差异值还可以根据差异值预测模型对测试量、测试称取量和加料量进行处理确定。关于差异值预测模型的更多细节参见下述内容。

下文中基于测试量、测试称取量和加料量确定的差异值可以简称为“基于测试确定的差异值”或“第一差异值”。

在一些实施例中，差异值可能不是一个固定值，差异值可能随着不同加料指令的加料量变化，例如，加料指令A的加料量为10kg，其对应的差异值为50g，加料指令B的加料量为100kg，其对应的差异值为100g，因此，可以通过差异值预测模型确定对应加料量的更为准确的差异值。

在一些实施例中，差异值预测模型可以由深度神经网络(Deep Neural Networks，DNN)实现等。在一些实施例中，差异值预测模型可以是层数为2的DNN模型。

在一些实施例中，差异值预测模型的输入包括某种助焊添加剂的加料量、该种助焊添加剂的测试量和测试称取量，输出为该种助焊添加剂的差异值。在一些实施例中，测试量和测试称取量可以多个。

在一些实施例中，差异值预测模型可以基于大量带有标签的训练样本训练得到。例如，将带有标签的训练样本输入初始差异值预测模型，通过标签和初始差异值预测模型的预测结果构建损失函数，基于损失函数迭代更新模型的参数。当训练的模型满足预设条件时，训练结束。其中，预设条件为损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，训练样本至少可以包括样本加料量、助焊添加剂的样本测试量和样本测试称取量。标签可以是差异值。标签可以通过校验设备获取。

在一些实施例中，差异预测模型可以针对不同的助焊添加剂或者不同的自动添加容器训练。例如，训练时基于某个自动添加容器构建训练数据，并将基于该训练数据训练得到该自动添加容器的模型。换言之，差异预测模型与各种类型的助焊添加剂或自动添加容器对应。

在一些实施例中，响应所述加料指令前，可以基于至少一种助焊添加剂对应的加料量及确定的差异值，更新加料指令。

在一些实施例中，更新加料指令可以是基于差异值对至少一种助焊添加剂的加料量进行修改。在一些实施例中，更新加料指令后新的加料指令中助焊添加剂对应的新的加料量可以是更新前的加料量与差异值之差。例如，更新前，加料指令包括：助焊添加剂A对应的加料量为100g，经过测试后计算的助焊添加剂A的差异值为-10g，则更新后的加料指令中助焊添加剂A对应的加料量为100-(-10g)＝110g。

在一些实施例中，响应加料指令的过程中，自动添加容器可能因故障导致实际添加至制备容器的助焊添加剂的量与加料指令中的加料量不一致，因此，需要对自动添加容器向制备容器加料的过程进行监控，以及时提醒用户发生故障。

在一些实施例中，预警模块240还可以获取加料过程中的加料图像，根据加料图像确定至少一种助焊添加剂的实际添加量。

加料过程是指自动添加容器根据加料指令将一定量的助焊添加剂加入到制备容器中的过程。在一些实施例中，加料过程可以包括自动添加容器基于加料指令，确定至少一种助焊添加剂对应的称取量，还包括加料模块220控制自动添加容器向制备容器加入所述至少一种助焊添加剂。

加料图像是指摄像采集单元在加料过程中拍摄的图像。在一些实施例中，加料图像可以是具有一定时间间隔的多帧图像。例如，加料图像可以是间隔10s拍摄的多帧图像。

实际添加量是加料过程中自动添加容器向制备容器加入的助焊添加剂的量。

在一些实施例中，可以基于实际添加量确定模型对加料图像进行处理，确定至少一种助焊添加剂的实际添加量。例如，将某个助焊添加剂的加料图像输入实际添加量确定模型，输出该助焊添加剂的实际添加量。

在一些实施例中，实际添加量确定模型可以由多个卷积神经网络(CNN)及一个深度神经网络(DNN)实现。

在一些实施例中，实际添加量确定模型可以由特征提取层和识别层组成。在一些实施例中，特征提取层可以基于多个CNN来构建，其中，多个CNN的参数相同，CNN的输入为加料图像中的一帧图像，CNN的输出为该图像的图像特征。在一些实施例中，多个CNN可以和加料图像可以的多帧图像一一对应。在一些实施例中，识别层可以基于DNN来构建，输入为多个图像特征(即特征提取层的输出)，输出为助焊添加剂的实际添加量。在一些实施例中，通过实际添加量确定模型对多帧加料图像进行识别，可以得到助焊添加剂的实际添加量。

在一些实施例中，特征提取层和预测层可以基于联合训练得到。在一些实施例中，训练样本可以包括多个历史加料图像。在一些实施例中，获取训练样本的方式可以是基于制备助焊剂的历史数据获取，其中，历史数据包括间隔不同时间的多帧图像。在一些实施例中，标签可以是多个历史加料图像的对应的助焊添加剂的实际添加量。标签的可以通过校验设备获取。

在一些实施例中，可以将带有标签的训练样本输入到一个CNN中，将CNN输出的图像特征输入到DNN中，并基于DNN的输出和标签构建损失函数，基于损失函数迭代更新CNN和DNN的参数。当训练的模型满足预设条件时，训练结束。其中，预设条件为损失函数收敛、迭代的次数达到阈值等。训练好的CNN参数共享给特征提取层的其他CNN。

与差异预测模型类型，实际添加量确定模型可以针对不同的助焊添加剂或者不同的自动添加容器训练。

在一些实施例中，可以基于通过实际添加量确定模型确定的至少一种助焊添加剂的实际添加量与加料量，确定差异值。此方式确定的差异值可以简称为“基于实际添加量确定模型确定的差异值”或“第二差异值”。

在一些实施例中，制备系统可以基于差异值(包括基于测试确定的差异值和/或基于实际添加量确定模型确定的差异值)确定预警信息，并将预警信息发送给用户。

预警信息可以是助焊剂制备装置150在进行加料时是否出现差错的相关信息。在一些实施例中，预警信息可以包括加料量与称取量之间是否存在差异、存在差异的自动添加容器的编号(为方便管理自动添加容器，可以对自动其进行编号)、差异值大小等信息。例如，预警信息可以是“加料出错！x号自动添加容器的差异值为10g！”。在一些实施例中，预警信息可以通过信息提示的方式发送给用户。在一些实施例中，信息提示的方式可以包括短信、弹窗、鸣笛、语音等中的一种或多种。

在一些实施例中，可以在满足一定的报警条件时，将预警信息发送给用户。在一些实施例中，报警条件可以是差异值超过报警阈值，例如，差异值的绝对值大于报警阈值的绝对值，示例地，报警阈值为±10g，差异值大于10g或差异值小于-10g，则满足报警条件。在一些实施例中，报警阈值可以由人为设定，也可以由报警阈值的历史数据确定。

在一些实施例中，可以基于差异值(包括基于测试确定的差异值和/或基于实际添加量确定模型确定的差异值)确定预警信息的报警阈值。在一些实施例中，报警阈值可以与第一差异值负相关，与第二差异值正相关。

在一些实施例中，报警阈值可以基于第一差异值确定。在一些实施例中，报警阈值可以与第一差异值负相关，即，报警阈值可以随着第一差异值的增大而减小，例如，当第一差异值为50g时，报警阈值可以为150g，而当第一差异值为100g时，报警阈值可以为110g，因为根据测试量及测试称取量确定的第一差异值的可信度较高，故，当第一差异值较大时，自动添加容器存在故障可能性较大，可以报警阈值设置更小，可以及时提示用户对自动添加容器进行修整或调整制备助焊剂。在一些实施例中，报警阈值可以基于第一差异值通过公式(1)确定：

Y＝b-kM (1)

其中，Y表示报警阈值，b为预设的固定值(例如，100g、200g等)、k表示系数，k为正数，M表示第一差异值。

在一些实施例中，报警阈值可以基于第二差异值确定。在一些实施例中，报警阈值可以与第二差异值正相关，即，报警阈值可以随着第二差异值的增大而增大，因为根据图片识别的实际添加量与加料量确定的第二差异值的可信度较低，报警阈值随着第二差异值的增大而增大，可以降低误报的概率。在一些实施例中，报警阈值可以基于第二差异值通过公式(2)确定：

Y＝kN+b (2)

其中，Y表示报警阈值，b为预设的固定值(例如，100g、200g等)、k表示系数，k为正数，N表示第二差异值。

在一些实施例中，还可以基于第一差异值及第二差异值确定报警阈值。在一些实施例中，可以基于第一差异值和第二差异值的加权结果确定报警阈值，使得确定的报警更加准确。例如，报警阈值可以通过公式(3)确定：

Y＝-k₁M+k₂N+b (3)

其中，Y表示报警阈值，M表示第一差异值，N表示第二差异值，k₁表示第一差异值的权重，k₂表示第二差异值的权重，b为预设的固定值(例如，100g、200g等)。在一些实施例中，根据测试量及测试称取量确定的第一差异值的可信度相比于第二差异值的可信度更高，因此，k₁可以大于k₂。

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)

1.一种制备助焊剂方法，其特征在于，制备所述助焊剂的原料包括至少一种助焊添加剂、助焊基础溶剂，所述至少一种助焊添加剂包括松香、合成树脂、表面活性剂、活化剂、防腐蚀剂、助溶剂、成膜剂中的至少一种，所述助焊基础溶剂包括有机溶剂，所述助焊添加剂与所述助焊基础溶剂的质量比在0.002～1范围内，所述方法包括：

获取加料指令，所述加料指令包括至少一种助焊添加剂对应的加料量及加料顺序；

响应于所述加料指令，控制盛放所述至少一种助焊添加剂的自动添加容器向制备容器中加入所述至少一种助焊添加剂，其中，所述制备容器中容纳有助焊基础溶剂；

获取加料过程中的加料图像；

基于所述加料图像确定所述至少一种助焊添加剂的实际添加量；其中，所述基于所述加料图像确定所述至少一种助焊添加剂的实际添加量，包括：

将所述加料图像输入实际添加量确定模型，输出实际添加量，其中所述实际添加量确定模型包括特征提取层和识别层，所述特征提取层包含多个CNN，所述多个CNN的参数相同，每个CNN的输入为所述加料图像中的一帧图像，每个CNN的输出为该帧图像的图像特征，所述识别层基于所述加料图像中所有帧图像的图像特征确定所述实际添加量；

基于所述至少一种助焊添加剂的所述实际添加量及所述加料量，确定预警信息；其中，所述预警信息的报警阈值与第一差异值负相关，与第二差异值正相关，所述第一差异值是基于测试量、测试称取量和所述加料量通过差异值预测模型处理确定的差异值，所述差异值预测模型为机器学习模型；所述第二差异值是通过所述实际添加量确定模型确定的实际添加量与所述加料量确定的差异值；

将所述预警信息发送给用户。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

响应所述加料指令前，

获取测试指令，所述测试指令包括所述至少一种助焊添加剂对应的测试量；

响应于所述测试指令，获取所述至少一种助焊添加剂的测试称取量；

基于所述助焊添加剂的所述测试量及所述测试称取量，确定所述助焊添加剂的差异值。

3.根据权利要求2所述的方法，其特征在于，还包括：

响应所述加料指令前，基于所述至少一种助焊添加剂对应的所述加料量及所述差异值，更新所述加料指令。

4.一种制备助焊剂系统，其特征在于，制备所述助焊剂的原料包括至少一种助焊添加剂、助焊基础溶剂，所述至少一种助焊添加剂包括松香、合成树脂、表面活性剂、活化剂、防腐蚀剂、助溶剂、成膜剂中的至少一种，所述助焊基础溶剂包括有机溶剂，所述助焊添加剂与所述助焊基础溶剂的质量比在0.002～1范围内，所述系统包括：

指令获取模块，用于获取加料指令，所述加料指令包括至少一种助焊添加剂对应的加料量及加料顺序；

加料模块，用于响应于所述加料指令，控制盛放所述至少一种助焊添加剂的自动添加容器向制备容器中加入所述至少一种助焊添加剂，其中，所述制备容器中容纳有助焊基础溶剂；

预警模块，用于获取加料过程中的加料图像；

基于所述加料图像确定所述至少一种助焊添加剂的实际添加量；其中，所述基于所述加料图像确定所述至少一种助焊添加剂的实际添加量，包括：

将所述加料图像输入实际添加量确定模型，输出实际添加量，其中所述实际添加量确定模型包括特征提取层和识别层，所述特征提取层包含多个CNN，所述多个CNN的参数相同，每个CNN的输入为所述加料图像中的一帧图像，每个CNN的输出为该帧图像的图像特征，所述识别层基于所述加料图像中所有帧图像的图像特征确定所述实际添加量；

基于所述至少一种助焊添加剂的所述实际添加量及所述加料量，确定预警信息；其中，所述预警信息的报警阈值与第一差异值负相关，与第二差异值正相关，所述第一差异值是基于测试量、测试称取量和所述加料量通过差异值预测模型处理确定的差异值，所述差异值预测模型为机器学习模型；所述第二差异值是通过所述实际添加量确定模型确定的实际添加量与所述加料量确定的差异值；

将所述预警信息发送给用户。

5.根据权利要求4所述的系统，其特征在于，所述指令获取模块还用于获取测试指令，所述测试指令包括所述至少一种助焊添加剂对应的测试量，所述系统还包括校准模块，所述校准模块用于：

在所述加料模块响应于所述测试指令前，

获取所述至少一种助焊添加剂的测试称取量；

基于所述助焊添加剂的所述测试量及所述测试称取量，确定所述助焊添加剂的差异值。

6.根据权利要求5所述的系统，其特征在于，所述校准模块还用于：

在所述加料模块响应于所述测试指令前，基于所述至少一种助焊添加剂对应的所述加料量及所述差异值，更新所述加料指令。

7.一种制备助焊剂的装置，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至3中任意一项所述的制备助焊剂的方法。

8.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1至3任一项所述的制备助焊剂的方法。

Images