CN114594106A - 一种铜管电镀工艺的实时监测方法及系统 - Google Patents

一种铜管电镀工艺的实时监测方法及系统 Download PDF

Info

Publication number
CN114594106A
CN114594106A CN202210218970.3A CN202210218970A CN114594106A CN 114594106 A CN114594106 A CN 114594106A CN 202210218970 A CN202210218970 A CN 202210218970A CN 114594106 A CN114594106 A CN 114594106A
Authority
CN
China
Prior art keywords
copper pipe
coating
electroplating
image information
information set
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.)
Pending
Application number
CN202210218970.3A
Other languages
English (en)
Inventor
陈端康
花粉芳
陈菲菲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Feilida Copper Industry Co ltd
Original Assignee
Suzhou Feilida Copper Industry Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Feilida Copper Industry Co ltd filed Critical Suzhou Feilida Copper Industry Co ltd
Priority to CN202210218970.3A priority Critical patent/CN114594106A/zh
Publication of CN114594106A publication Critical patent/CN114594106A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G06N3/045—Combinations of networks
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0112—Apparatus in one mechanical, optical or electronic block
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electroplating Methods And Accessories (AREA)

Abstract

本发明提供了一种铜管电镀工艺的实时监测方法及系统，其中，该方法包括：采集获取第一铜管的第一电镀镀层信息；根据第一电镀镀层信息，划取第一铜管的感兴趣区域，获得第一铜管检测区域；采集获取第一铜管检测区域和第一铜管上其他区域的电镀镀层图像信息，获得第一电镀镀层图像信息集合和第二电镀镀层图像信息集合；构建、训练获得铜管电镀检测分析模型；将第一电镀镀层图像信息集合和第二电镀镀层图像信息集合输入铜管电镀检测分析模型，获得输出结果；根据输出结果，获得实时监测分析结果。

Description

一种铜管电镀工艺的实时监测方法及系统
技术领域
本发明涉及工业质量检测技术领域，具体涉及一种铜管电镀工艺的实时监测方法及系统。
背景技术
铜管由于其优良的性能，广泛应用于多种行业和设备中。铜管在投入使用前需要进行电镀表面处理，提升铜管表面的耐磨和硬度等性能，提升铜管的使用效果和使用寿命。
目前铜管电镀表面处理后的质量检测主要通过质量管理人员对铜管产品按照国标等标准进行检查，保证铜管电镀镀层的质量性能符合要求。
现有技术中铜管电镀质量检测的方法人工参与度较高，检测效率较低，且无法在电镀的过程中进行质量检测，存在着铜管电镀工艺质量检测效率较低、检测准确性较低的技术问题。
发明内容
本申请提供了一种铜管电镀工艺的实时监测方法及系统，用于针对解决现有技术中铜管电镀工艺质量检测效率较低、检测准确性较低的技术问题。
鉴于上述问题，本申请提供了一种铜管电镀工艺的实时监测方法及系统。
本申请的第一个方面，提供了一种铜管电镀工艺的实时监测方法，所述方法包括：采集获取第一铜管的第一电镀镀层信息；根据所述第一电镀镀层信息，划取所述第一铜管的感兴趣区域，获得第一铜管检测区域；采集获取所述第一铜管检测区域和所述第一铜管上其他区域的电镀镀层图像信息，获得第一电镀镀层图像信息集合和第二电镀镀层图像信息集合；构建、训练获得铜管电镀检测分析模型；将所述第一电镀镀层图像信息集合和第二电镀镀层图像信息集合输入所述铜管电镀检测分析模型，获得输出结果；根据所述输出结果，获得实时监测分析结果。
本申请的第二个方面，提供了一种铜管电镀工艺的实时监测系统，所述系统包括：第一获得单元，所述第一获得单元用于采集获取第一铜管的第一电镀镀层信息；第一处理单元，所述第一处理单元用于根据所述第一电镀镀层信息，划取所述第一铜管的感兴趣区域，获得第一铜管检测区域；第二获得单元，所述第二获得单元用于采集获取所述第一铜管检测区域和所述第一铜管上其他区域的电镀镀层图像信息，获得第一电镀镀层图像信息集合和第二电镀镀层图像信息集合；第一构建单元，所述第一构建单元用于构建、训练获得铜管电镀检测分析模型；第二处理单元，所述第二处理单元用于将所述第一电镀镀层图像信息集合和第二电镀镀层图像信息集合输入所述铜管电镀检测分析模型，获得输出结果；第三处理单元，所述第三处理单元用于根据所述输出结果，获得实时监测分析结果。
本申请的第三个方面，提供了一种铜管电镀工艺的实时监测系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如第一方面所述方法的步骤。
本申请的第四个方面，提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
本申请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：
本申请提供的技术方案通过采集获取当前铜管进行电镀的电镀镀层信息，根据该电镀镀层信息划分当前铜管易出现电镀镀层缺陷的区域为感兴趣区域，然后通过图像采集装置采集当前铜管电镀过程中感兴趣区域和其他区域的图像信息集合，进一步基于卷积神经网络构建并训练获得铜管电镀检测分析模型，将当前铜管的图像信息集合输入模型进行特征卷积提取识别分析，分析感兴趣区域和其他区域是否出现电镀镀层缺陷，获得实时监测分析结果。本申请通过获取当前铜管的电镀镀层信息，能够对不同型号铜管和不同电镀镀层进行针对性的个性化质量检测，提升检测的适应性和准确性，并对铜管易出现镀层缺陷的部分进行感兴趣区域的划分，对该区域进行更高标准的检测，能够提升铜管电镀质量检测的准确性，然后采集铜管的图像信息集合，基于卷积神经网络模型进行特征卷积提取识别，确认是否出现电镀镀层的缺陷，能够有效提升电镀镀层质量检测的效果，本申请达到了提升铜管电镀工艺质量检测效率和准确性的技术效果。
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为本申请提供的一种铜管电镀工艺的实时监测方法流程示意图；
图2为本申请提供的一种铜管电镀工艺的实时监测方法中获得第一电镀镀层信息的流程示意图；
图3为本申请提供的一种铜管电镀工艺的实时监测方法中检测获得电镀镀层问题图像信息集合的流程示意图；
图4为本申请提供了一种铜管电镀工艺的实时监测系统结构示意图；
图5为本申请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，第一处理单元12，第二获得单元13，第一构建单元14，第二处理单元15，第三处理单元16，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
本申请通过提供了一种铜管电镀工艺的实时监测方法及系统，用于针对解决现有技术中铜管电镀工艺质量检测效率较低、检测准确性较低的技术问题。
申请概述
多种金属材料在制备为工件进行服役之前，根据服役环境的性能要求，需要进行表面处理，以提升工件的表面性能。铜管由于其优良的性能，广泛应用于多种行业和设备中。部分铜管在投入使用前需要进行电镀表面处理，提升铜管表面的耐磨和硬度等性能，提升铜管的使用效果和使用寿命。铜管表面的镀层材料包括有镍、铬、镍铬复合层、镍磷镀层、镍铁合金镀层等，适用于不同的领域。
目前铜管电镀表面处理后的质量检测主要通过质量管理人员对铜管产品按照国标等标准进行检查，保证铜管电镀镀层的质量性能符合要求。
现有技术中铜管电镀质量检测的方法人工参与度较高，检测效率较低，且无法在电镀的过程中进行质量检测，存在着铜管电镀工艺质量检测效率较低、并且无法及时准确检测出加工过程镀层缺陷的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请提供的技术方案通过采集获取当前铜管进行电镀的电镀镀层信息，根据该电镀镀层信息划分当前铜管易出现电镀镀层缺陷的区域为感兴趣区域，然后通过图像采集装置采集当前铜管电镀过程中感兴趣区域和其他区域的图像信息集合，进一步基于卷积神经网络构建并训练获得铜管电镀检测分析模型，将当前铜管的图像信息集合输入模型进行特征卷积提取识别分析，分析感兴趣区域和其他区域是否出现电镀镀层缺陷，获得实时监测分析结果。
在介绍了本申请基本原理后，下面，将参考附图对本申请中的技术方案进行清楚、完整地描述，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。基于本申请的实施例，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，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。
实施例一
如图1所示，本申请提供了一种铜管电镀工艺的实时监测方法，所述方法包括：
S100：采集获取第一铜管的第一电镀镀层信息；
具体而言，第一铜管为现有技术中任意型号且需要进行电镀表面处理的铜制管材，示例性地，第一铜管可为钢铁厂连铸机中结晶器所使用的铜管。本申请实施例中，第一铜管需进行电镀工艺在表面镀上镀层，并需要在电镀过程中进行镀层质量的检测。
第一电镀镀层信息为当前第一铜管需要进行电镀的镀层的信息，其包括镀层的材料信息、镀层的厚度信息等，不同镀层在电镀过程中可能出现的缺陷种类和数量不同，例如镍铁合金镀层相较于镍镀层与铜管基体的结合难度更大，更易出现缺陷。
因此，需要在进行电镀和电镀镀层的质量检测之前，获取第一铜管的电镀镀层信息，针对电镀镀层信息对第一铜管进行针对性的镀层质量检测。
如图2所示，本申请提供的方法中的步骤S100包括：
S110：采集所述第一铜管的镀层材料信息，获得第一铜管镀层种类信息；
S120：基于所述第一铜管镀层种类信息，获取所述第一铜管的第一铜管镀层要求信息；
S130：根据镀层要求的等级进行权重分配，获得第一权重分配结果；
S140：根据所述第一铜管镀层种类信息和所述第一权重分配结果，获得所述第一铜管镀层要求信息对应的第一权重值；
S150：将所述第一铜管镀层种类信息、第一铜管镀层要求信息和所述第一权重值作为所述第一电镀镀层信息。
采集第一铜管将要进行电镀的镀层的材料信息，作为第一铜管镀层材料信息。示例性地，第一铜管镀层材料信息可为镍、铬、镍铬复合层、镍磷镀层、镍铁合金镀层等，但不限于此。
基于上述的第一铜管镀层材料信息，进一步地采集在该镀层材料下，当前第一铜管的电镀工艺要求信息。其中，电镀工艺要求信息包扩当前电镀工艺的质量要求信息。在相同的镀层材料下，应用于不同服役领域的铜管的电镀镀层质量要求是不同的，例如化工行业使用的铜管的镀层的耐磨性要求较低，耐腐蚀性要求较高，而钢业行业使用的铜管的镀层的耐磨性和硬度要求较高。根据第一铜管镀层要求信息，可获知当前第一铜管镀层的质量要求，进而获知其在电镀过程中的质量检测规格要求，以进行后续的检测。
进一步地，铜管的镀层质量要求根据实际上的服役性能需求，设置一定的等级，本申请根据镀层要求的等级进行权重分配，获得第一权重分配结果。其中，本申请提供的方法中的步骤S130包括：
S131：采集获取包括全部铜管镀层材料信息的铜管镀层种类信息集合；
S132：采集获取每种所述铜管镀层材料信息的多种镀层要求信息，获得多个铜管镀层要求信息集合；
S133：在每个铜管镀层要求信息集合内，按照镀层要求信息的等级进行权重分配，获得多个权重分配结果；
S134：将所述多个权重分配结果作为所述第一权重分配结果。
具体而言，首先，对采用本申请提供的方法进行铜管电镀质量检测的厂家所生产的全部铜管，该全部铜管内的所有铜管均为需要进行电镀表面处理的铜管，然后采集全部铜管进行电镀表面处理的镀层材料信息，获得铜管镀层种类信息集合。其中，上述的第一铜管镀层种类信息对应的镀层材料种类包括于该铜管镀层种类信息集合内，即第一铜管包括于上述的全部铜管内。
然后，基于前述内容中采集获得第一铜管镀层的镀层质量要求信息，进一步地采集全部铜管的铜管镀层种类信息集合中每种镀层种类对应的全部镀层质量要求信息，进而获得多个铜管镀层要求信息集合。其中，每个铜管镀层要求信息集合均对应一种铜管镀层材料信息。上述的第一铜管镀层要求信息包括于该多个铜管镀层要求信息集合内。
进一步地，在多个铜管镀层要求信息集合内的每个铜管镀层要求信息集合中，按照铜管镀层质量要求的等级进行权重分配，对于质量要求水平较高的镀层质量要求，其权重值较大，对于质量要求水平较低的镀层质量要求，其对应的权重值较小，权重值具体分配的过程中可采用现有技术中的专家权重分配法等方法进行分配。如此，获得与多个铜管镀层要求信息集合对应的权重分配结果，将多个权重分配结果作为上述的第一权重分配结果。
本申请实施例通过获取当前铜管生产厂家的全部铜管，进一步获取全部铜管电镀镀层的材料信息和镀层要求信息，根据镀层要求信息的质量要求等级进行权重分配，能够达到较为准确的权重分配结果，作为质量检测的数据基础，能够根据权重分配结果对不同质量要求的铜管镀层按照不同质量需求标准进行质量检测，提升镀层检测的准确性。
根据上述的第一权重分配结果内的多个权重分配结果，获取第一铜管镀层种类信息对应的权重分配结果，该权重分配结果内包括在第一铜管镀层种类信息下所有镀层要求信息对应的权重值，进一步基于上述的第一铜管镀层要求信息对应镀层质量要求等级对应的权重值，作为第一权重值。最终，将上述的第一铜管镀层种类信息、第一铜管镀层要求信息和第一权重值作为第一电镀镀层信息。
本申请实施例提供的方法通过采集获取当前铜管电镀镀层的材料种类信息和镀层质量要求信息，并根据不同材料的不同镀层质量要求等级进行权重分配，将权重值也作为电镀镀层信息，能够在后续的镀层质量检测中根据权重值设置不同的检测参数，在满足质量要求的情况下进行镀层质量检测，降低检测成本，提升检测效率。
S200：根据所述第一电镀镀层信息，划取所述第一铜管的感兴趣区域，获得第一铜管检测区域；
根据上述第一电镀镀层信息内的第一铜管镀层种类信息、第一铜管镀层要求信息和第一权重值，划取第一铜管的感兴趣区域。其中，感兴趣区域为第一铜管在进行第一铜管镀层种类信息对应材料镀层的电镀过程中，容易出现镀层缺陷的区域。示例性地，感兴趣区域可为铜管的内腔及两端边缘，该部分区域由于结构变化等原因，容易导致镀层电镀结合不紧密出现松孔或局部剥落等缺陷。
本申请提供的方法中的步骤S200包括：
S210：根据所述第一电镀镀层信息获得所述第一铜管镀层种类信息、第一铜管镀层要求信息和所述第一权重值；
S220：根据所述第一铜管镀层种类信息获取所述第一铜管的第一感兴趣区域；
S230：根据所述第一铜管镀层要求信息和所述第一权重值对所述第一感兴趣区域的数量和大小进行调整，获得第二感兴趣区域；
S240：将所述第二感兴趣区域作为所述第一铜管检测区域。
具体地，如前述内容，根据第一铜管的第一电镀镀层信息，获得第一铜管当前的第一铜管镀层种类信息、第一铜管镀层要求信息和第一权重值。
然后，根据当前第一铜管的第一铜管镀层种类信息，获得该镀层材料种类下，电镀过程中镀层容易出现缺陷的铜管区域，进行感兴趣区域的划分，获得第一感兴趣区域。示例性地，划分感兴趣区域的过程中，可基于机器视觉技术进行区域划分。其中，第一感兴趣区域可为多个区域，以对第一铜管镀层检测的过程中，对多个区域进行重点的抽样检测，提升检测准确性。
然后，基于前述的第一铜管镀层要求信息和对应的第一权重值，对上述第一感兴趣区域的数量和大小进行调整。具体的调整过程中，在第一铜管的第一铜管镀层种类信息对应的权重分配结果中，判断分析第一权重值处于较大水平或较小水平，然后根据第一权重值的水平进行第一感兴趣区域数量和大小的调整。
示例性地，若第一铜管镀层种类信息对应包括有五种镀层质量要求等级，则第一铜管镀层种类信息对应的权重分配结果也包括对应的五个权重值，权重分配结果的权重之和为1，五个权重值的平均值则为0.2。五个权重值中，若某一镀层质量要求等级较高，则该镀层质量要求等级对应的权重值较大，大于0.2，反之则较小，小于0.2。若上述的第一权重值大于0.2，则对应的第一铜管镀层要求信息的质量要求等级较高，则需将初步划取得到的第一感兴趣区域的数量和大小向较大的方向调整，调整的程度可根据实际的铜管电镀面积以及第一权重值与权重平均值的差值进行设置，反之则需要将初步划取得到的第一感兴趣区域的数量和大小向较小的方向调整。
在对第一感兴趣区域调整完成后，作为第二感兴趣区域，并将该第二感兴趣区域作为上述的第一铜管检测区域。本申请实施例提供的方法通过采用当前铜管电镀质量要求等级对应的权重值对重点进行镀层质量检测的区域进行调整，能够提升镀层质量检测的准确性，并同时提升检测的效率。
S300：采集获取所述第一铜管检测区域和所述第一铜管上其他区域的电镀镀层图像信息，获得第一电镀镀层图像信息集合和第二电镀镀层图像信息集合；
具体而言，基于上述的第一铜管检测区域，以及第一铜管上其他区域，进行采集电镀镀层的图像信息。第一铜管检测区域即为上述的第二感兴趣区域，为第一铜管在当前电镀过程中易出现缺陷的区域，需要重点进行镀层质量检测。而第一铜管上的其他区域较第一铜管检测区域出现缺陷的概率较小，但仍会出现一定的镀层缺陷，因此，也需采集该部分区域的图像信息。
对上述的第一铜管检测区域以及第一铜管上其他区域进行采集电镀镀层的图像信息，分别获得第一电镀镀层图像信息集合和第二电镀镀层图像信息集合，为提升镀层质量检测的效率，第一铜管检测区域为重点检测的区域，因此，第一电镀镀层图像信息集合内的图像质量和数量大于第二电镀镀层图像信息集合的图像质量和数量。采集图像的过程中可基于现有技术中的工业相机等进行采集，对单个区域的铜管镀层图像可采集多个角度的图像。
S400：构建、训练获得铜管电镀检测分析模型；
本申请提供的方法中的步骤S400包括：
S410：基于卷积神经网络模型，构建所述铜管电镀检测分析模型；
S420：采集获取历史铜管电镀镀层图像信息集合；
S430：筛选获取所述历史铜管电镀镀层图像信息集合内的电镀镀层问题图像信息集合；
S440：根据所述历史铜管电镀镀层图像信息集合和所述电镀镀层问题图像信息集合获得训练数据和验证数据；
S450：采用所述训练数据和所述验证数据对所述铜管电镀检测分析模型进行训练和验证，待所述铜管电镀检测分析模型的准确率达到预设要求，获得所述铜管电镀检测分析模型。
具体而言，本申请中，基于卷积神经网络模型构建并训练上述的铜管电镀检测分析模型。示例性地，卷积神经网络模型包括输入层、卷积层、池化层、全连接层和输出层等，可对输入的铜管镀层图像数据进行卷积计算特征提取，判断分析铜管镀层图像内是否出现镀层电镀不完全、松孔、剥落等缺陷，并基于激活函数输出结果。
铜管电镀检测分析模型在训练的过程中，首先采集当前铜管厂家历史上多种铜管的具有缺陷或不具有缺陷的电镀镀层图像集合，或基于大数据采集多种铜管的电镀镀层图像集合，获得铜管电镀镀层图像信息集合。
进一步地，筛选上述的铜管电镀镀层图像信息集合内具有镀层缺陷的图像，作为训练数据的一部分，获得电镀镀层问题图像信息集合，供铜管电镀检测分析模型进行图像卷积计算提取和分析，以分析判定当前第一铜管的镀层图像内是否出现镀层缺陷，进行镀层质量检测。
本申请提供的方法中的步骤S420包括：
S421：采集获取历史上铜管电镀全部区域的图像信息，获得历史电镀镀层图像集合；
S422：采集获取历史上铜管的电镀镀层信息，获得历史铜管电镀镀层信息集合；
S423：根据所述历史铜管电镀镀层信息集合对历史上铜管进行感兴趣区域的划分，获得历史铜管感兴趣区域集合；
S424：根据所述历史铜管感兴趣区域集合对所述历史电镀镀层图像集合进行划分，获得所述历史铜管电镀镀层图像信息集合。
具体而言，首先采集采用本申请实施例所提供方法进行铜管电镀工艺质量检测的铜管生产厂家历史上所生产全部铜管电镀全部区域的图像信息，得到历史电镀镀层图像集合，其内包括多组镀层种类、多组镀层质量要求的铜管电镀镀层图像集合。
进一步地，采集获取采用本申请实施例所提供方法进行铜管电镀工艺质量检测的铜管生产厂家历史上所生产全部电镀铜管的电镀镀层信息，获得历史铜管电镀镀层信息集合。其中，历史铜管电镀镀层信息集合内包括历史上每个铜管电镀镀层的镀层种类信息、镀层要求信息，以及该镀层要求信息对应镀层质量要求等级对应的权重值，该权重值可根据前述内容中的步骤S130获得。
然后基于该历史铜管电镀镀层信息集合内的每个铜管电镀镀层的镀层种类信息，对每个铜管进行易出现电镀镀层缺陷区域的感兴趣区域的划分，进一步基于历史铜管镀层要求信息对应的权重值对多个感兴趣区域进行数量和大小的调整，获得历史铜管感兴趣区域集合。划取和调整感兴趣区域的过程如前述内容中的步骤S200。
最终，根据划分获得的历史铜管感兴趣区域集合对上述的历史电镀镀层图像集合进行划分，划分得到感兴趣区域集合内和电镀铜管其他区域的历史电镀镀层图像集合，获得历史铜管电镀镀层图像信息集合。
本申请实施例提供的方法通过获取历史上生产电镀铜管的电镀镀层图像，并经过信息获取、权重分配和感兴趣区域的划分，获取与当前获取的第一电镀镀层图像信息集合和第二电镀镀层图像信息集合的图像，作为训练数据的基础，进行铜管电镀检测分析模型的监督训练，能够提升模型的效果，进而提升铜管电镀镀层质量检测的准确性。
根据获取的历史铜管电镀镀层图像信息集合，其中同时包括历史上包含缺陷的铜管电镀镀层图像和不包含缺陷的铜管电镀镀层的图像，本申请中，需要获取包含缺陷的铜管电镀镀层图像，即为电镀镀层问题图像信息集合，作为训练数据进行模型的训练，以使模型能够根据该包含缺陷的铜管电镀镀层图像对当前的铜管镀层图像进行卷积计算特征提取，判断分析当前铜管镀层是否出现电镀缺陷。
如图3所示，本申请提供的方法中的步骤S430包括：
S431：对所述历史铜管电镀镀层图像信息集合中的镀层剥落图像进行监督筛选，获取第一镀层问题图像信息集合；
S432：根据所述第一镀层问题图像信息集合内图像信息中的镀层剥落严重程度进行权重分配，获得第二权重分配结果；
S433：根据所述第二权重分配结果对所述第一镀层问题图像信息集合内的图像进行标识，获得第一标识信息集合；
S434：对所述历史铜管电镀镀层图像信息集合中的松孔图像进行监督筛选，获取第二镀层问题图像信息集合；
S435：根据所述第二镀层问题图像信息集合内图像信息中的松孔严重程度进行权重分配，获得第三权重分配结果；
S436：根据所述第三权重分配结果对所述第二镀层问题图像信息集合内的图像进行标识，获得第二标识信息集合；
S437：将所述第一镀层问题图像信息集合、第一标识信息集合、第二镀层问题图像信息集合和第二标识信息集合作为所述电镀镀层问题图像信息集合。
具体而言，本申请实施例中，历史铜管电镀镀层图像信息集合包括历史上包含缺陷的铜管电镀镀层图像，镀层出现的缺陷主要为镀层剥落和镀层针孔等松孔现象，在获取电镀镀层问题图像信息集合时，首先对历史铜管电镀镀层图像信息集合中出现镀层剥落的图像进行监督筛选，获取出现镀层剥落的历史铜管电镀镀层图像，作为第一镀层问题图像信息集合。示例性地，获取出现镀层剥落的历史铜管电镀镀层图像的过程中，可基于历史上电镀铜管的生产质检记录进行获得。
然后，基于第一镀层问题图像信息集合内图像信息中的镀层剥落严重程度进行权重分配，其中，具体对每种镀层材料下的每种镀层质量要求下的镀层问题图像信息进行权重分配，以使当前的第一铜管的镀层种类和镀层要求信息能够获得相对应的权重分配结果。权重分配的具体过程中，若某一镀层问题图像中的镀层剥落面积越大、剥落区域越多，则分配获得的权重值则越大，反之则越小。最终分配获得第二权重分配结果，第二权重分配结果中包括多个权重分配结果，每个权重分配结果与一种镀层种类信息和一镀层要求信息对应。
进一步地，基于对铜管电镀检测分析模型的监督训练，根据上述的第二权重分配结果，对第一镀层问题图像信息集合内的问题图像进行标识，标识信息与问题图像的权重值一一对应，得到第一标识信息集合。根据第一标识信息集合，若铜管电镀检测分析模型识别出当前第一铜管镀层的图像内出现缺陷，则进一步还可根据识别出的标识信息确定第一铜管电镀镀层出现缺陷的严重程度。
同理，继续对历史铜管电镀镀层图像信息集合中出现针孔、针状疏松等松孔情况的问题图像进行监督筛选，获得第二镀层问题图像信息集合。进一步按照第二镀层问题图像信息集合内各问题图像中松孔的严重程度进行权重分配，具体按照松孔的大小、深度、数量等信息进行监督下的权重分配，若某一问题图像中松孔的数量较多、且大小较大，则对应的权重值较大，反之则较小，进而获得与多个镀层种类和多种镀层要求信息对应的权重分配结果，进而得到第三权重分配结果。
与前述内容相同，根据该第三权重分配结果对第二镀层问题图像信息集合内的图像进行标识，获得第二标识信息集合。最终，将上述的第一镀层问题图像信息集合、第一标识信息集合、第二镀层问题图像信息集合和第二标识信息集合作为所述电镀镀层问题图像信息集合。
本申请实施例通过筛选获取历史铜管电镀镀层图像信息集合中出现镀层剥落和松孔的问题图像，并根据出现缺陷的验证程度进行权重分配，进一步根据权重分配结果进行标识。使得根据电镀镀层问题图像信息集合获得训练数据并训练模型后，模型在卷积分析判断当前铜管电镀镀层图像出现缺陷时，还可训练分析判断当前铜管电镀镀层图像出现缺陷的严重程度，以供技术人员进行参考，进一步提升铜管电镀镀层质量检测的准确性和功能性。
在获得历史铜管电镀镀层图像信息集合和电镀镀层问题图像信息集合后，将历史铜管电镀镀层图像信息集合和电镀镀层问题图像信息集合按照一定比例进行划分，获得训练数据和验证数据。然后采用训练数据和验证数据对铜管电镀检测分析模型进行训练和验证，在监督训练的过程中，模型自身的参数不断调整，待铜管电镀检测分析模型能根据输入的电镀镀层图像进行卷积计算特征提取，较为准确的分析判断是否出现镀层缺陷以及镀层缺陷的严重程度之后，对模型进行验证，若模型的准确率符合预设的业务要求，则获得铜管电镀检测分析模型。
本申请实施例基于卷积神经网络模型构建铜管电镀检测分析模型，并制定了特定的训练数据和验证数据的获取方法，能够有效提升模型性能，能够准确识别铜管电镀镀层的缺陷并识别镀层缺陷的验证程度，达到提升铜管电镀镀层质量检测准确性的技术效果。
S500：将所述第一电镀镀层图像信息集合和第二电镀镀层图像信息集合输入所述铜管电镀检测分析模型，获得输出结果；
S600：根据所述输出结果，获得实时监测分析结果。
在获得铜管电镀检测分析模型和当前第一铜管感兴趣区域和其他区域的第一电镀镀层图像信息集合和第二电镀镀层图像信息集合后，将其输入铜管电镀检测分析模型，铜管电镀检测分析模型对当前获取的镀层图像进行卷积计算提取，能够分别识别分析感兴趣区域和其他区域内的镀层是否出现缺陷，并分析缺陷的严重程度，获得模型的输出结果。
根据模型的输出结果中的标识信息，获得最终的实时监测分析结果。本申请实施例提供的方法可在铜管电镀完成后进行，也可在电镀的过程中对可观察的部分进行镀层质量检测，获得实时的检测结果，提升电镀质量检测的效率和效果。
综上所述，本申请通过获取当前铜管的电镀镀层信息，能够对不同型号铜管和不同电镀镀层进行针对性的个性化质量检测，提升检测的适应性和准确性，并对铜管易出现镀层缺陷的部分进行感兴趣区域的划分，对该区域进行更高标准的检测，能够提升铜管电镀质量检测的准确性，然后采集铜管的图像信息集合，基于卷积神经网络模型进行特征卷积提取识别，并基于特定的方法进行训练数据的获取，能够卷积计算分析是否出现电镀镀层的缺陷，能够有效提升电镀镀层质量检测的效果，本申请达到了提升铜管电镀工艺质量检测效率和准确性的技术效果。
实施例二
基于与前述实施例中一种铜管电镀工艺的实时监测方法相同的发明构思，如图4所示，本申请提供了一种铜管电镀工艺的实时监测系统，其中，所述系统包括：
第一获得单元11，所述第一获得单元11用于采集获取第一铜管的第一电镀镀层信息；
第一处理单元12，所述第一处理单元12用于根据所述第一电镀镀层信息，划取所述第一铜管的感兴趣区域，获得第一铜管检测区域；
第二获得单元13，所述第二获得单元13用于采集获取所述第一铜管检测区域和所述第一铜管上其他区域的电镀镀层图像信息，获得第一电镀镀层图像信息集合和第二电镀镀层图像信息集合；
第一构建单元14，所述第一构建单元14用于构建、训练获得铜管电镀检测分析模型；
第二处理单元15，所述第二处理单元15用于将所述第一电镀镀层图像信息集合和第二电镀镀层图像信息集合输入所述铜管电镀检测分析模型，获得输出结果；
第三处理单元16，所述第三处理单元16用于根据所述输出结果，获得实时监测分析结果。
进一步的，所述系统还包括：
第三获得单元，所述第三获得单元用于采集所述第一铜管的镀层材料信息，获得第一铜管镀层种类信息；
第四获得单元，所述第四获得单元用于基于所述第一铜管镀层种类信息，获取所述第一铜管的第一铜管镀层要求信息；
第四处理单元，所述第四处理单元用于根据镀层要求的等级进行权重分配，获得第一权重分配结果；
第五获得单元，所述第五获得单元用于根据所述第一铜管镀层种类信息和所述第一权重分配结果，获得所述第一铜管镀层要求信息对应的第一权重值；
第六获得单元，所述第六获得单元用于将所述第一铜管镀层种类信息、第一铜管镀层要求信息和所述第一权重值作为所述第一电镀镀层信息。
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采集获取包括全部铜管镀层材料信息的铜管镀层种类信息集合；
第八获得单元，所述第八获得单元用于采集获取每种所述铜管镀层材料信息的多种镀层要求信息，获得多个铜管镀层要求信息集合；
第五处理单元，所述第五处理单元用于在每个铜管镀层要求信息集合内，按照镀层要求信息的等级进行权重分配，获得多个权重分配结果；
第六处理单元，所述第六处理单元用于将所述多个权重分配结果作为所述第一权重分配结果。
进一步的，所述系统还包括：
第九获得单元，所述第九获得单元用于根据所述第一电镀镀层信息获得所述第一铜管镀层种类信息、第一铜管镀层要求信息和所述第一权重值；
第十获得单元，所述第十获得单元用于根据所述第一铜管镀层种类信息获取所述第一铜管的第一感兴趣区域；
第七处理单元，所述第七处理单元用于根据所述第一铜管镀层要求信息和所述第一权重值对所述第一感兴趣区域的数量和大小进行调整，获得第二感兴趣区域；
第八处理单元，所述第八处理单元用于将所述第二感兴趣区域作为所述第一铜管检测区域。
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基于卷积神经网络模型，构建所述铜管电镀检测分析模型；
第十一获得单元，所述第十一获得单元用于采集获取历史铜管电镀镀层图像信息集合；
第九处理单元，所述第九处理单元用于筛选获取所述历史铜管电镀镀层图像信息集合内的电镀镀层问题图像信息集合；
第十处理单元，所述第十处理单元用于根据所述历史铜管电镀镀层图像信息集合和所述电镀镀层问题图像信息集合获得训练数据和验证数据；
第十一处理单元，所述第十一处理单元用于采用所述训练数据和所述验证数据对所述铜管电镀检测分析模型进行训练和验证，待所述铜管电镀检测分析模型的准确率达到预设要求，获得所述铜管电镀检测分析模型。
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采集获取历史上铜管电镀全部区域的图像信息，获得历史电镀镀层图像集合；
第十三获得单元，所述第十三获得单元用于采集获取历史上铜管的电镀镀层信息，获得历史铜管电镀镀层信息集合；
第十二处理单元，所述第十二处理单元用于根据所述历史铜管电镀镀层信息集合对历史上铜管进行感兴趣区域的划分，获得历史铜管感兴趣区域集合；
第十三处理单元，所述第十三处理单元用于根据所述历史铜管感兴趣区域集合对所述历史电镀镀层图像集合进行划分，获得所述历史铜管电镀镀层图像信息集合。
进一步的，所述系统还包括：
第十四处理单元，所述第十四处理单元用于对所述历史铜管电镀镀层图像信息集合中的镀层剥落图像进行监督筛选，获取第一镀层问题图像信息集合；
第十五处理单元，所述第十五处理单元用于根据所述第一镀层问题图像信息集合内图像信息中的镀层剥落严重程度进行权重分配，获得第二权重分配结果；
第十六处理单元，所述第十六处理单元用于根据所述第二权重分配结果对所述第一镀层问题图像信息集合内的图像进行标识，获得第一标识信息集合；
第十七处理单元，所述第十七处理单元用于对所述历史铜管电镀镀层图像信息集合中的松孔图像进行监督筛选，获取第二镀层问题图像信息集合；
第十八处理单元，所述第十八处理单元用于根据所述第二镀层问题图像信息集合内图像信息中的松孔严重程度进行权重分配，获得第三权重分配结果；
第十九处理单元，所述第十九处理单元用于根据所述第三权重分配结果对所述第二镀层问题图像信息集合内的图像进行标识，获得第二标识信息集合；
第二十处理单元，所述第二十处理单元用于将所述第一镀层问题图像信息集合、第一标识信息集合、第二镀层问题图像信息集合和第二标识信息集合作为所述电镀镀层问题图像信息集合。
实施例三
基于与前述实施例中一种铜管电镀工艺的实时监测方法相同的发明构思，本申请还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例一内的方法。
示例性电子设备
下面参考图5来描述本申请的电子设备，
基于与前述实施例中一种铜管电镀工艺的实时监测方法相同的发明构思，本申请还提供了一种铜管电镀工艺的实时监测系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行实施例一所述方法的步骤。
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless localareanetworks，WLAN)，有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdiscread-onlymemory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种铜管电镀工艺的实时监测方法。
本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
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(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存取的任何可用介质或者是包括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，DVD)、或者半导体介质(例如固态硬盘(SolidState Disk，SSD))等。
本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。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。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (10)

1.一种铜管电镀工艺的实时监测方法，其特征在于，所述方法包括：
采集获取第一铜管的第一电镀镀层信息；
根据所述第一电镀镀层信息，划取所述第一铜管的感兴趣区域，获得第一铜管检测区域；
采集获取所述第一铜管检测区域和所述第一铜管上其他区域的电镀镀层图像信息，获得第一电镀镀层图像信息集合和第二电镀镀层图像信息集合；
构建、训练获得铜管电镀检测分析模型；
将所述第一电镀镀层图像信息集合和第二电镀镀层图像信息集合输入所述铜管电镀检测分析模型，获得输出结果；
根据所述输出结果，获得实时监测分析结果。
2.根据权利要求1所述的方法，其特征在于，所述采集获取第一铜管的第一电镀镀层信息：
采集所述第一铜管的镀层材料信息，获得第一铜管镀层种类信息；
基于所述第一铜管镀层种类信息，获取所述第一铜管的第一铜管镀层要求信息；
根据镀层要求的等级进行权重分配，获得第一权重分配结果；
根据所述第一铜管镀层种类信息和所述第一权重分配结果，获得所述第一铜管镀层要求信息对应的第一权重值；
将所述第一铜管镀层种类信息、第一铜管镀层要求信息和所述第一权重值作为所述第一电镀镀层信息。
3.根据权利要求2所述的方法，其特征在于，所述根据镀层要求的等级进行权重分配，获得第一权重分配结果，包括：
采集获取包括全部铜管镀层材料信息的铜管镀层种类信息集合；
采集获取每种所述铜管镀层材料信息的多种镀层要求信息，获得多个铜管镀层要求信息集合；
在每个铜管镀层要求信息集合内，按照镀层要求信息的等级进行权重分配，获得多个权重分配结果；
将所述多个权重分配结果作为所述第一权重分配结果。
4.根据权利要求2所述的方法，其特征在于，所述根据所述第一电镀镀层信息，划取所述第一铜管的感兴趣区域，包括：
根据所述第一电镀镀层信息获得所述第一铜管镀层种类信息、第一铜管镀层要求信息和所述第一权重值；
根据所述第一铜管镀层种类信息获取所述第一铜管的第一感兴趣区域；
根据所述第一铜管镀层要求信息和所述第一权重值对所述第一感兴趣区域的数量和大小进行调整，获得第二感兴趣区域；
将所述第二感兴趣区域作为所述第一铜管检测区域。
5.根据权利要求1所述的方法，其特征在于，构建、训练获得铜管电镀检测分析模型，包括：
基于卷积神经网络模型，构建所述铜管电镀检测分析模型；
采集获取历史铜管电镀镀层图像信息集合；
筛选获取所述历史铜管电镀镀层图像信息集合内的电镀镀层问题图像信息集合；
根据所述历史铜管电镀镀层图像信息集合和所述电镀镀层问题图像信息集合获得训练数据和验证数据；
采用所述训练数据和所述验证数据对所述铜管电镀检测分析模型进行训练和验证，待所述铜管电镀检测分析模型的准确率达到预设要求，获得所述铜管电镀检测分析模型。
6.根据权利要求5所述的方法，其特征在于，所述采集获取历史铜管电镀镀层图像信息集合，包括：
采集获取历史上铜管电镀全部区域的图像信息，获得历史电镀镀层图像集合；
采集获取历史上铜管的电镀镀层信息，获得历史铜管电镀镀层信息集合；
根据所述历史铜管电镀镀层信息集合对历史上铜管进行感兴趣区域的划分，获得历史铜管感兴趣区域集合；
根据所述历史铜管感兴趣区域集合对所述历史电镀镀层图像集合进行划分，获得所述历史铜管电镀镀层图像信息集合。
7.根据权利要求6所述的方法，其特征在于，所述筛选获取所述历史铜管电镀镀层图像信息集合内的电镀镀层问题图像信息集合，包括：
对所述历史铜管电镀镀层图像信息集合中的镀层剥落图像进行监督筛选，获取第一镀层问题图像信息集合；
根据所述第一镀层问题图像信息集合内图像信息中的镀层剥落严重程度进行权重分配，获得第二权重分配结果；
根据所述第二权重分配结果对所述第一镀层问题图像信息集合内的图像进行标识，获得第一标识信息集合；
对所述历史铜管电镀镀层图像信息集合中的松孔图像进行监督筛选，获取第二镀层问题图像信息集合；
根据所述第二镀层问题图像信息集合内图像信息中的松孔严重程度进行权重分配，获得第三权重分配结果；
根据所述第三权重分配结果对所述第二镀层问题图像信息集合内的图像进行标识，获得第二标识信息集合；
将所述第一镀层问题图像信息集合、第一标识信息集合、第二镀层问题图像信息集合和第二标识信息集合作为所述电镀镀层问题图像信息集合。
8.一种铜管电镀工艺的实时监测系统，其特征在于，所述系统包括：
第一获得单元，所述第一获得单元用于采集获取第一铜管的第一电镀镀层信息；
第一处理单元，所述第一处理单元用于根据所述第一电镀镀层信息，划取所述第一铜管的感兴趣区域，获得第一铜管检测区域；
第二获得单元，所述第二获得单元用于采集获取所述第一铜管检测区域和所述第一铜管上其他区域的电镀镀层图像信息，获得第一电镀镀层图像信息集合和第二电镀镀层图像信息集合；
第一构建单元，所述第一构建单元用于构建、训练获得铜管电镀检测分析模型；
第二处理单元，所述第二处理单元用于将所述第一电镀镀层图像信息集合和第二电镀镀层图像信息集合输入所述铜管电镀检测分析模型，获得输出结果；
第三处理单元，所述第三处理单元用于根据所述输出结果，获得实时监测分析结果。
9.一种铜管电镀工艺的实时监测系统，其特征在于，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
CN202210218970.3A 2022-03-08 2022-03-08 一种铜管电镀工艺的实时监测方法及系统 Pending CN114594106A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210218970.3A CN114594106A (zh) 2022-03-08 2022-03-08 一种铜管电镀工艺的实时监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210218970.3A CN114594106A (zh) 2022-03-08 2022-03-08 一种铜管电镀工艺的实时监测方法及系统

Publications (1)

Publication Number Publication Date
CN114594106A true CN114594106A (zh) 2022-06-07

Family

ID=81814753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210218970.3A Pending CN114594106A (zh) 2022-03-08 2022-03-08 一种铜管电镀工艺的实时监测方法及系统

Country Status (1)

Country Link
CN (1) CN114594106A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117275635A (zh) * 2023-11-21 2023-12-22 济南东方结晶器有限公司 一种结晶器铜管的电镀优化方法与系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117275635A (zh) * 2023-11-21 2023-12-22 济南东方结晶器有限公司 一种结晶器铜管的电镀优化方法与系统
CN117275635B (zh) * 2023-11-21 2024-02-27 济南东方结晶器有限公司 一种结晶器铜管的电镀优化方法与系统

Similar Documents

Publication Publication Date Title
CN104751288A (zh) 一种钢卷分段多维在线质量判定系统及其方法
CN114706358B (zh) 一种直缝焊管的焊接工艺信息处理方法及系统
CN110572297A (zh) 网络性能的评估方法、服务器及存储介质
CN106909793A (zh) 检验服从近似正态分布的时间序列的异常的方法
CN114594106A (zh) 一种铜管电镀工艺的实时监测方法及系统
CN114648245A (zh) 一种基于人工智能的设备巡检优先度评估方法及系统
CN114220189B (zh) 一种监测方法、预测系统、电子设备及存储介质
CN114331114A (zh) 一种管道安全风险智能化监管方法及系统
CN114778684A (zh) 一种基于服役场景的钢管性能评估方法及系统
CN113128797A (zh) 业务指标异常监测方法及装置
CN114020598A (zh) 一种时间序列数据的异常检测方法、装置及设备
CN116777861B (zh) 一种激光雕刻机打标质量检测方法及系统
CN116309517B (zh) 一种漆包线的线材轧辊探伤方法及系统
CN112228042B (zh) 一种基于云边协同计算的抽油机井工况相似性判别方法
CN114192583B (zh) 一种基于Scada平台的带钢轧制过程质量监控方法和系统
CN116319255A (zh) 一种基于kpi的根因定位方法、装置、设备及存储介质
CN110838101B (zh) 一种基于边缘特性的图像分割质量评价方法
CN113962558A (zh) 一种基于生产数据管理的工业互联网平台评价方法及系统
CN114138535A (zh) 存储系统的故障诊断方法、装置、电子设备、介质及产品
CN114021744A (zh) 设备的剩余使用寿命的确定方法、装置和电子设备
CN108154292B (zh) 一种路面性能的预测模型的建立方法及系统
CN108459948B (zh) 系统可靠性评估中失效数据分布类型的确定方法
CN115965604B (zh) 一种基于箱包配件的箱包安全监控方法及系统
CN108957296B (zh) 一种基于纠缠关系判别的电路健康检测方法
CN112699609B (zh) 一种基于振动数据的柴油机可靠性模型构建方法

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