CN115026660B - 一种基于ccd的研磨工艺智能控制方法及系统 - Google Patents

一种基于ccd的研磨工艺智能控制方法及系统 Download PDF

Info

Publication number
CN115026660B
CN115026660B CN202210958006.4A CN202210958006A CN115026660B CN 115026660 B CN115026660 B CN 115026660B CN 202210958006 A CN202210958006 A CN 202210958006A CN 115026660 B CN115026660 B CN 115026660B
Authority
CN
China
Prior art keywords
grinding
effect
information
evaluation
parameters
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
Application number
CN202210958006.4A
Other languages
English (en)
Other versions
CN115026660A (zh
Inventor
范光得
花安强
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.)
Kunshan Hengda Precision Machinery Industry Co ltd
Original Assignee
Kunshan Hengda Precision Machinery 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 Kunshan Hengda Precision Machinery Industry Co ltd filed Critical Kunshan Hengda Precision Machinery Industry Co ltd
Priority to CN202210958006.4A priority Critical patent/CN115026660B/zh
Publication of CN115026660A publication Critical patent/CN115026660A/zh
Application granted granted Critical
Publication of CN115026660B publication Critical patent/CN115026660B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B7/00—Machines or devices designed for grinding plane surfaces on work, including polishing plane glass surfaces; Accessories therefor
    • B24B7/10—Single-purpose machines or devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/12—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving optical means
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30136—Metal
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Mechanical Engineering (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

本发明提供了一种基于CCD的研磨工艺智能控制方法及系统，涉及数据处理技术领域，通过CCD传感器对研磨工艺过程进行实时图像采集，并利用中值滤波算法对图像信息进行去噪处理，识别Mark进行点定位，确定研磨定位信息；根据当前研磨参数、研磨定位信息、去噪图像通过研磨效果评估模型进行评估，当研磨评估效果不满足目标研磨效果时，基于偏差结果、研磨定位信息对当前研磨参数进行补正。解决了现有技术中板研磨的设定参数按照经验进行设定，在研磨过程中缺乏可靠的调整补正功能，对研磨效果无法进行精准控制的技术问题。达到实时监测、评估、补正，实现研磨参数的精准控制，以提升研磨工艺的控制水平，确保研磨品质的技术效果。

Description

一种基于CCD的研磨工艺智能控制方法及系统
技术领域
本发明涉及数据处理技术领域，具体涉及一种基于CCD的研磨工艺智能控制方法及系统。
背景技术
中板是一种宽厚比和表面积都很大的扁平钢材。材质有Q235、Q345、20#、16MN、304、316等规格。钢板有很大的覆盖和包容能力，在多方面应用，需求量大，可用作屋面板、苫盖材料及制造容器、储油罐、包装箱、火车车厢、汽车外壳、工业炉的壳体等：可按使用要求进行剪裁与组合，制成各种结构件和机械零件等等。中板在进行使用中需要进行研磨以满足各方面的使用要求，研磨主要对中板边角进行研磨处理，现有技术通过数控研磨机床进行操作，研磨参数按照经验值和研磨机床的设定参数规则进行设定，在研磨过程中存在短边、长边、切角等的切换及不同钢板操作台设置位置的偏差等，会影响到研磨的效果。
由于现有技术中板研磨的设定参数按照经验进行设定，因而存在研磨过程中缺乏可靠的即时调整补正功能，对研磨效果无法进行精准控制的技术问题。
发明内容
为了解决上述问题，本申请通过提供了一种基于CCD的研磨工艺智能控制方法及系统，解决了现有技术中板研磨的设定参数按照经验进行设定，在研磨过程中缺乏可靠的即时调整补正功能，对研磨效果无法进行精准控制的技术问题。达到对研磨工艺进行实时监测、在线效果评估、控制参数即时补正，实现了研磨参数的精准控制，有效提升研磨工艺的控制水平，确保研磨品质的技术效果。
鉴于上述问题，本申请提供了一种基于CCD的研磨工艺智能控制方法及系统。
一方面，本申请提供了一种基于CCD的研磨工艺智能控制方法，包括：根据研磨工艺特点布设CCD传感器，利用CCD传感器对研磨工艺过程进行实时图像采集，获得图像信息；利用中值滤波算法对所述图像信息进行去噪处理，获得去噪图像；基于所述去噪图像识别Mark进行点定位，确定研磨定位信息；获得当前研磨参数；根据所述当前研磨参数、所述研磨定位信息、去噪图像通过研磨效果评估模型进行评估，获得研磨评估效果；利用所述研磨评估效果与目标研磨效果进行比较；当所述研磨评估效果不满足所述目标研磨效果时，基于所述研磨评估效果与所述目标研磨效果的偏差结果、所述研磨定位信息对所述当前研磨参数进行补正。
另一方面，本申请提供了一种基于CCD的研磨工艺智能控制系统，所述系统包括：CCD采集模块，用于根据研磨工艺特点布设CCD传感器，利用CCD传感器对研磨工艺过程进行实时图像采集，获得图像信息；去噪处理模块，用于利用中值滤波算法对所述图像信息进行去噪处理，获得去噪图像；定位模块，用于基于所述去噪图像识别Mark进行点定位，确定研磨定位信息；研磨参数获取模块，用于获得当前研磨参数；效果评估模块，用于根据所述当前研磨参数、所述研磨定位信息、去噪图像通过研磨效果评估模型进行评估，获得研磨评估效果；效果比较模块，用于利用所述研磨评估效果与目标研磨效果进行比较；研磨角度补正模块，用于当所述研磨评估效果不满足所述目标研磨效果时，基于所述研磨评估效果与所述目标研磨效果的偏差结果、所述研磨定位信息对所述当前研磨参数进行补正。
本申请中提供的技术方案，至少具有如下技术效果：
本申请提供了一种基于CCD的研磨工艺智能控制方法及系统，通过根据研磨工艺特点布设CCD传感器，利用CCD传感器对研磨工艺过程进行实时图像采集，获得图像信息；利用中值滤波算法对所述图像信息进行去噪处理，获得去噪图像；基于所述去噪图像识别Mark进行点定位，确定研磨定位信息；获得当前研磨参数；根据所述当前研磨参数、所述研磨定位信息、去噪图像通过研磨效果评估模型进行评估，获得研磨评估效果；利用所述研磨评估效果与目标研磨效果进行比较；若不满足则表明当前的研磨参数无法满足目标研磨效果的要求需要针对研磨的偏差进行即时补正，以确保研磨效果，避免等到研磨工艺结束后进行调整，浪费时间同时可能对材料造成损失及废品出现，通过实时的在线监测、在线评估、在线补正，以提升研磨工艺的控制水平，实现研磨参数的精准控制，确保研磨效果，从而解决了现有技术中板研磨的设定参数按照经验进行设定，在研磨过程中缺乏可靠的即时调整补正功能，对研磨效果无法进行精准控制的技术问题。
附图说明
图1为本申请实施例的一种基于CCD的研磨工艺智能控制方法的流程示意图；
图2为本申请实施例的一种基于CCD的研磨工艺智能控制方法中对研磨参数进行自适应调整的流程示意图；
图3为本申请实施例的一种基于CCD的研磨工艺智能控制系统的结构示意图。
具体实施方式
本申请通过提供了一种基于CCD的研磨工艺智能控制方法及系统，用以解决现有技术中板研磨的设定参数按照经验进行设定，在研磨过程中缺乏可靠的即时调整补正功能，对研磨效果无法进行精准控制的技术问题。
下面结合具体的实施例进行本发明方案的详细介绍。
实施例一
如图1所示，本申请实施例提供了一种基于CCD的研磨工艺智能控制方法，所述方法包括：
S1：根据研磨工艺特点布设CCD传感器，利用CCD传感器对研磨工艺过程进行实时图像采集，获得图像信息。
具体的，根据研磨工艺特点在研磨平台或者数据机床等进行研磨监测的各工艺处布设CCD传感器，应理解，CCD是Charge Coupled Device的缩写即电荷耦合器件图像传感器，一种高感光度的半导体材料制成，能把光线转变成电荷，通过模数转换器芯片转换成数字信号，数字信号经过压缩以后由相机内部的闪速存储器或内置硬盘卡保存，因而可以轻而易举地把数据传输给计算机，并借助于计算机的处理手段，根据需要来修改图像。根据CCD传感器设置的研磨工艺的具体位置对研磨工艺中的设定工艺过程进行图像实时采集，用于监测研磨工艺的执行状态。
S2：利用中值滤波算法对所述图像信息进行去噪处理，获得去噪图像。
进一步的，所述利用中值滤波算法对所述图像信息进行去噪处理，S2包括：S201：预设窗口信息；S202：基于预设窗口信息确定窗口，将窗口按照预设轨迹从图像信息中各像素点进行移动，并对每次移动的窗口中各像素点求像素灰度值中间值；S203：利用像素灰度值中间值对窗口中各像素点进行去噪处理。
进一步的，利用像素灰度值中间值对窗口中各像素点进行去噪处理，S203包括：利用公式，其中，g（x,y）为输出像素灰度中间值，f(x,y)为像素点像素灰度值，P为窗口信息，为窗口模板大小，对各像素点进行去噪处理。
进一步的，对每次移动的窗口中各像素点求像素灰度值中间值，S202包括:S2021：对所述窗口信息中每一行的各像素点像素灰度值进行自大到小排序，获得各行最大像素灰度值、各行中间像素灰度值、各行最小像素灰度值；S2022：根据各行最大像素灰度值，确定各行最大像素灰度值中的最小值，确定为第一待选中间值；S2023：根据各行最小像素灰度值，确定各行最小像素灰度值中的最大值，确定为第二待选中间值；S2024：从所述第一待选中间值、所述第二待选中间值及所述各行中间像素灰度值中的中间值，确定所述像素灰度值中间值。
具体的，由于在利用CCD传感器进行图像采集和传输过程中会存在噪音，为了提高图像采集的精准度和可靠性，利用中值滤波算法对采集到的图像信息进行去噪处理，以确保采集到的图像的清晰度，为进行准确识别定位奠定基础。中值滤波是一种非线性空域滤波方法，可以有效抑制图像噪声，提高图像信噪比，通过利用像素点灰度值进行排序，选择中间值作为输出灰度值，实现降噪处理。
通常选择窗口信息为3×3、5×5，是窗口沿图像的行方向和列方向从左到右、从上到下的预设移动轨迹将窗口进行移动，每次移动时，对窗口内的像素点的像素灰度值进行排序，利用中间值代替窗口中心位置的像素灰度值，依次类推，完成对图像的去噪处理。
在进行中间值确定时，为了更快的确定中间像素灰度值，首先分别对每一行的数据进行排序，以每一行的最大值、中间值、最小值组成最大值集合即各行最大像素灰度值，中间值集合即各行中间像素灰度值、最小值集合即各行最小像素灰度值，以3×3的窗口为例，最大值集合中三个最大值最大的肯定大于其他像素点的，最小集合中的最小值肯定小于其他像素点，则最大、最小值剔除，在三个中值中最大值至少大于五个像素点，最小值至少小于五个像素点，因而比较三个最大值中的最小值，三个中间值中的中间值、三个最小值中的最大值作为中间值确定的待选值，找出这三个里面的中间值作为最终像素灰度值中间值进行输出，对图像进行去噪处理，提高中间值处理速度。
S3：基于所述去噪图像识别Mark进行点定位，确定研磨定位信息。
进一步的，基于所述去噪图像识别Mark进行点定位，确定研磨定位信息，S3包括：S301：获得研磨产品Mark点设置信息集，所述研磨产品Mark点设置信息与研磨产品工艺相对应；S302：对所述Mark进行识别，获得研磨产品工艺；S303：基于所述研磨产品工艺从所述研磨产品Mark点设置信息集中进行匹配，确定所述研磨产品Mark点设置信息；S304：基于所述研磨产品Mark点设置信息对Mark进行点定位，确定所述研磨定位信息。
具体的，Mark为标记点，在进行加工处理时的定位标记，以实现定位控制，Mark通常包括了标记点、空旷区组成，由于在进行研磨时存在短边、长边、角的研磨切换，因而在识别Mark时加入了类型的识别定位，将加工类型添加至Mark标识点中的标记点部分增加类型特征，将不同的类型进行不同的Mark点分布设置，通过识别Mark点的位置和分布来确定加工的类型，通过建立研磨产品Mark点设置信息集，研磨产品Mark点设置信息与研磨产品工艺相对应，通过识别到加工类型确定研磨产品工艺，再利用研磨产品工艺在研磨产品Mark点设置信息集中进行匹配，得到该研磨产品工艺设定的Mark点的分布特点、位置特点即研磨产品Mark点设置信息，以分布特点、位置特点进行参考对Mark点进行识别定位，以提升定位的可靠性，为进行精准研磨提供了保证。
S4：获得当前研磨参数。
S5：根据所述当前研磨参数、所述研磨定位信息、去噪图像通过研磨效果评估模型进行评估，获得研磨评估效果。
进一步的，根据所述当前研磨参数、所述研磨定位信息、去噪图像通过研磨效果评估模型进行评估，获得研磨评估效果，之前包括：S801：构建前馈神经网络；S802：获得训练数据集，所述训练数据集包括研磨参数、研磨定位信息、CCD传感图像和研磨结果信息；S803：利用所述训练数据集对所述前馈神经网络进行训练，并利用梯度下降对训练结果进行修正，并将训练参数进行前馈；S804：按照训练参数进行修正后继续利用训练数据集对所述前馈神经网进行训练，直到训练参数满足收敛要求为止，确定训练结果参数，获得所述研磨效果评估模型。
具体的，在研磨过程中对研磨的效果进行实时监测和评估，按照当前研磨参数设定情况和研磨定位信息及利用CCD传感器采集到的图像进行研磨效果的评估，若当前的研磨参数与研磨定位信息匹配度不高，会造成研磨效果不佳，通过CCD传感器进行图像采集到的图像信息也存在研磨缺陷，对研磨效果进行实时评估，若研磨评估的结果不满足设定的研磨目标要求即目标研磨效果时，则进行实时参数的补正，以确保研磨效果，提供研磨工艺的控制水平。
在进行实时评估时为了提高评估的准确性和实时性，通过构建神经网络模型的方式进行智能处理，通过历史加工数据中的研磨参数、研磨定位信息、CCD传感图像和研磨结果信息作为训练集对构建的前馈神经网络进行训练，通过具有研磨结果的标签集对前馈神经网络进行有监督学习，对前馈神经网络的参数进行不断优化，得到研磨参数、研磨定位信息、CCD传感图像与研磨结果信息之间的运算处理管理，从而实现了输入研磨参数、研磨定位信息、CCD传感图像，通过前馈神经网络模型进行运算，得到对应的研磨评估效果的效果，在进行训练中通过梯度下降不断对参数进行优化，直到输出的结果与训练数据集中的标签结果一致或者误差量满足设定的收敛要求，即达到一定的准确性时，则训练结束，按照得到的最终参数获得研磨效果评估模型，将在线实时监测到的前研磨参数、所述研磨定位信息、去噪图像输入至训练好的研磨效果评估模型中，实时输出研磨评估效果，为进行即时精准控制研磨工艺提供基础。
S6：利用所述研磨评估效果与目标研磨效果进行比较。
S7：当所述研磨评估效果不满足所述目标研磨效果时，基于所述研磨评估效果与所述目标研磨效果的偏差结果、所述研磨定位信息对所述当前研磨参数进行补正。
具体的，在线实时评估得到的研磨评估效果与设定的目标研磨效果进行比较，目标研磨效果为按照研磨产品、客户的要求设定的研磨效果要求，若达到了目标研磨效果，表明当前的研磨设置参数满足当前的研磨要求，则不要进行调整，继续进行研磨操作，若不满足则表明当前的研磨参数无法满足目标研磨效果的要求需要针对研磨的偏差进行即时补正，以确保研磨效果，若等研磨后再进行调整，浪费时间同时也可能对材料造成损失，造成废品。通过实时的在线监测、在线评估、在线补正，以提升研磨工艺的控制水平，实现研磨参数的精准控制，确保研磨效果，从而提升研磨产品的品质的技术效果，解决了现有技术中板研磨的设定参数按照经验进行设定，在研磨过程中缺乏可靠的即时调整补正功能，对研磨效果无法进行精准控制的技术问题。
进一步的，当所述研磨评估效果不满足所述目标研磨效果时，基于所述研磨评估效果与所述目标研磨效果的偏差结果、所述研磨定位信息对所述当前研磨参数进行补正，S7包括：S701：根据所述偏差结果进行研磨角度、研磨深度、研磨力度多维度参数调整，进行研磨效果评估，获得参数调整评估结果；S702：基于多维度参数调整信息、所述参数调整评估结果进行自适应调整，直到所述参数调整评估结果满足所述目标研磨效果为止；S703：根据确定自适应调整参数结果对所述当前研磨参数进行对应补正。
可选的，在进行研磨参数的即时调整时，通过从研磨角度、研磨深度、研磨力度几个维度进行随机调整，按照调整的结果进行效果评估，若研磨评估效果满足了目标研磨效果，则表明调整的结果满足要求，若不满足则按照与目标研磨效果的偏差值进行自适应调整，通过不对的调整以满足调整要求，可选的，通过模糊数学按照偏差值、目标研磨效果进行模糊计算，确定调整的模糊范围和大小，进行调整，以加快自适应调整的速度。
进一步的，如图2所示，所述方法还包括：S901：获得历史加工参数控制数据；S902：基于所述历史加工参数控制数据确定参数调整与研磨关系，搭建数字模拟工厂；S903：根据所述偏差结果进行研磨角度、研磨深度、研磨力度多维度参数分解，确定多维度参数调整组合；S904：从所述多维度参数调整组合中随机获得参数调整信息；S905：将所述参数调整信息输入所述数字模拟工厂中进行模拟，获得模拟结果，基于所述模拟结果进行研磨效果评估，获得所述参数调整评估结果；S906：当所述参数调整评估结果不满足所述目标研磨效果时，根据所述参数调整信息、所述参数调整评估结果进行自适应调整。
进一步的，根据所述参数调整信息、所述参数调整评估结果进行自适应调整，S906包括：S9061：根据所述参数调整信息、所述当前研磨参数构建参数走势图；S9062：根据所述参数调整评估结果、所述研磨评估效果构建效果走势图；S9063：将所述参数走势图与所述效果走势图进行同步对应，生成调整对照走势图，基于所述调整对照走势图进行走势方向、走势幅度分析，根据所述走势方向、走势幅度进行自适应调整。
具体的，本申请实施例在进行研磨参数的调整中，通过构建数字模拟工厂对调整的研磨参数进行模拟加工，按照偏差结果进行研磨角度、研磨深度、研磨力度多维度参数分解，利用历史加工数据的参数调整与研磨结果的关系进行运算，确定研磨角度、研磨深度、研磨力度这几个维度的参数应该如何组合，可以对偏差值进行修正，得到多维度参数调整组合，从多维参数调整组合中随机抽取一组进行模拟加工，评估结果，利用调整后的效果变化走势关系与参数调整的变化走势关系，确定调整的方向和幅度，通过模拟结果对走势图进行数据补充，利用构建的走势图进行参数调整的指导，同时得到的走势图可以进行本地存储，对于后续进行参数调整时进行指导，以提升参数调整的可靠性，达到研磨参数的即时补正，实现更为精准的研磨控制，确保研磨效果提高研磨产品品质的效果。
实施例二
基于与前述实施例中一种基于CCD的研磨工艺智能控制方法相同的发明构思，本申请实施例提供了一种基于CCD的研磨工艺智能控制系统，如图3所示，所述系统包括：
CCD采集模块，用于根据研磨工艺特点布设CCD传感器，利用CCD传感器对研磨工艺过程进行实时图像采集，获得图像信息；
去噪处理模块，用于利用中值滤波算法对所述图像信息进行去噪处理，获得去噪图像；
定位模块，用于基于所述去噪图像识别Mark进行点定位，确定研磨定位信息；
研磨参数获取模块，用于获得当前研磨参数；
效果评估模块，用于根据所述当前研磨参数、所述研磨定位信息、去噪图像通过研磨效果评估模型进行评估，获得研磨评估效果；
效果比较模块，用于利用所述研磨评估效果与目标研磨效果进行比较；
研磨角度补正模块，用于当所述研磨评估效果不满足所述目标研磨效果时，基于所述研磨评估效果与所述目标研磨效果的偏差结果、所述研磨定位信息对所述当前研磨参数进行补正。
进一步的，所述去噪处理模块还用于：
预设窗口信息；
基于预设窗口信息确定窗口，将窗口按照预设轨迹从图像信息中各像素点进行移动，并对每次移动的窗口中各像素点求像素灰度值中间值；
利用像素灰度值中间值对窗口中各像素点进行去噪处理。
进一步的，所述去噪处理模块还用于：
利用公式，其中，g（x,y）为输出像素灰度中间值，f(x,y)为像素点像素灰度值，P为窗口信息，对各像素点进行去噪处理。
进一步的，所述去噪处理模块还用于:
对所述窗口信息中每一行的各像素点像素灰度值进行自大到小排序，获得各行最大像素灰度值、各行中间像素灰度值、各行最小像素灰度值；
根据各行最大像素灰度值，确定各行最大像素灰度值中的最小值，确定为第一待选中间值；
根据各行最小像素灰度值，确定各行最小像素灰度值中的最大值，确定为第二待选中间值；
从所述第一待选中间值、所述第二待选中间值及所述各行中间像素灰度值中的中间值，确定所述像素灰度值中间值。
进一步的，所述定位模块还用于：
获得研磨产品Mark点设置信息集，所述研磨产品Mark点设置信息与研磨产品工艺相对应；
对所述Mark进行识别，获得研磨产品工艺；
基于所述研磨产品工艺从所述研磨产品Mark点设置信息集中进行匹配，确定所述研磨产品Mark点设置信息；
基于所述研磨产品Mark点设置信息对Mark进行点定位，确定所述研磨定位信息。
进一步的，所述系统还包括：
神经网络构建单元，用于构建前馈神经网络；
训练数据获取单元，用于获得训练数据集，所述训练数据集包括研磨参数、研磨定位信息、CCD传感图像和研磨结果信息；
模型训练单元，用于利用所述训练数据集对所述前馈神经网络进行训练，并利用梯度下降对训练结果进行修正，并将训练参数进行前馈；
模型获得单元，用于按照训练参数进行修正后继续利用训练数据集对所述前馈神经网进行训练，直到训练参数满足收敛要求为止，确定训练结果参数，获得所述研磨效果评估模型。
进一步的，所述研磨角度补正模块还用于：
根据所述偏差结果进行研磨角度、研磨深度、研磨力度多维度参数调整，进行研磨效果评估，获得参数调整评估结果；
基于多维度参数调整信息、所述参数调整评估结果进行自适应调整，直到所述参数调整评估结果满足所述目标研磨效果为止；
根据确定自适应调整参数结果对所述当前研磨参数进行对应补正。
进一步的，所述系统还包括：
历史加工数据获得单元，用于获得历史加工参数控制数据；
模拟工厂建立单元，用于基于所述历史加工参数控制数据确定参数调整与研磨关系，搭建数字模拟工厂；
参数组合单元，用于根据所述偏差结果进行研磨角度、研磨深度、研磨力度多维度参数分解，确定多维度参数调整组合；
参数抽取单元，用于从所述多维度参数调整组合中随机获得参数调整信息；
模拟处理单元，用于将所述参数调整信息输入所述数字模拟工厂中进行模拟，获得模拟结果，基于所述模拟结果进行研磨效果评估，获得所述参数调整评估结果；
自适应调整单元，用于当所述参数调整评估结果不满足所述目标研磨效果时，根据所述参数调整信息、所述参数调整评估结果进行自适应调整。
进一步的，所述自适应调整单元还用于：
根据所述参数调整信息、所述当前研磨参数构建参数走势图；
根据所述参数调整评估结果、所述研磨评估效果构建效果走势图；
将所述参数走势图与所述效果走势图进行同步对应，生成调整对照走势图，基于所述调整对照走势图进行走势方向、走势幅度分析，根据所述走势方向、走势幅度进行自适应调整。
本申请实施例提供的一种基于CCD的研磨工艺智能控制系统可实现实施例一的一种基于CCD的研磨工艺智能控制方法的任一过程，请参照实施例一的详细内容，在此不再赘述。
本说明书和附图仅仅是本申请的示例性说明，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。本申请的这些修改和变型属于本申请权利要求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 (9)

1.一种基于CCD的研磨工艺智能控制方法，其特征在于，包括：
根据研磨工艺特点布设CCD传感器，利用CCD传感器对研磨工艺过程进行实时图像采集，获得图像信息；
利用中值滤波算法对所述图像信息进行去噪处理，获得去噪图像；
基于所述去噪图像识别Mark进行点定位，确定研磨定位信息；
获得当前研磨参数；
根据所述当前研磨参数、所述研磨定位信息、去噪图像通过研磨效果评估模型进行评估，获得研磨评估效果；
利用所述研磨评估效果与目标研磨效果进行比较；
当所述研磨评估效果不满足所述目标研磨效果时，基于所述研磨评估效果与所述目标研磨效果的偏差结果、所述研磨定位信息对所述当前研磨参数进行补正；
基于所述去噪图像识别Mark进行点定位，确定研磨定位信息，包括：
获得研磨产品Mark点设置信息集，所述研磨产品Mark点设置信息与研磨产品工艺相对应；
对所述Mark进行识别，获得研磨产品工艺；
基于所述研磨产品工艺从所述研磨产品Mark点设置信息集中进行匹配，确定所述研磨产品Mark点设置信息；
基于所述研磨产品Mark点设置信息对Mark进行点定位，确定所述研磨定位信息。
2.如权利要求1所述的方法，其特征在于，所述利用中值滤波算法对所述图像信息进行去噪处理，包括：
预设窗口信息；
基于预设窗口信息确定窗口，将窗口按照预设轨迹从图像信息中各像素点进行移动，并对每次移动的窗口中各像素点求像素灰度值中间值；
利用像素灰度值中间值对窗口中各像素点进行去噪处理。
3.如权利要求2所述的方法，其特征在于，利用像素灰度值中间值对窗口中各像素点进行去噪处理，包括：
利用公式，其中，g（x,y）为输出像素灰度中间值，f(x,y)为像素点像素灰度值，P为窗口信息，对各像素点进行去噪处理。
4.如权利要求2所述的方法，其特征在于，对每次移动的窗口中各像素点求像素灰度值中间值，包括:
对所述窗口信息中每一行的各像素点像素灰度值进行自大到小排序，获得各行最大像素灰度值、各行中间像素灰度值、各行最小像素灰度值；
根据各行最大像素灰度值，确定各行最大像素灰度值中的最小值，确定为第一待选中间值；
根据各行最小像素灰度值，确定各行最小像素灰度值中的最大值，确定为第二待选中间值；
从所述第一待选中间值、所述第二待选中间值及所述各行中间像素灰度值中的中间值，确定所述像素灰度值中间值。
5.如权利要求1所述的方法，其特征在于，根据所述当前研磨参数、所述研磨定位信息、去噪图像通过研磨效果评估模型进行评估，获得研磨评估效果，之前包括：
构建前馈神经网络；
获得训练数据集，所述训练数据集包括研磨参数、研磨定位信息、CCD传感图像和研磨结果信息；
利用所述训练数据集对所述前馈神经网络进行训练，并利用梯度下降对训练结果进行修正，并将训练参数进行前馈；
按照训练参数进行修正后继续利用训练数据集对所述前馈神经网进行训练，直到训练参数满足收敛要求为止，确定训练结果参数，获得所述研磨效果评估模型。
6.如权利要求1所述的方法，其特征在于，当所述研磨评估效果不满足所述目标研磨效果时，基于所述研磨评估效果与所述目标研磨效果的偏差结果、所述研磨定位信息对所述当前研磨参数进行补正，包括：
根据所述偏差结果进行研磨角度、研磨深度、研磨力度多维度参数调整，进行研磨效果评估，获得参数调整评估结果；
基于多维度参数调整信息、所述参数调整评估结果进行自适应调整，直到所述参数调整评估结果满足所述目标研磨效果为止；
根据确定自适应调整参数结果对所述当前研磨参数进行对应补正。
7.如权利要求6所述的方法，其特征在于，所述方法还包括：
获得历史加工参数控制数据；
基于所述历史加工参数控制数据确定参数调整与研磨关系，搭建数字模拟工厂；
根据所述偏差结果进行研磨角度、研磨深度、研磨力度多维度参数分解，确定多维度参数调整组合；
从所述多维度参数调整组合中随机获得参数调整信息；
将所述参数调整信息输入所述数字模拟工厂中进行模拟，获得模拟结果，基于所述模拟结果进行研磨效果评估，获得所述参数调整评估结果；
当所述参数调整评估结果不满足所述目标研磨效果时，根据所述参数调整信息、所述参数调整评估结果进行自适应调整。
8.如权利要求7所述的方法，其特征在于，根据所述参数调整信息、所述参数调整评估结果进行自适应调整，包括：
根据所述参数调整信息、所述当前研磨参数构建参数走势图；
根据所述参数调整评估结果、所述研磨评估效果构建效果走势图；
将所述参数走势图与所述效果走势图进行同步对应，生成调整对照走势图，基于所述调整对照走势图进行走势方向、走势幅度分析，根据所述走势方向、走势幅度进行自适应调整。
9.一种基于CCD的研磨工艺智能控制系统，其特征在于，所述系统包括：
CCD采集模块，用于根据研磨工艺特点布设CCD传感器，利用CCD传感器对研磨工艺过程进行实时图像采集，获得图像信息；
去噪处理模块，用于利用中值滤波算法对所述图像信息进行去噪处理，获得去噪图像；
定位模块，用于基于所述去噪图像识别Mark进行点定位，确定研磨定位信息；
研磨参数获取模块，用于获得当前研磨参数；
效果评估模块，用于根据所述当前研磨参数、所述研磨定位信息、去噪图像通过研磨效果评估模型进行评估，获得研磨评估效果；
效果比较模块，用于利用所述研磨评估效果与目标研磨效果进行比较；
研磨角度补正模块，用于当所述研磨评估效果不满足所述目标研磨效果时，基于所述研磨评估效果与所述目标研磨效果的偏差结果、所述研磨定位信息对所述当前研磨参数进行补正；
所述定位模块还用于，获得研磨产品Mark点设置信息集，所述研磨产品Mark点设置信息与研磨产品工艺相对应；对所述Mark进行识别，获得研磨产品工艺；基于所述研磨产品工艺从所述研磨产品Mark点设置信息集中进行匹配，确定所述研磨产品Mark点设置信息；基于所述研磨产品Mark点设置信息对Mark进行点定位，确定所述研磨定位信息。
CN202210958006.4A 2022-08-11 2022-08-11 一种基于ccd的研磨工艺智能控制方法及系统 Active CN115026660B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210958006.4A CN115026660B (zh) 2022-08-11 2022-08-11 一种基于ccd的研磨工艺智能控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210958006.4A CN115026660B (zh) 2022-08-11 2022-08-11 一种基于ccd的研磨工艺智能控制方法及系统

Publications (2)

Publication Number Publication Date
CN115026660A CN115026660A (zh) 2022-09-09
CN115026660B true CN115026660B (zh) 2023-04-07

Family

ID=83130918

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210958006.4A Active CN115026660B (zh) 2022-08-11 2022-08-11 一种基于ccd的研磨工艺智能控制方法及系统

Country Status (1)

Country Link
CN (1) CN115026660B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115237054B (zh) * 2022-09-21 2022-12-16 中科航迈数控软件(深圳)有限公司 一种主轴驱动电机控制方法、装置、终端及存储介质
CN115712248B (zh) * 2023-01-10 2023-05-09 昆山市恒达精密机械工业有限公司 一种基于反馈优化的研磨智能控制方法及系统

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100404201C (zh) * 2005-04-14 2008-07-23 上海交通大学 数字化精密曲线磨削的控制方法
US9789582B2 (en) * 2012-07-05 2017-10-17 Surface Technology Holdings Ltd. Method and compression apparatus for introducing residual compression into a component having a regular or an irregular shaped surface
CN103056759B (zh) * 2012-12-24 2015-01-28 中国科学院自动化研究所 一种基于传感器反馈的机器人磨削系统
JP6274561B2 (ja) * 2014-01-23 2018-02-07 株式会社Ihi 回転砥石のドレッシング装置と方法
CN103831695B (zh) * 2014-03-28 2016-03-02 中国科学院自动化研究所 大型自由曲面机器人打磨系统
CN104959891B (zh) * 2015-05-29 2017-07-07 福建省天大精诺信息有限公司 一种基于图像处理与力反馈的木雕精修方法及装置
CN107378780B (zh) * 2017-07-19 2019-01-08 江苏大学 一种基于视觉系统的机器人铸件打磨自适应方法
CN110587484A (zh) * 2019-07-29 2019-12-20 苏州超徕精工科技有限公司 一种实时预测研抛加工过程去除效果的装置及方法
CN110842683A (zh) * 2019-11-17 2020-02-28 徐州赛欧电子科技有限公司 一种基于机器视觉的焊缝打磨装置及其系统
CN111230723B (zh) * 2020-02-25 2022-02-08 上海华虹宏力半导体制造有限公司 实时侦测系统、实时侦测方法及化学机械抛光设备
CN111468989B (zh) * 2020-03-30 2021-08-24 黄河水利职业技术学院 一种五轴联动数控机械手抛光控制系统及方法
CN114575205A (zh) * 2022-04-28 2022-06-03 中铁第四勘察设计院集团有限公司 一种基于图像数据处理的水射流钢轨廓形智能化打磨系统

Also Published As

Publication number Publication date
CN115026660A (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
CN115026660B (zh) 一种基于ccd的研磨工艺智能控制方法及系统
CN110806736B (zh) 一种模锻成形智能制造生产线锻件质量信息检测方法
DE102017002607B4 (de) Bearbeitungsmaschinensystem, das über die Akzeptanz/Verwerfung von Werkstücken bestimmt
DE102016009030B4 (de) Vorrichtung für maschinelles Lernen, Robotersystem und maschinelles Lernsystem zum Lernen eines Werkstückaufnahmevorgangs
CN114549519B (zh) 一种汽车喷涂生产线视觉检测方法、系统和可读存储介质
DE102013216902A1 (de) Informationsverarbeitungsvorrichtung, Informationsverarbeitungsverfahren und Programm
DE102019104310A1 (de) System und Verfahren zur simultanen Betrachtung von Kanten und normalen bei Bildmerkmalen durch ein Sichtsystem
Sharifzadeh et al. Abnormality detection strategies for surface inspection using robot mounted laser scanners
CN118386258B (zh) 一种包装机械手臂控制系统
Purr et al. Stamping plant 4.0–basics for the application of data mining methods in manufacturing car body parts
DE102018102833A1 (de) Positionskontrollsystem, positionserkennungsvorrichtung und steuerprogramm
Giusti et al. Image-based measurement of material roughness using machine learning techniques
CN114888692A (zh) 一种抛光打磨机械臂控制系统及方法
CN114235837A (zh) 基于机器视觉的led封装表面缺陷检测方法、装置、介质及设备
CN114926531A (zh) 基于双目视觉的大视场下工件焊缝自主定位方法及系统
CN117862957A (zh) 双金属材料铣削加工的工艺参数自适应调整方法及系统
CN113936291A (zh) 一种基于机器视觉的铝模板质检、回收方法
DE102005011330A1 (de) Verfahren und Vorrichtung zur Lageerkennung eines Formteils
CN106705836A (zh) 一种t型导轨尺寸参数自动检测系统
Ngendangenzwa Defect detection and classification on painted specular surfaces
US12079976B2 (en) Methods and systems for reducing dimensionality in a reduction and prediction framework
CN103871048A (zh) 一种基于直线基元的几何哈希法实时定位与匹配方法
Fillatreau et al. Sheet metal forming global control system based on artificial vision system and force–acoustic sensors
CN118357934B (zh) 一种基于视觉定位的机械手精准定位方法及装置
CN114092396A (zh) 一种包装盒撞角瑕疵检测的方法及装置

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