CN115239725A - 一种橡胶手套胶浸涂层视觉监测方法及系统 - Google Patents

一种橡胶手套胶浸涂层视觉监测方法及系统 Download PDF

Info

Publication number
CN115239725A
CN115239725A CN202211156750.9A CN202211156750A CN115239725A CN 115239725 A CN115239725 A CN 115239725A CN 202211156750 A CN202211156750 A CN 202211156750A CN 115239725 A CN115239725 A CN 115239725A
Authority
CN
China
Prior art keywords
coating
image information
rubber
monitoring
layer
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.)
Granted
Application number
CN202211156750.9A
Other languages
English (en)
Other versions
CN115239725B (zh
Inventor
陆大伟
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.)
Zhangjiagang Dayu Rubber Products Co ltd
Original Assignee
Zhangjiagang Dayu Rubber Products 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 Zhangjiagang Dayu Rubber Products Co ltd filed Critical Zhangjiagang Dayu Rubber Products Co ltd
Priority to CN202211156750.9A priority Critical patent/CN115239725B/zh
Publication of CN115239725A publication Critical patent/CN115239725A/zh
Application granted granted Critical
Publication of CN115239725B publication Critical patent/CN115239725B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Manufacturing & Machinery (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Geometry (AREA)
  • Gloves (AREA)

Abstract

本发明提供了一种橡胶手套胶浸涂层视觉监测方法及系统，涉及图像数据处理技术领域，通过多角度对待检测橡胶手套进行图像采集获得图像信息集合，并输入胶浸涂层视觉检测模型获得胶浸涂层面积检测结果，基于涂层面积标准与胶浸涂层面积监测结果获得质量检测结果，采用相同方法获得同批多个橡胶手套的质量检测结果，基于同批多个质量检测结果计算稳定性检测结果，基于多个质量检测结果和稳定性质量检测结果进行加权计算获得多维质量监测结果。解决现有技术中对橡胶手套胶浸状况进行检测的人工依赖性较强，检测准确度较和检测效率低导致生产品控不佳的技术问题。达到降低橡胶手套生产过程的人工依赖性，提高手套胶浸状况检测效率和准确度的技术效果。

Description

一种橡胶手套胶浸涂层视觉监测方法及系统
技术领域
本发明涉及图像数据处理技术领域，具体涉及一种橡胶手套胶浸涂层视觉监测方法及系统。
背景技术
橡胶由于具有良好的物理学性能和化学稳定性而被广泛应用于工业生产和生活的各个方面。采用在织物手套表面进行浸胶处理生产的橡胶手套，由于在佩戴时可提高发力时手部摩擦力且对手部具有保护作用，而成为劳动者从事劳动时的重要劳动保护用品。
随着工业化发展，橡胶手套在自动化流水线上按批生产，橡胶手套的生产效率随之提高，与此同时现有的橡胶手套品胶浸状况的检测方法多依赖于人工抽检，检测结果的准确度较低，检测结果的参考性不强，以致橡胶手套生产品控受限。
现有技术中存在对橡胶手套胶浸状况进行检测时，对于人工依赖性较强，且检测准确度和检测效率较低，导致橡胶手套产品生产品控不佳的技术问题。
发明内容
本申请提供了一种橡胶手套胶浸涂层视觉监测方法及系统，用于针对解决现有技术中存在对橡胶手套胶浸状况进行检测时，对于人工依赖性较强，且检测准确度和检测效率较低，导致橡胶手套产品生产品控不佳的技术问题。
鉴于上述问题，本申请提供了一种橡胶手套胶浸涂层视觉监测方法及系统。
本申请的第一个方面，提供了一种橡胶手套胶浸涂层视觉监测方法，所述方法包括：基于多个角度，采集获取待检测橡胶手套的图像信息，获得图像信息集合；构建胶浸涂层视觉检测模型，其中，所述胶浸涂层视觉检测模型包括涂层分割分支和涂层监测分析层；将所述图像信息集合输入所述涂层分割分支内进行语义分割，获得多个涂层语义分割结果；将所述多个涂层语义分割结果输入所述涂层监测分析层，获得胶浸涂层面积检测结果；获得预设涂层面积标准，结合所述胶浸涂层面积监测结果进行计算，获得第一质量检测结果；采集获取所述待检测橡胶手套的多个同批橡胶手套的图像信息集合，获得多个同批图像信息集合；对所述多个同批图像信息集合进行检测，获得多个同批第一质量检测结果；计算所述第一质量检测结果和所述多个同批第一质量检测结果之间的稳定性，获得第二质量检测结果；对所述第一质量检测结果和所述第二质量检测结果进行加权计算求和，获得质量监测结果。
本申请的第二个方面，提供了一种橡胶手套胶浸涂层视觉监测系统，所述系统包括：多维图像采集模块，用于基于多个角度，采集获取待检测橡胶手套的图像信息，获得图像信息集合；检测模型构建模块，用于构建胶浸涂层视觉检测模型，其中，所述胶浸涂层视觉检测模型包括涂层分割分支和涂层监测分析层；语义分割执行模块，用于将所述图像信息集合输入所述涂层分割分支内进行语义分割，获得多个涂层语义分割结果；涂层监测分析模块，用于将所述多个涂层语义分割结果输入所述涂层监测分析层，获得胶浸涂层面积检测结果；质量检测执行模块，用于获得预设涂层面积标准，结合所述胶浸涂层面积监测结果进行计算，获得第一质量检测结果；同批图像采集模块，用于采集获取所述待检测橡胶手套的多个同批橡胶手套的图像信息集合，获得多个同批图像信息集合；同批质量检测模块，用于对所述多个同批图像信息集合进行检测，获得多个同批第一质量检测结果；检测结果比对模块，用于计算所述第一质量检测结果和所述多个同批第一质量检测结果之间的稳定性，获得第二质量检测结果；检测结果计算模块，用于对所述第一质量检测结果和所述第二质量检测结果进行加权计算求和，获得质量监测结果。
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：
本申请实施例提供的方法通过基于多个角度，采集获取待检测橡胶手套的图像信息，获得图像信息集合，为后续进行待检测橡胶手套以及同批次橡胶手套胶浸状况提供图像采集角度和足量图像，构建包括涂层分割分支和涂层监测分析层的胶浸涂层视觉检测模型，模型进行胶浸状况分析判断，提高橡胶手套检测效率，将所述图像信息集合输入所述涂层分割分支内进行语义分割，获得多个涂层语义分割结果；将所述多个涂层语义分割结果输入所述涂层监测分析层，获得胶浸涂层面积检测结果；获得预设涂层面积标准，结合所述胶浸涂层面积监测结果进行计算，获得第一质量检测结果；采集获取所述待检测橡胶手套的多个同批橡胶手套的图像信息集合，获得多个同批图像信息集合；对所述多个同批图像信息集合进行检测，获得多个同批第一质量检测结果；将获得的实际橡胶手套胶浸状况与标准状况进行比对并求出差异程度，便于直观获知当前批次橡胶手套的品控稳定性，计算所述第一质量检测结果和所述多个同批第一质量检测结果之间的稳定性，获得第二质量检测结果；对所述第一质量检测结果和所述第二质量检测结果进行加权计算求和，获得质量监测结果。达到了降低橡胶手套生产过程对于人工经验的依赖性，提高手套胶浸状况的检测效率和检测结果的准确度的技术效果。
附图说明
图1为本申请提供的一种橡胶手套胶浸涂层视觉监测方法流程示意图；
图2为本申请提供的一种橡胶手套胶浸涂层视觉监测方法中构建胶浸涂层视觉检测模型的流程示意图；
图3为本申请提供的一种橡胶手套胶浸涂层视觉监测方法中构建并监督训练获得涂层监测分析层的流程示意图；
图4为本申请提供的一种橡胶手套胶浸涂层视觉监测系统的结构示意图。
附图标记说明：多维图像采集模块11，检测模型构建模块12，语义分割执行模块13，涂层监测分析模块14，质量检测执行模块15，同批图像采集模块16，同批质量检测模块17，检测结果比对模块18，检测结果计算模块19。
具体实施方式
本申请提供了一种橡胶手套胶浸涂层视觉监测方法及系统，用于针对解决现有技术中存在对橡胶手套胶浸状况进行检测时，对于人工依赖性较强，且检测准确度和检测效率较低，导致橡胶手套产品生产品控不佳的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
基于预设的图像采集角度对同批次橡胶手套进行图像采集，构建并训练具有图像语义分割功能以及胶浸涂层面积计算功能的胶浸涂层视觉检测模型，将同批次橡胶手套图像采集结果输入模型进行每一橡胶手套胶浸面积的获得，基于标准胶浸面积进行实际橡胶手套胶浸差异情况的计算以及同批次多个橡胶手套胶浸面积稳定性计算，获得反映同批次橡胶手套整体胶浸状况稳定性和生产胶浸情况的质量监测结果。达到降低橡胶手套生产过程对于人工经验的依赖性，提高手套胶浸状况的检测效率和检测结果的准确度的技术目的。
实施例一
如图1所示，本申请提供了一种橡胶手套胶浸涂层视觉监测方法，所述方法包括：
S100:基于多个角度，采集获取待检测橡胶手套的图像信息，获得图像信息集合；
进一步的，所述基于多个角度，采集获取待检测橡胶手套的图像信息，本申请提供的方法步骤S100还包括：
S110:获得多个预设角度；
S120:基于所述多个预设角度，采集获得所述待检测橡胶手套的多个角度图像信息；
S130:将所述多个角度图像信息作为所述图像信息集合。
具体而言，所述待检测橡胶手套为五指和手掌浸胶的双层劳保手套，包括手掌形状的织物手套层以及提供保护和防滑耐磨作用的胶浸涂层，胶浸涂层均匀覆盖于织物手套层的五指和手掌部分。
在实施例中，通过对完成橡胶层胶浸工艺的所述待检测橡胶手套进行多角度图像采集以及基于所采集图像进行图像信息处理，确定所述待检测橡胶手套是否满足品控合格要求。
由于手套为五指结构，因而在进行胶浸处理后，需要对手指与手掌衔接部位以及其他具有涂覆难度的手套部位进行仔细检查，为提高涂覆检测效率，在本实施例中，基于手套结构形态以及检测人员的历史工作经验设置多个进行所述待检测橡胶手套图像采集的预设角度，基于所述多个预设角度，采集获得所述待检测橡胶手套的多个角度图像信息作为所述待检测橡胶手套的所述图像信息集合，基于所述图像信息集合中的多张图片，可获得橡胶层在所述待检测橡胶手套表面的完整浸涂情况。
本实施例通过预设多个进行待检测橡胶手套图像检测角度并执行图像采集，达到了获得待检测橡胶手套浸涂状况的完整图像数据，便于后续进行待检测橡胶手套合格与否的准确判断的技术效果。
S200:构建胶浸涂层视觉检测模型，其中，所述胶浸涂层视觉检测模型包括涂层分割分支和涂层监测分析层；
进一步的，如图2所示，所述构建胶浸涂层视觉检测模型，本申请提供的方法步骤S200还包括：
S210:构建并监督训练获得所述涂层分割分支；
S220:构建并监督训练获得所述涂层监测分析层；
S230:连接所述涂层分割分支和所述涂层监测分析层，对所述涂层分割分支和所述涂层监测分析层进行联合训练；
S240:对训练完成的所述胶浸涂层视觉监测模型进行验证和测试，若准确率符合预设要求，则获得胶浸涂层视觉监测模型。
具体而言，在本实施例中，通过构建并训练检测模型，实现快速精准的对步骤S100所获图像信息集合进行识别处理，确定当前待检测橡胶手套表面胶浸涂层覆盖状况。
所述胶浸涂层视觉检测模型即为本实施例构建并训练的检查模型，所述胶浸涂层视觉检测模型由两个分支子模型构成，具体包括涂层分割分支以及涂层监测分析层，所述涂层分割分支与所述涂层监测分析层为具有连接关系的两个分支子模型。
所述涂层分割分支在所述胶浸涂层视觉检测模型中用于将所述图像信息集合中的每个角度图像信息都进行语义分割，以减少单次进行图像分析处理时的图像信息量以及避免图像信息复杂度过高降低橡胶收益浸涂层视觉检测系统的算力资源浪费。
所述涂层监测分析层在所述胶浸涂层视觉检测模型中，将所述涂层分割分支的输出结果作为输入数据进行所述待检测橡胶手套的胶浸涂层面积计算。
在本实施例中，构建并监督训练获得所述涂层分割分支，构建并监督训练获得所述涂层监测分析层，连接训练完成，输出结果准确度符合预设要求的所述涂层分割分支和所述涂层监测分析层，对所述涂层分割分支和所述涂层监测分析层进行联合训练，对训练完成的所述胶浸涂层视觉监测模型进行验证和测试，若准确率符合预设要求，则获得胶浸涂层视觉监测模型。
在本实施例中，对于每一模型的训练数据获得方法、模型构建以及训练方法不作任何限制，标志模型训练完成可基于技术人员的历史经验进行设定。
本实施例通过构建并训练具有涂层分割分支以及涂层监测分析层的多层胶浸涂层视觉检测模型，达到了可对待检测橡胶手套的表面胶浸面积进行快速准确计算的技术效果。
S300:将所述图像信息集合输入所述涂层分割分支内进行语义分割，获得多个涂层语义分割结果；
S400:将所述多个涂层语义分割结果输入所述涂层监测分析层，获得胶浸涂层面积检测结果；
具体而言，在本实施例中，基于步骤S200可知，所述涂层分割分支和所述涂层监测分析层之间连接，所述涂层分割分支的输出数据输入所述涂层监测分析层。将待检测橡胶手套的所述图像信息集合输入所述涂层分割分支内对每一图像信息进行语义分割，获得多个涂层语义分割结果，将所述多个涂层语义分割结果输入所述涂层监测分析层，计算多个涂层语义分割结果的图像面积数据，获得所述胶浸涂层面积检测结果，所述胶浸涂层面积检测结果反映了所述待检测橡胶手套表面胶浸状况。
S500:获得预设涂层面积标准，结合所述胶浸涂层面积监测结果进行计算，获得第一质量检测结果；
进一步的，所述获得预设涂层面积标准，结合所述胶浸涂层面积监测结果进行计算，获得第一质量检测结果，本申请提供的方法步骤S500还包括：
S510:计算所述胶浸涂层面积监测结果与所述预设涂层面积标准的差值；
S520:计算所述差值与所述预设涂层面积标准的比值，获得所述第一质量检测结果。
具体而言，所述预设涂层面积标准，为所述待检测橡胶手套表面胶浸涂层的理想浸涂面积数据，当所述待检测橡胶手套表面胶浸涂层面积大于或小于所述预设涂层面积标准的误差在合格范围内时，判定所述待检测橡胶手套品控合格。
当所述待检测橡胶手套表面胶浸涂层面积远小于或远大于所述预设涂层面积标准，超出合格范围内时，计算所述胶浸涂层面积监测结果与所述预设涂层面积标准的差值，并进行绝对值计算处理。
将所述差值绝对值作为分子，所述预设涂层面积标准作为分母，计算所述胶浸涂层面积监测结果与所述预设涂层面积标准的比值，作为所述第一质量检测结果。
本实施例通过比对实际测得的待检测橡胶手套表面浸涂橡胶涂层面积与预设涂层标准面积是否具有一致性，并计算两者之间的差值，基于差值与预设涂层标准面积进行比值计算，达到了较为直观的获知待检测橡胶手套胶浸涂层浸涂状况与预设涂层标准之间的差异性的技术效果。
S600:采集获取所述待检测橡胶手套的多个同批橡胶手套的图像信息集合，获得多个同批图像信息集合；
S700:对所述多个同批图像信息集合进行检测，获得多个同批第一质量检测结果；
具体而言，应理解的，橡胶手套在现代工艺中的生产方法为流水线生产。所述待检测橡胶手套为同批次生产的多个同规格的橡胶手套中的一个，因而在本实施例中，基于步骤S100～S500的图像采集处理方法，采集获取所述待检测橡胶手套的多个同批次橡胶手套的图像信息集合并基于训练好的所述胶浸涂层视觉检测模型多所述多个同批图像信息集合进行表面胶浸涂层面积计算以及与预设涂层标准进行差值、比值计算，获得多个同批次橡胶手套的多个第一质量监测结果。
S800:计算所述第一质量检测结果和所述多个同批第一质量检测结果之间的稳定性，获得第二质量检测结果；
进一步的，计算所述第一质量检测结果和所述多个同批第一质量检测结果之间的稳定性，本申请提供的方法步骤S800还包括：
S810:计算所述第一质量检测结果和所述多个同批第一质量检测结果的方差；
S820:将所述方差作为所述第二质量检测结果。
具体而言，应理解的，在对手掌形状的织物手套层进行浸涂，使胶浸涂层均匀覆盖于织物手套层的五指和手掌部分的工艺过程中，由于起到保护和防滑耐磨作用的橡胶流体本身物理性质的黏着作用，橡胶流体在同批次的橡胶手套表面生成胶浸涂层的涂层面积之间存在差异性。
基于橡胶流体在同批次的橡胶手套表面生成胶浸涂层的涂层面积之间存在差异性，本实施例计算所述第一质量检测结果和所述多个同批第一质量检测结果的方差，将所述方差作为所述第二质量检测结果，所述第二质量检测结果反映了所述待检测橡胶手套生产线的产品质量波动状况，该方差越小，则表明当前橡胶手套胶浸涂层的生产水平越稳定，质量越佳。
本实施例通过获取同批次多个橡胶手套的质量检测结果，并基于多个橡胶手套质量检测结果进行方差计算，达到了获知同批次生产的橡胶手套表面胶浸状况的波动性的技术效果。
S900:对所述第一质量检测结果和所述第二质量检测结果进行加权计算求和，获得质量监测结果。
具体而言，在本实施例中，对反映同批次每一橡胶手套质量状况的所述第一质量检测结果进行权重赋值，对反应同批次橡胶手套质量波动离散程度的所述第二质量检测结果进行权重赋值。将所述第一质量检测结果与所述第一质量检测结果的权重赋值相乘，将所述第二质量检测结果与所述第二质量检测结果的权重赋值相乘，并进行加权计算求和，获得质量监测结果，所述质量检测结果从橡胶手套单一质量状况以及同批次橡胶手套整体质量波动状况两方面反映了橡胶手套胶浸涂层胶浸效果。
其中，权重赋值的过程可基于橡胶手套胶浸涂层工序领域内的专家进行，以获得较为准确的权重值，第一质量检测结果和第二质量检测结果对于橡胶手套胶浸涂层质量的重要性越大，则权重值越大，且二者的权重赋值之和为1。示例性地，第一质量检测结果的权重赋值为0.7，第二质量检测结果的权重赋值维0.3。
本实施例通过基于多个角度，采集获取待检测橡胶手套的图像信息，获得图像信息集合，为后续进行待检测橡胶手套以及同批次橡胶手套胶浸状况提供图像采集角度和足量图像，构建包括涂层分割分支和涂层监测分析层的胶浸涂层视觉检测模型，模型进行胶浸状况分析判断，提高橡胶手套检测效率，将所述图像信息集合输入所述涂层分割分支内进行语义分割，获得多个涂层语义分割结果；将所述多个涂层语义分割结果输入所述涂层监测分析层，获得胶浸涂层面积检测结果；获得预设涂层面积标准，结合所述胶浸涂层面积监测结果进行计算，获得第一质量检测结果；采集获取所述待检测橡胶手套的多个同批橡胶手套的图像信息集合，获得多个同批图像信息集合；对所述多个同批图像信息集合进行检测，获得多个同批第一质量检测结果；将获得的实际橡胶手套胶浸状况与标准状况进行比对并求出差异程度，便于直观获知当前批次橡胶手套的品控稳定性，计算所述第一质量检测结果和所述多个同批第一质量检测结果之间的稳定性，获得第二质量检测结果；对所述第一质量检测结果和所述第二质量检测结果进行加权计算求和，获得质量监测结果。达到了降低橡胶手套生产过程对于人工经验的依赖性，提高手套胶浸状况的检测效率和检测结果的准确度的技术效果。
进一步的，所述构建并监督训练获得所述涂层分割分支，本申请提供的方法步骤S210还包括：
S211:采集获取多个橡胶手套多个角度的图像信息，获得多个样本图像信息集合；
S212:对所述多个样本图像信息集合内的图像信息进行涂层图像分割，获得多个样本图像分割结果集合；
S213:基于全卷积神经网络模型，构建编码器和解码器；
S214:对所述多个样本图像信息集合和所述多个样本图像分割结果集合进行划分，获得第一训练集、第一验证集和第一测试集；
S215:采用所述第一训练集对所述编码器和所述解码器进行监督训练，在训练完成后，采用所述第一验证集和所述第一测试集对所述编码器和所述解码器进行验证和测试，若准确率符合预设要求，则获得所述涂层分割分支。
具体而言，在本实施例中，所述胶浸涂层视觉检测模型包括两个分支子模型，所述涂层分割分支用于对步骤S100获得的所述图像信息集合中每一角度的待检测橡胶手套图像信息进行语义分割，以使分割获得图像信息中的胶浸涂层区域以及其他区域，降低进行图像处理时单张图像的信息复杂度和信息量，提高检测效率。
优选的，所述涂层分割分支为基于全卷积神经网络模型构建的图像语义分割模型。具体进行所述涂层分割分支的构建及训练方法为，基于全卷积神经网络模型，构建编码器和解码器，采集获取多个橡胶手套多个角度的图像信息，获得多个样本图像信息集合，基于人工对所述多个样本图像信息集合内的图像信息进行高精度的涂层图像分割，分割获得多个样本图像信息内橡胶手套的胶浸涂层区域和其他区域，并对分割获得的区域进行标识，获得多个样本图像分割结果集合，作为训练所述涂层分割分支的训练数据、验证数据、测试数据。
具体的，对所述多个样本图像信息集合和所述多个样本图像分割结果集合进行划分，获得所述第一训练集作为所述涂层分割分支的训练数据，所述第一验证集作为对所述涂层分割分支进行训练的图像分割输出结果准确度进行验证的验证数据，所述第一测试集为对训练完成的所述涂层分割分支进行测试，确定所述涂层分割分支的输出结果准确度是否满足预设输出准确要求，所述涂层分割分支是否训练完成的参考。
采用所述第一训练集对所述编码器和所述解码器进行监督训练，在训练完成后，采用所述第一验证集和所述第一测试集对所述编码器和所述解码器进行验证和测试，若准确率符合预设要求，则将训练完成的编码器和解码器作为所述涂层分割分支。
本实施例通过采集与待检测橡胶手套设计规格具有相关性的多个橡胶手套多个角度的图像信息作为训练图像，并通过人工语义分割进行训练图像的高精度语义分割，根据人工语义分割结果以及分割训练图像对语义分割模型进行训练，获得了可对待检测橡胶手套的图像信息集合进行高精度图像语义分割的涂层分割分支。达到了对橡胶手套图像信息继续语义分割，获得胶浸涂层区域和其他区域，进而提升胶浸涂层面积计算准确性技术效果。
进一步的，如图3所示，所述构建并监督训练获得所述涂层监测分析层，本申请提供的方法步骤S220还包括：
S221:基于所述多个样本图像信息集合和所述多个样本图像分割结果集合，进行所述多个橡胶手套的涂层面积计算，获得多个样本涂层面积信息；
S222:对所述多个样本图像分割结果集合和所述多个样本图像面积信息进行划分，获得第二训练集、第二验证集和第二测试集；
S223:基于深度卷积神经网络，构建所述涂层监测分析层；
S224:采用所述第二训练集对所述涂层监测分析层进行监督训练，在训练完成后，采用所述第二验证集和所述第二测试集对所述涂层监测分析层进行验证和测试，若准确率符合预设要求，则获得所述涂层监测分析层。
具体而言，在本实施例中，所述涂层监测分析层用于进行所述待检测橡胶手套的表面胶浸涂层面积计算，在所述涂层分割分支对所述图像信息集合进行图像分割后，所述涂层监测分析层基于分割后的所述图像信息集合进行胶浸涂层面积计算。优选的，所述涂层监测分析层为基于深度卷积神经网络构建的图像面积计算模型。
具体进行所述涂层监测分析层的构建及训练方法为，基于深度卷积神经网络，构建所述涂层监测分析层，基于步骤S200获得的与所述待检测橡胶手套设计规格具有相关性的多个橡胶手套的所述多个样本图像信息集合和所述多个样本图像分割结果集合，进行所述多个橡胶手套的人工的胶浸涂层面积计算，获得多个样本涂层面积信息，所述多个样本图像分割结果集合内的每一图像分割结果在所述多个样本涂层面积信息中都有一一对应的样本涂层面积计算结果。
对所述多个样本图像分割结果集合和所述多个样本图像面积信息进行划分，获得所述第二训练集用于进行所述图像监测分析层的监督训练，所述第二验证集用于进行所述图像监测分析层训练输出的准确度验证，所述第二测试集用于测试训练完成的所述图像监测分析层输出结果的准确度是否满足预设准确度要求。
采用所述第二训练集对所述涂层监测分析层进行监督训练，在训练完成后，采用所述第二验证集和所述第二测试集对所述涂层监测分析层进行验证和测试，若准确率符合预设要求，则获得所述涂层监测分析层。
本实施例通过获得橡胶手套的图像分割结果以及与图像分割结果具有对应关系的分割图像面积计算结果作为训练数据对涂层监测分析层进行训练，获得了可基于待检测橡胶手套的图像信息进行胶浸涂层面积准确计算的涂层监测分析层。达到了准确、智能、高效的对待检测橡胶手套胶浸面积的进行计算的技术效果。
进一步的，连接所述涂层分割分支和所述涂层监测分析层，对所述涂层分割分支和所述涂层监测分析层进行联合训练，本申请提供的方法步骤S230还包括：
S231:连接所述涂层分割分支和所述涂层监测分析层，获得所述胶浸涂层视觉检测模型；
S232:对所述多个样本图像信息集合和所述多个样本涂层面积信息进行划分，获得第三训练集、第三验证集和第三测试集；
S233:采用所述第三训练集对所述胶浸涂层视觉检测模型进行监督训练，训练完成后，采用所述第三验证集和第三测试集进行验证和测试，若准确率符合预设要求，则获得所述胶浸涂层视觉检测模型。
具体而言，在本实施例中，将输出结果准确度符合预设要求的所述涂层分割分支和所述涂层监测分析层进行连接，获得所述胶浸涂层视觉检测模型。
对所述多个样本图像信息集合和所述多个样本涂层面积信息进行划分，获得所述第三训练集、第三验证集和第三测试集，所述第三训练集、第三验证集和第三测试集与所述第一训练集、第一验证集和第一测试集的数据用途具有一致性。所述第三训练集、第三验证集和第三测试集在所述胶浸涂层视觉检测模型中先输入所述涂层分割分支进行数据处理，所述涂层分割分支输出的数据处理结果作为所述涂层监测分析层的输入数据，在所述涂层监测分析层进一步的执行数据处理。
采用所述第三训练集对所述胶浸涂层视觉检测模型进行监督训练，训练完成后，采用所述第三验证集和第三测试集进行验证和测试，若准确率符合预设要求，则获得所述胶浸涂层视觉检测模型。
在本实施例通过分别训练所述胶浸涂层视觉检测模型的涂层分割分支以及涂层监测分析层，并在两个分支模型输出准确度达到预设要求后，进行联合训练，达到了提高所述胶浸涂层视觉检测模型中的涂层分割分支与涂层监测分析层的结合度，提高所述胶浸涂层视觉检测模型的输出结果准确度的技术效果。
实施例二
基于与前述实施例中一种橡胶手套胶浸涂层视觉监测方法相同的发明构思，如图4所示，本申请提供了一种橡胶手套胶浸涂层视觉监测系统，其中，所述系统包括：
多维图像采集模块11，用于基于多个角度，采集获取待检测橡胶手套的图像信息，获得图像信息集合；
检测模型构建模块12，用于构建胶浸涂层视觉检测模型，其中，所述胶浸涂层视觉检测模型包括涂层分割分支和涂层监测分析层；
语义分割执行模块13，用于将所述图像信息集合输入所述涂层分割分支内进行语义分割，获得多个涂层语义分割结果；
涂层监测分析模块14，用于将所述多个涂层语义分割结果输入所述涂层监测分析层，获得胶浸涂层面积检测结果；
质量检测执行模块15，用于获得预设涂层面积标准，结合所述胶浸涂层面积监测结果进行计算，获得第一质量检测结果；
同批图像采集模块16，用于采集获取所述待检测橡胶手套的多个同批橡胶手套的图像信息集合，获得多个同批图像信息集合；
同批质量检测模块17，用于对所述多个同批图像信息集合进行检测，获得多个同批第一质量检测结果；
检测结果比对模块18，用于计算所述第一质量检测结果和所述多个同批第一质量检测结果之间的稳定性，获得第二质量检测结果；
检测结果计算模块19，用于对所述第一质量检测结果和所述第二质量检测结果进行加权计算求和，获得质量监测结果。
进一步的，所述多维图像采集模块11还包括：
采集角度设定单元，用于获得多个预设角度；
图像采集执行单元，用于基于所述多个预设角度，采集获得所述待检测橡胶手套的多个角度图像信息；
采集图像集合单元，用于将所述多个角度图像信息作为所述图像信息集合。
进一步的，所述检测模型构建模块12还包括：
涂层分割训练单元，用于构建并监督训练获得所述涂层分割分支；
涂层监测分析单元，用于构建并监督训练获得所述涂层监测分析层；
联合训练执行单元，用于连接所述涂层分割分支和所述涂层监测分析层，对所述涂层分割分支和所述涂层监测分析层进行联合训练；
模型训练检测单元，用于对训练完成的所述胶浸涂层视觉监测模型进行验证和测试，若准确率符合预设要求，则获得胶浸涂层视觉监测模型。
进一步的，所述涂层分割训练单元还包括：
图像样本采集单元，用于采集获取多个橡胶手套多个角度的图像信息，获得多个样本图像信息集合；
涂层分割执行单元，用于对所述多个样本图像信息集合内的图像信息进行涂层图像分割，获得多个样本图像分割结果集合；
编码器和解码器构建单元，用于基于全卷积神经网络模型，构建编码器和解码器；
分割图像划分单元，用于对所述多个样本图像信息集合和所述多个样本图像分割结果集合进行划分，获得第一训练集、第一验证集和第一测试集；
涂层分割生成单元，用于采用所述第一训练集对所述编码器和所述解码器进行监督训练，在训练完成后，采用所述第一验证集和所述第一测试集对所述编码器和所述解码器进行验证和测试，若准确率符合预设要求，则获得所述涂层分割分支。
进一步的，所述涂层监测分析单元还包括：
涂层面积测算单元，用于基于所述多个样本图像信息集合和所述多个样本图像分割结果集合，进行所述多个橡胶手套的涂层面积计算，获得多个样本涂层面积信息；
面积划分执行单元，用于对所述多个样本图像分割结果集合和所述多个样本图像面积信息进行划分，获得第二训练集、第二验证集和第二测试集；
监测分析构建单元，用于基于深度卷积神经网络，构建所述涂层监测分析层；
监测分析训练单元，用于采用所述第二训练集对所述涂层监测分析层进行监督训练，在训练完成后，采用所述第二验证集和所述第二测试集对所述涂层监测分析层进行验证和测试，若准确率符合预设要求，则获得所述涂层监测分析层。
进一步的，所述联合训练执行单元还包括：
检测模型生成单元，用于连接所述涂层分割分支和所述涂层监测分析层，获得所述胶浸涂层视觉检测模型；
集合划分生成单元，用于对所述多个样本图像信息集合和所述多个样本涂层面积信息进行划分，获得第三训练集、第三验证集和第三测试集；
训练模型检测单元，用于采用所述第三训练集对所述胶浸涂层视觉检测模型进行监督训练，训练完成后，采用所述第三验证集和第三测试集进行验证和测试，若准确率符合预设要求，则获得所述胶浸涂层视觉检测模型。
进一步的，所述质量检测执行模块15还包括：
面积差值计算单元，用于计算所述胶浸涂层面积监测结果与所述预设涂层面积标准的差值；
面积比值计算单元，用于计算所述差值与所述预设涂层面积标准的比值，获得所述第一质量检测结果。
进一步的，所述检测结果比对模块18还包括：
结果偏差计算单元，用于计算所述第一质量检测结果和所述多个同批第一质量检测结果的方差；
计算结果输出单元，用于将所述方差作为所述第二质量检测结果。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中，通过各种不限类型的计算机处理器识别计算机指令或程序，进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作的任何改进和修饰，皆应落入本发明的专利保护范围。

Claims (9)

1.一种橡胶手套胶浸涂层视觉监测方法，其特征在于，所述方法包括：
基于多个角度，采集获取待检测橡胶手套的图像信息，获得图像信息集合；
构建胶浸涂层视觉检测模型，其中，所述胶浸涂层视觉检测模型包括涂层分割分支和涂层监测分析层；
将所述图像信息集合输入所述涂层分割分支内进行语义分割，获得多个涂层语义分割结果；
将所述多个涂层语义分割结果输入所述涂层监测分析层，获得胶浸涂层面积检测结果；
获得预设涂层面积标准，结合所述胶浸涂层面积监测结果进行计算，获得第一质量检测结果；
采集获取所述待检测橡胶手套的多个同批橡胶手套的图像信息集合，获得多个同批图像信息集合；
对所述多个同批图像信息集合进行检测，获得多个同批第一质量检测结果；
计算所述第一质量检测结果和所述多个同批第一质量检测结果之间的稳定性，获得第二质量检测结果；
对所述第一质量检测结果和所述第二质量检测结果进行加权计算求和，获得质量监测结果。
2.根据权利要求1所述的方法，其特征在于，所述基于多个角度，采集获取待检测橡胶手套的图像信息，包括：
获得多个预设角度；
基于所述多个预设角度，采集获得所述待检测橡胶手套的多个角度图像信息；
将所述多个角度图像信息作为所述图像信息集合。
3.根据权利要求1所述的方法，其特征在于，所述构建胶浸涂层视觉检测模型，包括：
构建并监督训练获得所述涂层分割分支；
构建并监督训练获得所述涂层监测分析层；
连接所述涂层分割分支和所述涂层监测分析层，对所述涂层分割分支和所述涂层监测分析层进行联合训练；
对训练完成的所述胶浸涂层视觉监测模型进行验证和测试，若准确率符合预设要求，则获得胶浸涂层视觉监测模型。
4.根据权利要求3所述的方法，其特征在于，所述构建并监督训练获得所述涂层分割分支，包括：
采集获取多个橡胶手套多个角度的图像信息，获得多个样本图像信息集合；
对所述多个样本图像信息集合内的图像信息进行涂层图像分割，获得多个样本图像分割结果集合；
基于全卷积神经网络模型，构建编码器和解码器；
对所述多个样本图像信息集合和所述多个样本图像分割结果集合进行划分，获得第一训练集、第一验证集和第一测试集；
采用所述第一训练集对所述编码器和所述解码器进行监督训练，在训练完成后，采用所述第一验证集和所述第一测试集对所述编码器和所述解码器进行验证和测试，若准确率符合预设要求，则获得所述涂层分割分支。
5.根据权利要求4所述的方法，其特征在于，所述构建并监督训练获得所述涂层监测分析层，包括：
基于所述多个样本图像信息集合和所述多个样本图像分割结果集合，进行所述多个橡胶手套的涂层面积计算，获得多个样本涂层面积信息；
对所述多个样本图像分割结果集合和所述多个样本图像面积信息进行划分，获得第二训练集、第二验证集和第二测试集；
基于深度卷积神经网络，构建所述涂层监测分析层；
采用所述第二训练集对所述涂层监测分析层进行监督训练，在训练完成后，采用所述第二验证集和所述第二测试集对所述涂层监测分析层进行验证和测试，若准确率符合预设要求，则获得所述涂层监测分析层。
6.根据权利要求5所述的方法，其特征在于，连接所述涂层分割分支和所述涂层监测分析层，对所述涂层分割分支和所述涂层监测分析层进行联合训练，包括：
连接所述涂层分割分支和所述涂层监测分析层，获得所述胶浸涂层视觉检测模型；
对所述多个样本图像信息集合和所述多个样本涂层面积信息进行划分，获得第三训练集、第三验证集和第三测试集；
采用所述第三训练集对所述胶浸涂层视觉检测模型进行监督训练，训练完成后，采用所述第三验证集和第三测试集进行验证和测试，若准确率符合预设要求，则获得所述胶浸涂层视觉检测模型。
7.根据权利要求1所述的方法，其特征在于，所述获得预设涂层面积标准，结合所述胶浸涂层面积监测结果进行计算，获得第一质量检测结果，包括：
计算所述胶浸涂层面积监测结果与所述预设涂层面积标准的差值；
计算所述差值与所述预设涂层面积标准的比值，获得所述第一质量检测结果。
8.根据权利要求1所述的方法，其特征在于，计算所述第一质量检测结果和所述多个同批第一质量检测结果之间的稳定性，包括：
计算所述第一质量检测结果和所述多个同批第一质量检测结果的方差；
将所述方差作为所述第二质量检测结果。
9.一种橡胶手套胶浸涂层视觉监测系统，其特征在于，所述系统包括：
多维图像采集模块，用于基于多个角度，采集获取待检测橡胶手套的图像信息，获得图像信息集合；
检测模型构建模块，用于构建胶浸涂层视觉检测模型，其中，所述胶浸涂层视觉检测模型包括涂层分割分支和涂层监测分析层；
语义分割执行模块，用于将所述图像信息集合输入所述涂层分割分支内进行语义分割，获得多个涂层语义分割结果；
涂层监测分析模块，用于将所述多个涂层语义分割结果输入所述涂层监测分析层，获得胶浸涂层面积检测结果；
质量检测执行模块，用于获得预设涂层面积标准，结合所述胶浸涂层面积监测结果进行计算，获得第一质量检测结果；
同批图像采集模块，用于采集获取所述待检测橡胶手套的多个同批橡胶手套的图像信息集合，获得多个同批图像信息集合；
同批质量检测模块，用于对所述多个同批图像信息集合进行检测，获得多个同批第一质量检测结果；
检测结果比对模块，用于计算所述第一质量检测结果和所述多个同批第一质量检测结果之间的稳定性，获得第二质量检测结果；
检测结果计算模块，用于对所述第一质量检测结果和所述第二质量检测结果进行加权计算求和，获得质量监测结果。
CN202211156750.9A 2022-09-22 2022-09-22 一种橡胶手套胶浸涂层视觉监测方法及系统 Active CN115239725B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211156750.9A CN115239725B (zh) 2022-09-22 2022-09-22 一种橡胶手套胶浸涂层视觉监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211156750.9A CN115239725B (zh) 2022-09-22 2022-09-22 一种橡胶手套胶浸涂层视觉监测方法及系统

Publications (2)

Publication Number Publication Date
CN115239725A true CN115239725A (zh) 2022-10-25
CN115239725B CN115239725B (zh) 2022-12-02

Family

ID=83667245

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211156750.9A Active CN115239725B (zh) 2022-09-22 2022-09-22 一种橡胶手套胶浸涂层视觉监测方法及系统

Country Status (1)

Country Link
CN (1) CN115239725B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115965604A (zh) * 2022-12-30 2023-04-14 平湖市凯鑫塑业股份有限公司 一种基于箱包配件的箱包安全监控方法及系统
CN115993344A (zh) * 2023-03-23 2023-04-21 苏州斌智科技有限公司 一种近红外光谱分析仪质量监测分析系统及方法
CN116228770A (zh) * 2023-05-09 2023-06-06 深蓝(天津)智能制造有限责任公司 一种管道泄漏的识别监测方法及系统
CN116309610A (zh) * 2023-05-25 2023-06-23 杭州易靓好车互联网科技有限公司 一种基于人工智能的车辆管理方法及系统
CN116934760A (zh) * 2023-09-18 2023-10-24 张家港大裕橡胶制品有限公司 用于橡胶手套防护性的监测告警方法及系统
CN117011293A (zh) * 2023-09-28 2023-11-07 山洋自动化设备(苏州)有限公司 一种产品包装质量检测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598858A (zh) * 2020-05-12 2020-08-28 上海大学 一种基于迁移学习的橡胶手套的检测方法及系统
CN113781458A (zh) * 2021-09-16 2021-12-10 厦门理工学院 一种基于人工智能的识别方法
CN114283112A (zh) * 2020-09-17 2022-04-05 赢创运营有限公司 涂层表面的定性或定量表征

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598858A (zh) * 2020-05-12 2020-08-28 上海大学 一种基于迁移学习的橡胶手套的检测方法及系统
CN114283112A (zh) * 2020-09-17 2022-04-05 赢创运营有限公司 涂层表面的定性或定量表征
CN114283111A (zh) * 2020-09-17 2022-04-05 赢创运营有限公司 涂层表面的定性或定量表征
CN113781458A (zh) * 2021-09-16 2021-12-10 厦门理工学院 一种基于人工智能的识别方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115965604A (zh) * 2022-12-30 2023-04-14 平湖市凯鑫塑业股份有限公司 一种基于箱包配件的箱包安全监控方法及系统
CN115965604B (zh) * 2022-12-30 2023-07-07 平湖市凯鑫塑业股份有限公司 一种基于箱包配件的箱包安全监控方法及系统
CN115993344A (zh) * 2023-03-23 2023-04-21 苏州斌智科技有限公司 一种近红外光谱分析仪质量监测分析系统及方法
CN116228770A (zh) * 2023-05-09 2023-06-06 深蓝(天津)智能制造有限责任公司 一种管道泄漏的识别监测方法及系统
CN116228770B (zh) * 2023-05-09 2023-09-01 深蓝(天津)智能制造有限责任公司 一种管道泄漏的识别监测方法及系统
CN116309610A (zh) * 2023-05-25 2023-06-23 杭州易靓好车互联网科技有限公司 一种基于人工智能的车辆管理方法及系统
CN116934760A (zh) * 2023-09-18 2023-10-24 张家港大裕橡胶制品有限公司 用于橡胶手套防护性的监测告警方法及系统
CN116934760B (zh) * 2023-09-18 2023-11-17 张家港大裕橡胶制品有限公司 用于橡胶手套防护性的监测告警方法及系统
CN117011293A (zh) * 2023-09-28 2023-11-07 山洋自动化设备(苏州)有限公司 一种产品包装质量检测方法及系统

Also Published As

Publication number Publication date
CN115239725B (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
CN115239725B (zh) 一种橡胶手套胶浸涂层视觉监测方法及系统
CN107657603B (zh) 一种基于智能视觉的工业外观检测方法
CN107885928B (zh) 考虑测量误差的步进应力加速性能退化可靠性分析方法
CN106779217B (zh) 空气质量检测方法和空气质量检测系统
CN106547265B (zh) 一种轨道交通电子控制装置的现场可靠性评估方法及系统
CN108920863A (zh) 一种机器人伺服系统能耗估计模型的建立方法
CN106934242B (zh) 基于交叉熵法的多模式下设备的健康度评估方法及系统
CN105868164B (zh) 一种基于有监督的线性动态系统模型的软测量建模方法
CN111414999A (zh) 一种设备运行状态的监测方法及装置
CN110298369A (zh) 一种电力系统不良数据的辨识方法及系统
CN108462708A (zh) 一种基于hdp-hmm的行为序列的建模和检测方法
CN111721834A (zh) 一种电缆局部放电在线监测缺陷辨识方法
CN117521512A (zh) 一种基于多尺度贝叶斯卷积Transformer模型的轴承剩余使用寿命预测方法
CN117139093A (zh) 一种基于人工神经网络的热喷涂方法及系统
CN118130533A (zh) 一种耐热橡胶手套的生产质量检测方法及系统
CN111241629A (zh) 基于数据驱动的飞机液压泵性能变化趋势智能预测方法
CN117113260B (zh) 基于数据分析的智能贴合设备故障预警系统
CN115346034B (zh) 一种基于5g网络的机器人远程诊断与维护方法及系统
CN109616201B (zh) 一种基于小数据动态预测模型的疲劳预警方法
CN109614758A (zh) 具有空间相关性的圆形形状误差的监控方法
JP2024537079A (ja) 対象物の表面欠陥および疲労試験を受けたブレーキディスクのクラックを人工知能によって識別し特徴付ける方法
CN113743707B (zh) 一种基于均匀分布的产品可信度计算方法
CN114266776A (zh) 一种应用复合裂纹位移场函数的数字图像相关方法
CN114594106A (zh) 一种铜管电镀工艺的实时监测方法及系统
CN114387545A (zh) 基于前馈网络的角膜生物力学特性的智能检测方法

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