CN115294132B - 一种阳极氧化层缺陷评估优化方法及系统 - Google Patents
一种阳极氧化层缺陷评估优化方法及系统 Download PDFInfo
- Publication number
- CN115294132B CN115294132B CN202211224054.7A CN202211224054A CN115294132B CN 115294132 B CN115294132 B CN 115294132B CN 202211224054 A CN202211224054 A CN 202211224054A CN 115294132 B CN115294132 B CN 115294132B
- Authority
- CN
- China
- Prior art keywords
- oxide layer
- information
- defect
- anodic
- anodic oxide
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 249
- 239000010407 anodic oxide Substances 0.000 title claims abstract description 153
- 238000011156 evaluation Methods 0.000 title claims abstract description 102
- 238000005457 optimization Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013210 evaluation model Methods 0.000 claims abstract description 95
- 238000012360 testing method Methods 0.000 claims abstract description 77
- 238000004458 analytical method Methods 0.000 claims abstract description 75
- 239000000126 substance Substances 0.000 claims abstract description 43
- 230000011218 segmentation Effects 0.000 claims abstract description 28
- 230000004075 alteration Effects 0.000 claims abstract description 15
- 238000007705 chemical test Methods 0.000 claims abstract description 12
- 238000011056 performance test Methods 0.000 claims abstract description 9
- 238000004040 coloring Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 18
- 230000003647 oxidation Effects 0.000 claims description 13
- 238000007254 oxidation reaction Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000007797 corrosion Effects 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 2
- 239000011248 coating agent Substances 0.000 abstract description 16
- 238000000576 coating method Methods 0.000 abstract description 16
- 230000000694 effects Effects 0.000 abstract description 8
- 229910052782 aluminium Inorganic materials 0.000 description 5
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000005868 electrolysis reaction Methods 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010298 pulverizing process Methods 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种阳极氧化层缺陷评估优化方法及系统，涉及氧化层测试分析技术领域，所述方法包括：对阳极氧化层图像信息进行区域分割和色彩分析，获得氧化层外观特征信息和氧化层色差分析信息；对待评估阳极氧化层进行理化测试分析，获得氧化层理化性能测试系数；基于氧化层应用层级信息对氧化层缺陷评估模型进行优化更新，获得氧化层缺陷优化评估模型；将所述氧化层外观特征信息、氧化层色差分析信息、氧化层理化性能测试信息输入至氧化层缺陷优化评估模型中，获得阳极氧化层缺陷信息，并基于阳极氧化层缺陷信息对待评估阳极氧化层进行优化处理。达到提高氧化层缺陷评估结果的准确性和评估效率，进而保证覆层制品应用质量的技术效果。
Description
技术领域
本发明涉及氧化层测试分析技术领域，尤其涉及一种阳极氧化层缺陷评估优化方法及系统。
背景技术
阳极氧化是一种电解氧化过程，可在铝表面上沉积化学稳定的氧化物层，所得的氧化膜比铝的天然氧化物覆盖层厚且强。阳极氧化层具有保护性、装饰性以及一些其他的功能特性，是金属表面不可或缺的一部分，因此不会剥离或剥落。一旦沉积，可以在密封之前以多种方式对氧化膜进行着色，广泛用于机械零件，飞机汽车部件，精密仪器及无线电器材，日用品和建筑装饰等方面，因此，阳极氧化层的缺陷评估处理对保证覆层质量有着重要的现实意义。
然而，现有技术对阳极氧化层的缺陷评估不够及时准确，导致影响覆层制品应用质量的技术问题。
发明内容
本申请通过提供一种阳极氧化层缺陷评估优化方法及系统，解决了现有技术对阳极氧化层的缺陷评估不够及时准确，导致影响覆层制品应用质量的技术问题，达到通过结合多维度特征构建缺陷优化评估模型，对阳极氧化层进行缺陷评估，提高氧化层缺陷评估结果的准确性和评估效率，进而保证覆层制品应用质量的技术效果。
鉴于上述问题，本发明提供了一种阳极氧化层缺陷评估优化方法及系统。
第一方面，本申请提供了一种阳极氧化层缺陷评估优化方法，所述方法包括：通过图像采集装置对待评估阳极氧化层进行图像采集，获取阳极氧化层图像信息；对所述阳极氧化层图像信息进行区域分割，获得氧化层外观特征信息；基于氧化层着色标准对所述阳极氧化层图像信息进行色彩分析，获得氧化层色差分析信息；对所述待评估阳极氧化层进行多维度理化测试分析，获得氧化层理化性能测试系数；获得历史氧化层数据信息，基于所述历史氧化层数据信息搭建氧化层缺陷评估模型；获得氧化层应用层级信息，基于所述氧化层应用层级信息对所述氧化层缺陷评估模型进行优化更新，获得氧化层缺陷优化评估模型；将所述氧化层外观特征信息、所述氧化层色差分析信息、所述氧化层理化性能测试信息输入至所述氧化层缺陷优化评估模型中，获得阳极氧化层缺陷信息，并基于所述阳极氧化层缺陷信息对所述待评估阳极氧化层进行优化处理。
另一方面，本申请还提供了一种阳极氧化层缺陷评估优化系统，所述系统包括：图像采集模块，用于通过图像采集装置对待评估阳极氧化层进行图像采集，获取阳极氧化层图像信息；区域分割模块，用于对所述阳极氧化层图像信息进行区域分割，获得氧化层外观特征信息；色差分析模块，用于基于氧化层着色标准对所述阳极氧化层图像信息进行色彩分析，获得氧化层色差分析信息；理化测试分析模块，用于对所述待评估阳极氧化层进行多维度理化测试分析，获得氧化层理化性能测试系数；模型搭建模块，用于获得历史氧化层数据信息，基于所述历史氧化层数据信息搭建氧化层缺陷评估模型；优化更新模块，用于获得氧化层应用层级信息，基于所述氧化层应用层级信息对所述氧化层缺陷评估模型进行优化更新，获得氧化层缺陷优化评估模型；优化处理模块，用于将所述氧化层外观特征信息、所述氧化层色差分析信息、所述氧化层理化性能测试信息输入至所述氧化层缺陷优化评估模型中，获得阳极氧化层缺陷信息，并基于所述阳极氧化层缺陷信息对所述待评估阳极氧化层进行优化处理。
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：
由于采用了对阳极氧化层图像信息进行区域分割，获得氧化层外观特征信息，再基于氧化层着色标准对阳极氧化层图像信息进行色彩分析，获得氧化层色差分析信息，对所述待评估阳极氧化层进行多维度理化测试分析，获得氧化层理化性能测试系数，然后基于历史氧化层数据信息搭建氧化层缺陷评估模型，再基于氧化层应用层级信息对所述氧化层缺陷评估模型进行优化更新，获得氧化层缺陷优化评估模型，最后将所述氧化层外观特征信息、氧化层色差分析信息、氧化层理化性能测试信息输入至所述氧化层缺陷优化评估模型中，获得阳极氧化层缺陷信息，并基于所述阳极氧化层缺陷信息对待评估阳极氧化层进行优化处理的技术方案。进而达到了通过结合多维度特征构建缺陷优化评估模型，对阳极氧化层进行缺陷评估，提高氧化层缺陷评估结果的准确性和评估效率，进而保证覆层制品应用质量的技术效果。
附图说明
图1为本申请一种阳极氧化层缺陷评估优化方法的流程示意图；
图2为本申请一种阳极氧化层缺陷评估优化方法中获得氧化层外观特征信息的流程示意图；
图3为本申请一种阳极氧化层缺陷评估优化方法中获得氧化层色差分析信息的流程示意图；
图4为本申请一种阳极氧化层缺陷评估优化系统的结构示意图；
附图标记说明：图像采集模块11，区域分割模块12，色差分析模块13，理化测试分析模块14，模型搭建模块15，优化更新模块16，优化处理模块17。
具体实施方式
本申请通过提供了一种阳极氧化层缺陷评估优化方法系统，解决了现有技术对阳极氧化层的缺陷评估不够及时准确，导致影响覆层制品应用质量的技术问题，达到了通过结合多维度特征构建缺陷优化评估模型，对阳极氧化层进行缺陷评估，提高氧化层缺陷评估结果的准确性和评估效率，进而保证覆层制品应用质量的技术效果。
实施例一
如图1所示，本申请提供了一种阳极氧化层缺陷评估优化方法，所述方法应用于一阳极氧化层缺陷评估系统，所述系统包括一图像采集装置，所述方法包括：
步骤S100：通过所述图像采集装置对待评估阳极氧化层进行图像采集，获取阳极氧化层图像信息；
具体而言，阳极氧化是一种电解氧化过程，可在铝表面上沉积化学稳定的氧化物层，所得的氧化膜比铝的天然氧化物覆盖层厚且强。阳极氧化层具有保护性、装饰性以及一些其他的功能特性，是金属表面不可或缺的一部分，因此不会剥离或剥落。一旦沉积，可以在密封之前以多种方式对氧化膜进行着色，广泛用于机械零件，飞机汽车部件，精密仪器及无线电器材，日用品和建筑装饰等方面，因此，阳极氧化层的缺陷评估处理对保证覆层质量有着重要的现实意义。
首先通过图像采集装置对待评估阳极氧化层进行图像采集，所述图像采集装置可优选为工业照相机进行多角度采集，以此获取阳极氧化层图像信息，所述阳极氧化层图像信息为氧化层表面结构图像信息，包括氧化层光泽、色泽、覆层分布等。
步骤S200：对所述阳极氧化层图像信息进行区域分割，获得氧化层外观特征信息；
如图2所示，进一步而言，所述对所述阳极氧化层图像信息进行区域分割，获得氧化层外观特征信息，本申请步骤S200还包括：
步骤S210：对所述阳极氧化层图像信息进行图像增强，获得预处理氧化层图像信息；
步骤S220：获得所述待评估阳极氧化层的氧化制品几何结构，按照所述氧化制品几何结构对所述预处理氧化层图像信息进行区域分割，获得结构分割区域信息；
步骤S230：按照所述结构分割区域信息对所述预处理氧化层图像信息进行光泽度、孔洞值评价，获得氧化层外观评价信息集合；
步骤S240：对所述氧化层外观评价信息集合中的各评价信息进行特征融合，获得所述氧化层外观特征信息。
具体而言，对采集获取的阳极氧化层图像信息进行图像增强，图像增强为增强氧化层图像中的有用信息，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰，可采用尺度变换、对比度变换、噪声扰动、颜色变换等一种或多种组合数据增强变换的方式进行图像增强，以此获得处理后的预处理氧化层图像信息。
所述待评估阳极氧化层的氧化制品几何结构为氧化层覆膜的金属制品或合金制品，按照所述氧化制品几何结构对所述预处理氧化层图像信息进行区域分割，同一几何结构可划分为同一区域，获得相应的结构分割区域信息。按照所述结构分割区域信息分别对所述预处理氧化层图像信息进行光泽度、孔洞值评价，光泽度、孔洞值为是氧化层的表面平滑信息和表面孔洞缺陷信息，通过图像特征提取获得氧化层外观评价信息集合，即各结构分割区域的氧化层表面评价信息。
对所述氧化层外观评价信息集合中的各评价信息进行特征融合，获得阳极氧化层的综合表面特征评价信息即所述氧化层外观特征信息。通过对阳极氧化层进行外观特征评价，确定外观表面缺陷特征，进而提高氧化层缺陷评估结果的准确性和全面性。
步骤S300：基于氧化层着色标准对所述阳极氧化层图像信息进行色彩分析，获得氧化层色差分析信息；
如图3所示，进一步而言，所述基于氧化层着色标准对所述阳极氧化层图像信息进行色彩分析，获得氧化层色差分析信息，本申请步骤S300还包括：
步骤S310：对所述阳极氧化层图像信息进行色彩空间转换，获得显示空间氧化层图像信息；
步骤S320：对所述显示空间氧化层图像信息进行颜色编码，获得氧化层图像色域信息；
步骤S330：基于所述氧化层着色标准对所述氧化层图像色域信息进行色差比对，获得氧化层色差比对信息；
步骤S340：按照预定色彩权重值对所述氧化层色差比对信息进行加权计算，获得所述氧化层色差分析信息。
具体而言，基于氧化层着色标准对所述阳极氧化层图像信息进行色彩分析，所述氧化层着色标准为目标需求着色标准。具体过程为首先对所述阳极氧化层图像信息进行色彩空间转换，色彩空间是定义的颜色范围，常用的色彩空间包括CMYK色彩空间，RGB色彩空间，Lab色彩空间等，转换为机器视觉所用显示空间如CMYK色彩空间，通过转换函数获得显示空间氧化层图像信息。对所述显示空间氧化层图像信息进行颜色编码，即对氧化层图像信息的色彩信息进行数值转换，获得显示空间目标色域的氧化层图像色域信息，所述氧化层图像色域信息为氧化层图像包含的色彩范围数值信息。
基于所述氧化层着色标准对所述氧化层图像色域信息进行色差比对，即采用色差公式与目标着色标准进行色彩偏差比对，计算获得氧化层色差比对信息，色差比对信息越大，表明氧化层图像着色偏差越大。按照预定色彩权重值对所述氧化层色差比对信息进行加权计算，所述预定权重值是根据不同图像色彩区域对整体图像的色差影响的程度，设定的在进行色差计算时所占的比重，也可自行设定，以此计算获得所述氧化层色差分析信息，所述氧化层色差分析信息反映了图像色彩表现与标准着色氧化层的偏差情况。通过对阳极氧化层进行色彩偏差评价，提高氧化层缺陷评估结果的准确性和全面性。
步骤S400：对所述待评估阳极氧化层进行多维度理化测试分析，获得氧化层理化性能测试系数；
进一步而言，所述对所述待评估阳极氧化层进行多维度理化测试分析，获得氧化层理化性能测试系数，本申请步骤S400还包括：
步骤S410：构建氧化层理化测试指标集合，所述氧化层理化测试指标集合包括氧化膜厚度、氧化层硬度、耐磨度、耐腐蚀性；
步骤S420：按照所述氧化层理化测试指标集合对所述待评估阳极氧化层进行多维度评价，获得氧化层理化性能评分矩阵；
步骤S430：构建理化性能测试网状图，将所述氧化层理化性能评分矩阵中的元素值投影至所述理化性能测试网状图，获得理化性能评分网状图；
步骤S440：基于所述理化性能评分网状图的面积值，获得所述氧化层理化性能测试系数。
具体而言，对所述待评估阳极氧化层进行多维度理化测试分析，首先构建氧化层理化测试指标集合，所述氧化层理化测试指标集合包括氧化膜厚度、氧化层硬度、耐磨度、耐腐蚀性等。按照所述氧化层理化测试指标集合对所述待评估阳极氧化层进行多维度评价，优选的可通过质量损失法、压痕硬度实验、磨损试验、耐酸耐碱腐蚀试验等依次测试得到阳极氧化层的氧化膜厚度、氧化层硬度、耐磨度、耐腐蚀性，并对各理化性能进行评分，获得对应的氧化层理化性能评分矩阵。为直观体现氧化层理化性能情况，构建理化性能测试网状图来可视化体现氧化层理化性能测试情况，将所述氧化层理化性能评分矩阵中的元素值投影至所述理化性能测试网状图中，获得对应的理化性能评分网状图，所述理化性能评分网状图的维度数量与所述氧化层理化测试指标集合中的指标对应。
最后将所述理化性能评分网状图所围成的面积值，作为化层理化性能测试系数，用于表明氧化层的理化测试性能，系数越高，表明氧化层的理化性能越强。通过对氧化层理化性能进行多维度测试评价和评分网状图可视化体现，使得测试评价结果更加准确合理，准确直观。
步骤S500：获得历史氧化层数据信息，基于所述历史氧化层数据信息搭建氧化层缺陷评估模型；
进一步而言，所述搭建氧化层缺陷评估模型，本申请步骤S500还包括：
步骤S510：将所述历史氧化层数据信息作为模型样本信息进行标识；
步骤S520：对标识后的所述模型样本信息按照预定比例进行划分，获得训练集、验证集和测试集；
步骤S530：基于所述训练集进行神经网络模型监督训练，获得基础氧化层缺陷评估模型；
步骤S540：基于所述验证集和所述测试集对所述基础氧化层缺陷评估模型进行验证和测试，直到模型分析准确率达到预设准确率，获得所述氧化层缺陷评估模型。
具体而言，所述历史氧化层数据信息包括历史阳极氧化层的外观特征信息，色彩信息、理化性能数据信息以及氧化层缺陷检测结果等，基于所述历史氧化层数据信息进行神经网络模型训练。具体为将所述历史氧化层数据信息作为模型样本信息进行标识，对标识后的所述模型样本信息按照预定比例进行划分，分别获得训练集、验证集和测试集，示例性的，可按照6:2:2的数据比例进行训练集、验证集和测试集的划分。
基于所述训练集进行神经网络模型监督训练，获得初始训练模型即基础氧化层缺陷评估模型，再基于所述验证集和所述测试集对所述基础氧化层缺陷评估模型进行验证和测试，直到模型分析准确率达到预设准确率，所述预设准确率可自行设定，确保模型评估准确性，以此搭建获得氧化层缺陷评估模型，所述氧化层缺陷评估模型用于对氧化层进行通用缺陷评估。通过历史数据对模型进行训练验证，确保评估模型的输出准确性，进而提高氧化层缺陷评估结果的准确性和评估效率。
步骤S600：获得氧化层应用层级信息，基于所述氧化层应用层级信息对所述氧化层缺陷评估模型进行优化更新，获得氧化层缺陷优化评估模型；
具体而言，所述氧化层应用层级信息为该阳极氧化层的应用质量等级，层级不同，对其质量应用标准也不同。基于所述氧化层应用层级信息对所述氧化层缺陷评估模型进行优化更新，训练获得氧化层缺陷优化评估模型，所述氧化层缺陷优化评估模型为该阳极氧化层的个性化评估模型，缺陷评估结果更加合理准确。
步骤S700：将所述氧化层外观特征信息、所述氧化层色差分析信息、所述氧化层理化性能测试信息输入至所述氧化层缺陷优化评估模型中，获得阳极氧化层缺陷信息，并基于所述阳极氧化层缺陷信息对所述待评估阳极氧化层进行优化处理。
进一步而言，所述获得阳极氧化层缺陷信息，本申请步骤S700还包括：
步骤S710：所述氧化层缺陷优化评估模型为三维缺陷评估模型，包括氧化层外观缺陷评估模型、氧化层色差缺陷评估模型和氧化层理化性能缺陷评估模型；
步骤S720：将所述氧化层外观特征信息、所述氧化层色差分析信息、所述氧化层理化性能测试信息分别输入至所述氧化层外观缺陷评估模型、氧化层色差缺陷评估模型和氧化层理化性能缺陷评估模型中；
步骤S730：基于所述氧化层缺陷优化评估模型，分别获得氧化层外观缺陷评估结果、氧化层色差缺陷评估结果和氧化层理化性能缺陷评估结果；
步骤S740：基于所述氧化层外观缺陷评估结果、氧化层色差缺陷评估结果和氧化层理化性能缺陷评估结果，输出所述阳极氧化层缺陷信息。
进一步而言，所述基于所述阳极氧化层缺陷信息对所述待评估阳极氧化层进行优化处理，本申请步骤S700还包括：
步骤S750：根据所述阳极氧化层缺陷信息，确定氧化层缺陷类型和氧化层缺陷区域；
步骤S760：基于所述氧化层缺陷类型和所述氧化层缺陷区域进行生成原因分析，获得氧化层缺陷生成原因；
步骤S770：制定阳极氧化层缺陷解决方案库，基于所述氧化层缺陷生成原因和所述阳极氧化层缺陷解决方案库进行匹配，获得阳极氧化层缺陷处理方案；
步骤S780：基于所述阳极氧化层缺陷处理方案对所述待评估阳极氧化层进行优化处理。
具体而言，将所述氧化层外观特征信息、所述氧化层色差分析信息、所述氧化层理化性能测试信息输入至所述氧化层缺陷优化评估模型中，所述氧化层缺陷优化评估模型为三维缺陷评估模型，包括氧化层外观缺陷评估模型、氧化层色差缺陷评估模型和氧化层理化性能缺陷评估模型。将所述氧化层外观特征信息、所述氧化层色差分析信息、所述氧化层理化性能测试信息分别输入至所述氧化层外观缺陷评估模型、氧化层色差缺陷评估模型和氧化层理化性能缺陷评估模型中进行评估，基于所述氧化层缺陷优化评估模型，分别获得各模型输出的氧化层外观缺陷评估结果、氧化层色差缺陷评估结果和氧化层理化性能缺陷评估结果，用于表明氧化层的各特征缺陷分析结果。基于所述氧化层外观缺陷评估结果、氧化层色差缺陷评估结果和氧化层理化性能缺陷评估结果进行综合评定，输出所述阳极氧化层缺陷信息。
基于所述阳极氧化层缺陷信息对所述待评估阳极氧化层进行优化处理，具体为根据所述阳极氧化层缺陷信息，确定氧化层缺陷类型和氧化层缺陷区域，缺陷类型包括氧化层厚度不够，存在色差、脱落等。基于所述氧化层缺陷类型和所述氧化层缺陷区域进行生成原因分析，通过缺陷表现特征获得氧化层缺陷生成原因，示例性的，生成原因为在高温、高浓度的电解液中长时间电解，或者电解后长时间浸渍，膜层化学溶解而粉化。
制定阳极氧化层缺陷解决方案库，所述阳极氧化层缺陷解决方案库为基于氧化层所出现的缺陷类型所制定的针对性方案库，基于所述氧化层缺陷生成原因和所述阳极氧化层缺陷解决方案库进行匹配，获得该缺陷类型多对应的阳极氧化层缺陷处理方案，示例性的，氧化层缺陷解决处理方案为调低电解液浓度、温度、调低铝离子量和缩短浸泡时间等。基于所述阳极氧化层缺陷处理方案对所述待评估阳极氧化层的缺陷进行优化处理，氧化层缺陷解决针对性强、解决效率高，进而保证覆层制品应用质量。
综上所述，本申请所提供的一种阳极氧化层缺陷评估优化方法及系统具有如下技术效果：
由于采用了对阳极氧化层图像信息进行区域分割，获得氧化层外观特征信息，再基于氧化层着色标准对阳极氧化层图像信息进行色彩分析，获得氧化层色差分析信息，对所述待评估阳极氧化层进行多维度理化测试分析，获得氧化层理化性能测试系数，然后基于历史氧化层数据信息搭建氧化层缺陷评估模型，再基于氧化层应用层级信息对所述氧化层缺陷评估模型进行优化更新，获得氧化层缺陷优化评估模型，最后将所述氧化层外观特征信息、氧化层色差分析信息、氧化层理化性能测试信息输入至所述氧化层缺陷优化评估模型中，获得阳极氧化层缺陷信息，并基于所述阳极氧化层缺陷信息对待评估阳极氧化层进行优化处理的技术方案。进而达到了通过结合多维度特征构建缺陷优化评估模型，对阳极氧化层进行缺陷评估，提高氧化层缺陷评估结果的准确性和评估效率，进而保证覆层制品应用质量的技术效果。
实施例二
基于与前述实施例中一种阳极氧化层缺陷评估优化方法同样发明构思，本发明还提供了一种阳极氧化层缺陷评估优化系统，如图4所示，所述系统包括：
图像采集模块11，用于通过图像采集装置对待评估阳极氧化层进行图像采集，获取阳极氧化层图像信息；
区域分割模块12，用于对所述阳极氧化层图像信息进行区域分割，获得氧化层外观特征信息；
色差分析模块13，用于基于氧化层着色标准对所述阳极氧化层图像信息进行色彩分析，获得氧化层色差分析信息；
理化测试分析模块14，用于对所述待评估阳极氧化层进行多维度理化测试分析，获得氧化层理化性能测试系数；
模型搭建模块15，用于获得历史氧化层数据信息，基于所述历史氧化层数据信息搭建氧化层缺陷评估模型；
优化更新模块16，用于获得氧化层应用层级信息，基于所述氧化层应用层级信息对所述氧化层缺陷评估模型进行优化更新，获得氧化层缺陷优化评估模型；
优化处理模块17，用于将所述氧化层外观特征信息、所述氧化层色差分析信息、所述氧化层理化性能测试信息输入至所述氧化层缺陷优化评估模型中，获得阳极氧化层缺陷信息，并基于所述阳极氧化层缺陷信息对所述待评估阳极氧化层进行优化处理。
进一步的，所述区域分割模块还包括：
图像增强单元，用于对所述阳极氧化层图像信息进行图像增强，获得预处理氧化层图像信息；
分割区域获得单元，用于获得所述待评估阳极氧化层的氧化制品几何结构，按照所述氧化制品几何结构对所述预处理氧化层图像信息进行区域分割，获得结构分割区域信息；
氧化层外观评价单元，用于按照所述结构分割区域信息对所述预处理氧化层图像信息进行光泽度、孔洞值评价，获得氧化层外观评价信息集合；
特征融合单元，用于对所述氧化层外观评价信息集合中的各评价信息进行特征融合，获得所述氧化层外观特征信息。
进一步的，所述色差分析模块还包括：
色彩空间转换单元，用于对所述阳极氧化层图像信息进行色彩空间转换，获得显示空间氧化层图像信息；
颜色编码单元，用于对所述显示空间氧化层图像信息进行颜色编码，获得氧化层图像色域信息；
色差比对单元，用于基于所述氧化层着色标准对所述氧化层图像色域信息进行色差比对，获得氧化层色差比对信息；
色差加权计算单元，用于按照预定色彩权重值对所述氧化层色差比对信息进行加权计算，获得所述氧化层色差分析信息。
进一步的，所述理化测试分析模块还包括：
测试指标集合构建单元，用于构建氧化层理化测试指标集合，所述氧化层理化测试指标集合包括氧化膜厚度、氧化层硬度、耐磨度、耐腐蚀性；
多维度评价单元，用于按照所述氧化层理化测试指标集合对所述待评估阳极氧化层进行多维度评价，获得氧化层理化性能评分矩阵；
评分网状图获得单元，用于构建理化性能测试网状图，将所述氧化层理化性能评分矩阵中的元素值投影至所述理化性能测试网状图，获得理化性能评分网状图；
理化性能测试系数获得单元，用于基于所述理化性能评分网状图的面积值，获得所述氧化层理化性能测试系数。
进一步的，所述模型搭建模块还包括：
样本标识单元，用于将所述历史氧化层数据信息作为模型样本信息进行标识；
样本比例划分单元，用于对标识后的所述模型样本信息按照预定比例进行划分，获得训练集、验证集和测试集；
模型训练单元，用于基于所述训练集进行神经网络模型监督训练，获得基础氧化层缺陷评估模型；
模型获得单元，用于基于所述验证集和所述测试集对所述基础氧化层缺陷评估模型进行验证和测试，直到模型分析准确率达到预设准确率，获得所述氧化层缺陷评估模型。
进一步的，所述优化处理模块还包括：
模型搭建单元，用于所述氧化层缺陷优化评估模型为三维缺陷评估模型，包括氧化层外观缺陷评估模型、氧化层色差缺陷评估模型和氧化层理化性能缺陷评估模型；
模型输入单元，用于将所述氧化层外观特征信息、所述氧化层色差分析信息、所述氧化层理化性能测试信息分别输入至所述氧化层外观缺陷评估模型、氧化层色差缺陷评估模型和氧化层理化性能缺陷评估模型中；
评估结果获得单元，用于基于所述氧化层缺陷优化评估模型，分别获得氧化层外观缺陷评估结果、氧化层色差缺陷评估结果和氧化层理化性能缺陷评估结果；
模型输出单元，用于基于所述氧化层外观缺陷评估结果、氧化层色差缺陷评估结果和氧化层理化性能缺陷评估结果，输出所述阳极氧化层缺陷信息。
进一步的，所述优化处理模块还包括：
应用环境信息获得单元，用于根据所述阳极氧化层缺陷信息，确定氧化层缺陷类型和氧化层缺陷区域；
环境影响分析单元，用于基于所述氧化层缺陷类型和所述氧化层缺陷区域进行生成原因分析，获得氧化层缺陷生成原因；
损失预测单元，用于制定阳极氧化层缺陷解决方案库，基于所述氧化层缺陷生成原因和所述阳极氧化层缺陷解决方案库进行匹配，获得阳极氧化层缺陷处理方案；
调整修正单元，用于基于所述阳极氧化层缺陷处理方案对所述待评估阳极氧化层进行优化处理。
本申请提供了一种阳极氧化层缺陷评估优化方法，所述方法包括：通过图像采集装置对待评估阳极氧化层进行图像采集，获取阳极氧化层图像信息；对所述阳极氧化层图像信息进行区域分割，获得氧化层外观特征信息；基于氧化层着色标准对所述阳极氧化层图像信息进行色彩分析，获得氧化层色差分析信息；对所述待评估阳极氧化层进行多维度理化测试分析，获得氧化层理化性能测试系数；获得历史氧化层数据信息，基于所述历史氧化层数据信息搭建氧化层缺陷评估模型；获得氧化层应用层级信息，基于所述氧化层应用层级信息对所述氧化层缺陷评估模型进行优化更新，获得氧化层缺陷优化评估模型；将所述氧化层外观特征信息、所述氧化层色差分析信息、所述氧化层理化性能测试信息输入至所述氧化层缺陷优化评估模型中，获得阳极氧化层缺陷信息，并基于所述阳极氧化层缺陷信息对所述待评估阳极氧化层进行优化处理。解决了现有技术对阳极氧化层的缺陷评估不够及时准确，导致影响覆层制品应用质量的技术问题。达到通过结合多维度特征构建缺陷优化评估模型，对阳极氧化层进行缺陷评估，提高氧化层缺陷评估结果的准确性和评估效率，进而保证覆层制品应用质量的技术效果。
本说明书和附图仅仅是本申请的示例性说明，如果本发明的修改和变型属于本发明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 (6)
1.一种阳极氧化层缺陷评估优化方法，其特征在于，所述方法应用于一阳极氧化层缺陷评估系统，所述系统包括一图像采集装置，所述方法包括：
通过所述图像采集装置对待评估阳极氧化层进行图像采集，获取阳极氧化层图像信息；
对所述阳极氧化层图像信息进行区域分割，获得氧化层外观特征信息；
基于氧化层着色标准对所述阳极氧化层图像信息进行色彩分析，获得氧化层色差分析信息；
对所述待评估阳极氧化层进行多维度理化测试分析，获得氧化层理化性能测试系数；
获得历史氧化层数据信息，基于所述历史氧化层数据信息搭建氧化层缺陷评估模型；
获得氧化层应用层级信息，基于所述氧化层应用层级信息对所述氧化层缺陷评估模型进行优化更新，获得氧化层缺陷优化评估模型；
将所述氧化层外观特征信息、所述氧化层色差分析信息、所述氧化层理化性能测试信息输入至所述氧化层缺陷优化评估模型中，获得阳极氧化层缺陷信息，并基于所述阳极氧化层缺陷信息对所述待评估阳极氧化层进行优化处理；
所述基于氧化层着色标准对所述阳极氧化层图像信息进行色彩分析，获得氧化层色差分析信息，包括：
对所述阳极氧化层图像信息进行色彩空间转换，获得显示空间氧化层图像信息；
对所述显示空间氧化层图像信息进行颜色编码，获得氧化层图像色域信息；
基于所述氧化层着色标准对所述氧化层图像色域信息进行色差比对，获得氧化层色差比对信息；
按照预定色彩权重值对所述氧化层色差比对信息进行加权计算，获得所述氧化层色差分析信息；
所述对所述待评估阳极氧化层进行多维度理化测试分析，获得氧化层理化性能测试系数，包括：
构建氧化层理化测试指标集合，所述氧化层理化测试指标集合包括氧化膜厚度、氧化层硬度、耐磨度、耐腐蚀性；
按照所述氧化层理化测试指标集合对所述待评估阳极氧化层进行多维度评价，获得氧化层理化性能评分矩阵；
构建理化性能测试网状图，将所述氧化层理化性能评分矩阵中的元素值投影至所述理化性能测试网状图，获得理化性能评分网状图；
基于所述理化性能评分网状图的面积值，获得所述氧化层理化性能测试系数。
2.如权利要求1所述的方法，其特征在于，所述对所述阳极氧化层图像信息进行区域分割，获得氧化层外观特征信息，包括：
对所述阳极氧化层图像信息进行图像增强，获得预处理氧化层图像信息；
获得所述待评估阳极氧化层的氧化制品几何结构，按照所述氧化制品几何结构对所述预处理氧化层图像信息进行区域分割，获得结构分割区域信息；
按照所述结构分割区域信息对所述预处理氧化层图像信息进行光泽度、孔洞值评价，获得氧化层外观评价信息集合；
对所述氧化层外观评价信息集合中的各评价信息进行特征融合，获得所述氧化层外观特征信息。
3.如权利要求1所述的方法，其特征在于，所述搭建氧化层缺陷评估模型，包括：
将所述历史氧化层数据信息作为模型样本信息进行标识；
对标识后的所述模型样本信息按照预定比例进行划分，获得训练集、验证集和测试集；
基于所述训练集进行神经网络模型监督训练，获得基础氧化层缺陷评估模型；
基于所述验证集和所述测试集对所述基础氧化层缺陷评估模型进行验证和测试，直到模型分析准确率达到预设准确率，获得所述氧化层缺陷评估模型。
4.如权利要求1所述的方法，其特征在于，所述获得阳极氧化层缺陷信息，包括：
所述氧化层缺陷优化评估模型为三维缺陷评估模型，包括氧化层外观缺陷评估模型、氧化层色差缺陷评估模型和氧化层理化性能缺陷评估模型；
将所述氧化层外观特征信息、所述氧化层色差分析信息、所述氧化层理化性能测试信息分别输入至所述氧化层外观缺陷评估模型、氧化层色差缺陷评估模型和氧化层理化性能缺陷评估模型中；
基于所述氧化层缺陷优化评估模型，分别获得氧化层外观缺陷评估结果、氧化层色差缺陷评估结果和氧化层理化性能缺陷评估结果；
基于所述氧化层外观缺陷评估结果、氧化层色差缺陷评估结果和氧化层理化性能缺陷评估结果，输出所述阳极氧化层缺陷信息。
5.如权利要求1所述的方法，其特征在于，所述基于所述阳极氧化层缺陷信息对所述待评估阳极氧化层进行优化处理，包括：
根据所述阳极氧化层缺陷信息，确定氧化层缺陷类型和氧化层缺陷区域；
基于所述氧化层缺陷类型和所述氧化层缺陷区域进行生成原因分析，获得氧化层缺陷生成原因；
制定阳极氧化层缺陷解决方案库，基于所述氧化层缺陷生成原因和所述阳极氧化层缺陷解决方案库进行匹配，获得阳极氧化层缺陷处理方案；
基于所述阳极氧化层缺陷处理方案对所述待评估阳极氧化层进行优化处理。
6.一种阳极氧化层缺陷评估优化系统，其特征在于，所述系统包括：
图像采集模块，用于通过图像采集装置对待评估阳极氧化层进行图像采集，获取阳极氧化层图像信息；
区域分割模块，用于对所述阳极氧化层图像信息进行区域分割，获得氧化层外观特征信息；
色差分析模块，用于基于氧化层着色标准对所述阳极氧化层图像信息进行色彩分析，获得氧化层色差分析信息；
理化测试分析模块，用于对所述待评估阳极氧化层进行多维度理化测试分析，获得氧化层理化性能测试系数；
模型搭建模块，用于获得历史氧化层数据信息，基于所述历史氧化层数据信息搭建氧化层缺陷评估模型；
优化更新模块，用于获得氧化层应用层级信息，基于所述氧化层应用层级信息对所述氧化层缺陷评估模型进行优化更新，获得氧化层缺陷优化评估模型；
优化处理模块，用于将所述氧化层外观特征信息、所述氧化层色差分析信息、所述氧化层理化性能测试信息输入至所述氧化层缺陷优化评估模型中，获得阳极氧化层缺陷信息，并基于所述阳极氧化层缺陷信息对所述待评估阳极氧化层进行优化处理；
色彩空间转换单元，用于对所述阳极氧化层图像信息进行色彩空间转换，获得显示空间氧化层图像信息；
颜色编码单元，用于对所述显示空间氧化层图像信息进行颜色编码，获得氧化层图像色域信息；
色差比对单元，用于基于所述氧化层着色标准对所述氧化层图像色域信息进行色差比对，获得氧化层色差比对信息；
色差加权计算单元，用于按照预定色彩权重值对所述氧化层色差比对信息进行加权计算，获得所述氧化层色差分析信息；
测试指标集合构建单元，用于构建氧化层理化测试指标集合，所述氧化层理化测试指标集合包括氧化膜厚度、氧化层硬度、耐磨度、耐腐蚀性；
多维度评价单元，用于按照所述氧化层理化测试指标集合对所述待评估阳极氧化层进行多维度评价，获得氧化层理化性能评分矩阵；
评分网状图获得单元，用于构建理化性能测试网状图，将所述氧化层理化性能评分矩阵中的元素值投影至所述理化性能测试网状图，获得理化性能评分网状图；
理化性能测试系数获得单元，用于基于所述理化性能评分网状图的面积值，获得所述氧化层理化性能测试系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211224054.7A CN115294132B (zh) | 2022-10-09 | 2022-10-09 | 一种阳极氧化层缺陷评估优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211224054.7A CN115294132B (zh) | 2022-10-09 | 2022-10-09 | 一种阳极氧化层缺陷评估优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115294132A CN115294132A (zh) | 2022-11-04 |
| CN115294132B true CN115294132B (zh) | 2023-11-24 |
Family
ID=83834320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211224054.7A Active CN115294132B (zh) | 2022-10-09 | 2022-10-09 | 一种阳极氧化层缺陷评估优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115294132B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118408947A (zh) * | 2024-07-02 | 2024-07-30 | 南通楚捷电子设备有限公司 | 应用于金属表面阳极氧化后的检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150139531A1 (en) * | 2012-05-11 | 2015-05-21 | Hitachi High-Technologies Corporation | Defect analysis assistance device, program executed by defect analysis assistance device, and defect analysis system |
| CN110163858A (zh) * | 2019-05-27 | 2019-08-23 | 成都数之联科技有限公司 | 一种铝型材表面缺陷检测与分类方法及系统 |
| CN113514021A (zh) * | 2021-06-10 | 2021-10-19 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种复合材料质量损失和氧化层厚度的评估方法 |
| CN114453708A (zh) * | 2022-02-22 | 2022-05-10 | 中国计量大学 | 一种铝合金焊接缺陷在线监测方法 |
-
2022
- 2022-10-09 CN CN202211224054.7A patent/CN115294132B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150139531A1 (en) * | 2012-05-11 | 2015-05-21 | Hitachi High-Technologies Corporation | Defect analysis assistance device, program executed by defect analysis assistance device, and defect analysis system |
| CN110163858A (zh) * | 2019-05-27 | 2019-08-23 | 成都数之联科技有限公司 | 一种铝型材表面缺陷检测与分类方法及系统 |
| CN113514021A (zh) * | 2021-06-10 | 2021-10-19 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种复合材料质量损失和氧化层厚度的评估方法 |
| CN114453708A (zh) * | 2022-02-22 | 2022-05-10 | 中国计量大学 | 一种铝合金焊接缺陷在线监测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 汽车用车桥板氧化铁皮缺陷对表面质量影响的研究;戴鑫;《中国优秀硕士学位论文全文数据库工程科技I辑》;20200315;第1-56页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115294132A (zh) | 2022-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2161555B1 (en) | Coating color database creating method, search method using the database, their system, program, and recording medium | |
| EP2098840B1 (en) | Texture map of coated color, its making method, making program, making system and data structure | |
| CN115294132B (zh) | 一种阳极氧化层缺陷评估优化方法及系统 | |
| CN114509266B (zh) | 一种基于故障特征融合的轴承健康监测方法 | |
| CN113487533B (zh) | 一种基于机器学习的零件装配质量数字化检测系统及方法 | |
| CN117890214B (zh) | 一种基于机器视觉的铝模板质检检测方法 | |
| CN116451554A (zh) | 考虑多种气象因子的电网气象风险预测方法 | |
| CN116756372A (zh) | 一种烟支缺陷检测方法及装置 | |
| CN111753877A (zh) | 一种基于深度神经网络迁移学习的产品质量检测方法 | |
| CN117094095B (zh) | 一种晶圆翘曲度优化方法及系统 | |
| CN111639715B (zh) | 基于ls-svm的汽车仪表组装质量预测方法与系统 | |
| CN112270461A (zh) | 一种基于数量化理论i的男西装款式要素感性评价方法 | |
| CN116091818B (zh) | 基于多神经网络级联模型的指针式仪表读数识别方法 | |
| CN116451170A (zh) | 一种基于多源异构数据的配电网检测方法 | |
| CN116188266A (zh) | 一种基于模糊理论与集成学习对地质勘查的空间插值方法 | |
| CN113218998B (zh) | 一种基于全局莫兰指数的涡流热成像缺陷识别方法 | |
| CN112966449B (zh) | 基于变量选择和概率神经网络的制造过程质量缺陷根源诊断方法 | |
| CN112258472B (zh) | 一种汽车外造型自动评分方法 | |
| CN109840479B (zh) | 健康状态匹配方法及装置 | |
| CN112069621A (zh) | 基于线性可靠度指标的滚动轴承剩余使用寿命的预测方法 | |
| CN117760952B (zh) | 钢结构耐久性评定方法、系统及装置 | |
| CN118071845B (zh) | 一种自适应地图颜色美学质量评估方法与系统 | |
| CN117876781A (zh) | 一种绝缘子表面老化状态可视化方法、系统、设备和介质 | |
| CN118351085A (zh) | 基于轴向空间的缺陷检测方法 | |
| CN117521907A (zh) | 考虑光伏出力与气象要素的光伏发电功率区间预测方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231023 Address after: 402660 sub plot 2 of plot c-09-01 / 01, East District, Tongnan Industrial Park, Chongqing Applicant after: CHONGQING JINGYU ELECTRONIC TECHNOLOGY Co.,Ltd. Address before: Room 505-2, building A2, Jianghai Zhihui Park, No. 266, New Century Avenue, Nantong high tech Zone, Nantong City, Jiangsu Province, 226000 Applicant before: Jiangsu Jiecheng Electronic Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |