CN115841478A - 应用于车载空调软管生产管控的质量检测系统 - Google Patents
应用于车载空调软管生产管控的质量检测系统 Download PDFInfo
- Publication number
- CN115841478A CN115841478A CN202211622655.3A CN202211622655A CN115841478A CN 115841478 A CN115841478 A CN 115841478A CN 202211622655 A CN202211622655 A CN 202211622655A CN 115841478 A CN115841478 A CN 115841478A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- air conditioner
- mounted air
- quality
- data
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 41
- 238000011156 evaluation Methods 0.000 claims abstract description 42
- 238000007689 inspection Methods 0.000 claims abstract description 37
- 238000005070 sampling Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims description 41
- 238000012360 testing method Methods 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000004378 air conditioning Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 17
- 239000003086 colorant Substances 0.000 claims description 16
- 238000010191 image analysis Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000013441 quality evaluation Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 5
- 239000003094 microcapsule Substances 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009172 bursting Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了应用于车载空调软管生产管控的质量检测系统，属于质量检测技术领域；通过现有的常规抽检方案获取若干车载空调软管样品，先从外部来对样本的质量实施检测和分析，判断样本的外部质量是否符合生产要求，在样本的外部质量合格的情况下，进一步实施内部的质量检测和分析，最后将外部检测结果和内部检测结果进行联立整合来对抽检样品的整体状态进行评估，并根据评估结果自适应的对后续车载空调软管的质量检测进行动态调整，以此来提高车载空调软管生产质量检测的整体效果；本发明用于解决现有方案中车载空调软管生产质量检测的整体效果不佳的技术问题。
Description
技术领域
本发明涉及质量检测技术领域，具体涉及应用于车载空调软管生产管控的质量检测系统。
背景技术
车用空调软管性能试验检测项目包括制冷剂泄漏和渗透试验、老化试验、低温曲挠试验、真空试验、静压长度变化试验爆破压力、R134a抽出试验、耐R134a试验、耐臭氧、清洁度、脉冲试验、湿气进入试验、整体密封性、压变等等。
现有的车载空调软管生产质量检测方案在实施时，大多数是实施独立的外部质量检测和内部质量检测，没有将不同维度的检测结果进行整合，导致不同维度的检测结果之间不能相互配合和相互利用，使得不同维度的检测效率低，并且不能对检测方案实施动态调整，导致车载空调软管生产质量检测的整体效果不佳。
发明内容
本发明的目的在于提供应用于车载空调软管生产管控的质量检测系统，用于解决现有方案中车载空调软管生产质量检测的整体效果不佳的技术问题。
本发明的目的可以通过以下技术方案实现：
应用于车载空调软管生产管控的质量检测系统，包括：
样品抽取模块：通过预设的抽检数量获取生产的车载空调软管并编号排列组合，得到样品抽取数据并上传至数据库；
检测预处理模块：依次对样品抽取数据中编号的车载空调软管实施预处理以便后续实施模块化的监测分析，得到区域划分数据并上传至数据库；
图像检测模块：依次对区域划分数据中的若干区域进行摄像获取对应的区域图像并按对应的排列顺序组合得到区域图像数据，对区域图像数据中不同区域对应的区域图像进行预处理，得到图像处理数据并上传至数据库；
图像分析模块：依次对图像处理数据中的颜色总数以及对应的颜色占比进行有效性分析，得到图像分析数据；包括：
若颜色总数不为一，则判定对应的区域异常并生成第一颜异信号，并根据第一颜异信号将异常区域的总数加一；
反之，若颜色总数为一，则判定对应的区域正常并生成第一颜正信号，并根据第一颜正信号实施颜色占比的有效性分析，将颜色占比与预设的标准颜色范围进行匹配；
若验证占比不属于标准颜色范围，则判定对应的区域异常并生成第二颜异信号，并根据第二颜异信号将异常区域的总数加一；
反之，若验证占比属于标准颜色范围，则判定对应的区域正常并生成第二颜正信号，并根据第二颜正信号将对应的车载空调软管关联目标标签；
第一颜异信号、第一颜正信号、第二颜异信号和第二颜正信号构成图像分析数据并上传至数据库；
图像评估模块：通过图像分析数据对抽检的车载空调软管实施样品质量评估以便后续自适应的实施不同的管控方案。
优选地，检测预处理模块的工作步骤包括：获取车载空调软管的两端面并分别设定为第一端面区域和第二端面区域；
获取车载空调软管的总长度并根据预设的划分比例实施均等划分，得到若干曲面区域，根据预设的排列顺序对若干曲面区域进行编号并标记；
第一端面区域和第二端面区域以及若干曲面区域构成区域划分数据。
优选地，图像检测模块的工作步骤包括：获取区域划分数据中第一端面区域和第二端面区域以及若干曲面区域对应的图像，依次将其标记为第一图像和第二图像以及第三图像......第N图像并按对应的顺序排列组合得到区域图像数据，N为正整数，表示为曲面区域的总数；
依次对区域图像数据中的图像进行预处理操作，得到对应的处理图像；
依次获取第一端面区域和第二端面区域以及若干曲面区域的处理图像对应的颜色直方图，提取颜色直方图中对应的颜色总数以及颜色占比并按对应的顺序排列组合，得到图像处理数据。
优选地，图像评估模块的工作步骤包括：依次对抽检的车载空调软管实施质量评估时，获取图像分析数据中车载空调软管的第一颜异信号和第二颜异信号对应的异常区域总数并标记为YQ；统计监测区域的总数并标记为JQ；监测区域包含第一端面区域、第二端面区域和若干曲面区域；通过计算获取车载空调软管的表估值BG；表估值BG的计算公式为：BG＝α×YQ/JQ；式中，α为图像补偿因子，取值范围为(0,6)；
根据表估值对车载空调软管实施外部质量评估时，将表估值与预设的表估阈值进行匹配分析。
优选地，若表估值小于表估阈值，则判定对应车载空调软管外部质量整体正常并生成第一表估信号；
若表估值不小于表估阈值，则判定对应车载空调软管外部质量整体异常并生成第二表估信号，根据第二表估信号将对应的车载空调软管标记为第一异常软管；
表估值以及对应的第一表估信号、第二表估信号和第一异常软管构成评估结果并上传至数据库。
优选地，还包括管控调整模块：根据评估结果中不同的表估信号自适应的实施不同的管控方案；包括：
对评估结果进行遍历，并根据遍历获取的第一表估信号对目标标签对应的车载空调软管实施追溯评估方案，以及根据遍历获取的第二表估信号对对应车载空调软管的生产进行告警提示；
实施追溯评估方案时，对目标标签对应的车载空调软管实施拉伸强度试验、抗冲击性能试验、微胶囊软化温度试验，并将获取的实验数据分别与预设的标准数据进行匹配来获取对应的实验结果；实验结果包含合格结果和不合格结果。
优选地，若所有实验的实验结果均为合格结果，则判定对应车载空调软管内部质量整体正常并生成第一内估信号；
若所有实验的实验结果存在不合格结果，则判定对应车载空调软管内部质量整体异常并生成第二内估信号，根据第二内估信号将对应的车载空调软管标记为第二异常软管；
第一内估信号、第二内估信号以及对应的第二异常软管构成追溯评估数据并上传至数据库。
优选地，还包括调控实施模块：将评估结果和追溯评估数据进行联立整合来对车载空调软管生产质量的管控进行动态调控；包括：
获取评估结果中第一异常软管的总数并标记为YY，以及追溯评估数据中第二异常软管的总数并标记为EY；
获取样品抽取数据中抽检的车载空调软管总数并标记为CZ；提取标记的各项数据的数值并联立整合，通过计算获取车载空调软管抽检的抽检质估值CGZ；根据抽检质估值对抽检的车载空调软管生产质量进行整体分析时，将抽检质估值与预设的抽检质估阈值进行匹配分析。
优选地，抽检质估值CGZ的计算公式为：
CGZ＝(g1×YY+g2×EY)/CZ
式中，g1、g2为预设的均大于零的比例系数，且g1＜g2。
优选地，若抽检质估值不大于抽检质估阈值，则生成第一抽估信号并维持现有的抽检方案；
若抽检质估值大于抽检质估阈值，则生成第二抽估信号并调整现有的抽检方案，包括但不限于增加现有的抽检频次，或者增加现有的抽检样品数量。
相比于现有方案，本发明实现的有益效果：
本发明通过现有的常规抽检方案获取若干车载空调软管样品，先从外部来对样本的质量实施检测和分析，判断样本的外部质量是否符合生产要求，在样本的外部质量合格的情况下，进一步实施内部的质量检测和分析，实现了不同维度的检测结果之间的相互配合和相互利用，最后将外部检测结果和内部检测结果进行联立整合来对抽检样品的整体状态进行评估，并根据评估结果自适应的对后续车载空调软管的质量检测进行动态调整，以此来提高车载空调软管生产质量检测的整体效果。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明应用于车载空调软管生产管控的质量检测系统的模块框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一
如图1所示，本发明为应用于车载空调软管生产管控的质量检测系统，包括样品抽取模块、检测预处理模块、图像检测模块、图像分析模块、图像评估模块、管控调整模块、调控实施模块和数据库；
样品抽取模块：通过预设的抽检数量获取生产的车载空调软管并编号排列组合，得到样品抽取数据并上传至数据库；
检测预处理模块：依次对样品抽取数据中编号的车载空调软管实施预处理以便后续实施模块化的监测分析，得到区域划分数据并上传至数据库；包括：
获取车载空调软管的两端面并分别设定为第一端面区域和第二端面区域；
获取车载空调软管的总长度并根据预设的划分比例实施均等划分，得到若干曲面区域，根据预设的排列顺序对若干曲面区域进行编号并标记；
第一端面区域和第二端面区域以及若干曲面区域构成区域划分数据；
本发明实施例中，通过对车载空调软管实施区域划分，以便后续可以更精准高效的定位到异常的区域；
图像检测模块：依次对区域划分数据中的若干区域进行摄像获取对应的区域图像并按对应的排列顺序组合得到区域图像数据，对区域图像数据中不同区域对应的区域图像进行预处理，得到图像处理数据；包括：
获取区域划分数据中第一端面区域和第二端面区域以及若干曲面区域对应的图像，依次将其标记为第一图像和第二图像以及第三图像......第N图像并按对应的顺序排列组合得到区域图像数据，N为正整数，表示为曲面区域的总数；
依次对区域图像数据中的图像进行预处理操作，得到对应的处理图像；其中，图像的预处理操作为现有的常规技术方案，包括但不限于去噪和对比度增强，具体的步骤这里不做赘述；
依次获取第一端面区域和第二端面区域以及若干曲面区域的处理图像对应的颜色直方图，提取颜色直方图中对应的颜色总数以及颜色占比并按对应的顺序排列组合，得到图像处理数据并上传至数据库；
本发明实施例中，通过对车载空调软管实施模块化处理，以便可以实施更精准高效的检测和分析，可以及时检测发现异常以及对应的位置；
图像分析模块：依次对图像处理数据中的颜色总数以及对应的颜色占比进行有效性分析，得到图像分析数据；包括：
若颜色总数不为一，则判定对应的区域异常并生成第一颜异信号，并根据第一颜异信号将异常区域的总数加一；
反之，若颜色总数为一，则判定对应的区域正常并生成第一颜正信号，并根据第一颜正信号实施颜色占比的有效性分析，将颜色占比与预设的标准颜色范围进行匹配；本发明实施例中默认颜色总数为一时为正常状态，可以根据实际场景和需求进行调整；
若验证占比不属于标准颜色范围，则判定对应的区域异常并生成第二颜异信号，并根据第二颜异信号将异常区域的总数加一；
反之，若验证占比属于标准颜色范围，则判定对应的区域正常并生成第二颜正信号，并根据第二颜正信号将对应的车载空调软管关联目标标签；
第一颜异信号、第一颜正信号、第二颜异信号和第二颜正信号构成图像分析数据并上传至数据库；
本发明实施例中，基于图像识别技术来对车载空调软管外部的不同位置实施质量检查分析，通过颜色总数实施第一轮的匹配分析来实施筛选，并对筛选通过颜色比例来实施第二轮的匹配分析，相比于现有方案中的整体分析，本发明实施例可以实现更高效的外部检测分析效果和异常定位效果；
图像评估模块：通过图像分析数据对抽检的车载空调软管实施样品质量评估以便后续自适应的实施不同的管控方案；包括：
依次对抽检的车载空调软管实施质量评估时，获取图像分析数据中车载空调软管的第一颜异信号和第二颜异信号对应的异常区域总数并标记为YQ；统计监测区域的总数并标记为JQ；监测区域包含第一端面区域、第二端面区域和若干曲面区域；
通过计算获取车载空调软管的表估值BG；表估值BG的计算公式为：BG＝α×YQ/JQ；式中，α为图像补偿因子，取值范围为(0,6)，可以取值为1.1207；
需要说明的是，表估值是用于将车载空调软管外部颜色识别时的各项数据进行整合来对车载空调软管的外部质量进行整体评估的数值；表估值越大，表示对应车载空调软管的外部质量越不佳；
根据表估值对车载空调软管实施外部质量评估时，将表估值与预设的表估阈值进行匹配分析；
若表估值小于表估阈值，则判定对应车载空调软管外部质量整体正常并生成第一表估信号；
若表估值不小于表估阈值，则判定对应车载空调软管外部质量整体异常并生成第二表估信号，根据第二表估信号将对应的车载空调软管标记为第一异常软管；
表估值以及对应的第一表估信号、第二表估信号和第一异常软管构成评估结果并上传至数据库；
本发明实施例中，通过表估值来对车载空调软管的外部质量进行整体评估，既可以实现车载空调软管外部质量的检测分析，同时还可以为后续车载空调软管内部质量的检测分析提供数据支持，可以不对外部质量异常的车载空调软管实施后续内部质量的检测分析，可以有效提高车载空调软管检测分析的整体效率。
实施例二
在实施例一的基础上，还包括：
管控调整模块：根据评估结果中不同的表估信号自适应的实施不同的管控方案；包括：
对评估结果进行遍历，并根据遍历获取的第一表估信号对目标标签对应的车载空调软管实施追溯评估方案，以及根据遍历获取的第二表估信号对对应车载空调软管的生产进行告警提示，提示管理人员来进行管理或者调整；
实施追溯评估方案时，对目标标签对应的车载空调软管实施拉伸强度试验、抗冲击性能试验、微胶囊软化温度试验，并将获取的实验数据分别与预设的标准数据进行匹配来获取对应的实验结果；实验结果包含合格结果和不合格结果；
其中，拉伸强度试验、抗冲击性能试验、微胶囊软化温度试验为现有的常规管材检测技术，具体的步骤这里不做赘述；
若所有实验的实验结果均为合格结果，则判定对应车载空调软管内部质量整体正常并生成第一内估信号；
若所有实验的实验结果存在不合格结果，则判定对应车载空调软管内部质量整体异常并生成第二内估信号，根据第二内估信号将对应的车载空调软管标记为第二异常软管；
第一内估信号、第二内估信号以及对应的第二异常软管构成追溯评估数据并上传至数据库；
本发明实施例中，通过对前期车载空调软管外部质量检测合格的情况下，进一步实施内部质量检测，来实现车载空调软管不同维度的质量检测，可以有效提高车载空调软管生产质量检测的整体效果。
实施例三
在实施例一和实施例二的基础上，还包括：
调控实施模块：将评估结果和追溯评估数据进行联立整合来对车载空调软管生产质量的管控进行动态调控；包括：
获取评估结果中第一异常软管的总数并标记为YY，以及追溯评估数据中第二异常软管的总数并标记为EY；
获取样品抽取数据中抽检的车载空调软管总数并标记为CZ；提取标记的各项数据的数值并联立整合，通过计算获取车载空调软管抽检的抽检质估值CGZ；抽检质估值CGZ的计算公式为：
CGZ＝(g1×YY+g2×EY)/CZ
式中，g1、g2为预设的均大于零的比例系数，且g1＜g2，g1可以取值为1.314，g2可以取值为3.257；
需要说明的是，抽检质估值是用于将车载空调软管不同维度的检测结果进行整合来对抽检的状态进行整体分析评估的数值；抽检质估值越大，表示对应车载空调软管生产质量整体越不符合抽检质量要求；
根据抽检质估值对抽检的车载空调软管生产质量进行整体分析时，将抽检质估值与预设的抽检质估阈值进行匹配分析；
若抽检质估值不大于抽检质估阈值，则判定抽检的车载空调软管生产质量整体符合抽检质量要求并生成第一抽估信号，根据第一抽估信号维持现有的抽检方案；
若抽检质估值大于抽检质估阈值，则判定抽检的车载空调软管生产质量整体不符合抽检质量要求并生成第二抽估信号，根据第二抽估信号调整现有的抽检方案，包括但不限于增加现有的抽检频次，或者增加现有的抽检样品数量。
本发明实施例中，通过将前期的车载空调软管外部检测结果与后期的车载空调软管内部检测结果进行整合来对抽检的车载空调软管生产质量进行整体分析，以便后续车载空调软管生产的质量检测实施动态调整，满足后续不同抽检结果对应的抽检方案，相比于现有方案中固定式的抽检方案或者凭借人工经验的调整方案，本发明实施例可以实现更精准高效的整体质量检测效果；
此外，上述中涉及的公式均是去除量纲取其数值计算，是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的比例系数以及分析过程中各个预设的阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得；比例系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于比例系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的处理系数；只要不影响参数与量化后数值的比例关系即可。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，可以通过其它的方式实现。例如，以上所描述的发明实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的基本特征的情况下，能够以其他的具体形式实现本发明。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.应用于车载空调软管生产管控的质量检测系统，其特征在于，包括：
样品抽取模块：通过预设的抽检数量获取生产的车载空调软管并编号排列组合，得到样品抽取数据并上传至数据库；
检测预处理模块：依次对样品抽取数据中编号的车载空调软管实施预处理以便后续实施模块化的监测分析，得到区域划分数据并上传至数据库；
图像检测模块：依次对区域划分数据中的若干区域进行摄像获取对应的区域图像并按对应的排列顺序组合得到区域图像数据，对区域图像数据中不同区域对应的区域图像进行预处理，得到图像处理数据并上传至数据库；
图像分析模块：依次对图像处理数据中的颜色总数以及对应的颜色占比进行有效性分析，得到图像分析数据；包括：
若颜色总数不为一，则判定对应的区域异常并生成第一颜异信号，并根据第一颜异信号将异常区域的总数加一；
反之，若颜色总数为一，则判定对应的区域正常并生成第一颜正信号，并根据第一颜正信号实施颜色占比的有效性分析，将颜色占比与预设的标准颜色范围进行匹配；
若验证占比不属于标准颜色范围，则判定对应的区域异常并生成第二颜异信号，并根据第二颜异信号将异常区域的总数加一；
反之，若验证占比属于标准颜色范围，则判定对应的区域正常并生成第二颜正信号，并根据第二颜正信号将对应的车载空调软管关联目标标签；
第一颜异信号、第一颜正信号、第二颜异信号和第二颜正信号构成图像分析数据并上传至数据库；
图像评估模块：通过图像分析数据对抽检的车载空调软管实施样品质量评估以便后续自适应的实施不同的管控方案。
2.根据权利要求1所述的应用于车载空调软管生产管控的质量检测系统，其特征在于，检测预处理模块的工作步骤包括：获取车载空调软管的两端面并分别设定为第一端面区域和第二端面区域；
获取车载空调软管的总长度并根据预设的划分比例实施均等划分，得到若干曲面区域，根据预设的排列顺序对若干曲面区域进行编号并标记；
第一端面区域和第二端面区域以及若干曲面区域构成区域划分数据。
3.根据权利要求1所述的应用于车载空调软管生产管控的质量检测系统，其特征在于，图像检测模块的工作步骤包括：获取区域划分数据中第一端面区域和第二端面区域以及若干曲面区域对应的图像，依次将其标记为第一图像和第二图像以及第三图像......第N图像并按对应的顺序排列组合得到区域图像数据，N为正整数，表示为曲面区域的总数；
依次对区域图像数据中的图像进行预处理操作，得到对应的处理图像；
依次获取第一端面区域和第二端面区域以及若干曲面区域的处理图像对应的颜色直方图，提取颜色直方图中对应的颜色总数以及颜色占比并按对应的顺序排列组合，得到图像处理数据。
4.根据权利要求1所述的应用于车载空调软管生产管控的质量检测系统，其特征在于，图像评估模块的工作步骤包括：依次对抽检的车载空调软管实施质量评估时，获取图像分析数据中车载空调软管的第一颜异信号和第二颜异信号对应的异常区域总数并标记为YQ；统计监测区域的总数并标记为JQ；监测区域包含第一端面区域、第二端面区域和若干曲面区域；通过计算获取车载空调软管的表估值BG；表估值BG的计算公式为：BG＝α×YQ/JQ；式中，α为图像补偿因子，取值范围为(0,6)；
根据表估值对车载空调软管实施外部质量评估时，将表估值与预设的表估阈值进行匹配分析。
5.根据权利要求4所述的应用于车载空调软管生产管控的质量检测系统，其特征在于，若表估值小于表估阈值，则判定对应车载空调软管外部质量整体正常并生成第一表估信号；
若表估值不小于表估阈值，则判定对应车载空调软管外部质量整体异常并生成第二表估信号，根据第二表估信号将对应的车载空调软管标记为第一异常软管；
表估值以及对应的第一表估信号、第二表估信号和第一异常软管构成评估结果并上传至数据库。
6.根据权利要求1所述的应用于车载空调软管生产管控的质量检测系统，其特征在于，还包括管控调整模块：根据评估结果中不同的表估信号自适应的实施不同的管控方案；包括：
对评估结果进行遍历，并根据遍历获取的第一表估信号对目标标签对应的车载空调软管实施追溯评估方案，以及根据遍历获取的第二表估信号对对应车载空调软管的生产进行告警提示；
实施追溯评估方案时，对目标标签对应的车载空调软管实施拉伸强度试验、抗冲击性能试验、微胶囊软化温度试验，并将获取的实验数据分别与预设的标准数据进行匹配来获取对应的实验结果；实验结果包含合格结果和不合格结果。
7.根据权利要求6所述的应用于车载空调软管生产管控的质量检测系统，其特征在于，若所有实验的实验结果均为合格结果，则判定对应车载空调软管内部质量整体正常并生成第一内估信号；
若所有实验的实验结果存在不合格结果，则判定对应车载空调软管内部质量整体异常并生成第二内估信号，根据第二内估信号将对应的车载空调软管标记为第二异常软管；
第一内估信号、第二内估信号以及对应的第二异常软管构成追溯评估数据并上传至数据库。
8.根据权利要求1所述的应用于车载空调软管生产管控的质量检测系统，其特征在于，还包括调控实施模块：将评估结果和追溯评估数据进行联立整合来对车载空调软管生产质量的管控进行动态调控；包括：
获取评估结果中第一异常软管的总数并标记为YY，以及追溯评估数据中第二异常软管的总数并标记为EY；
获取样品抽取数据中抽检的车载空调软管总数并标记为CZ；提取标记的各项数据的数值并联立整合，通过计算获取车载空调软管抽检的抽检质估值CGZ；根据抽检质估值对抽检的车载空调软管生产质量进行整体分析时，将抽检质估值与预设的抽检质估阈值进行匹配分析。
9.根据权利要求8所述的应用于车载空调软管生产管控的质量检测系统，其特征在于，抽检质估值CGZ的计算公式为：
CGZ＝(g1×YY+g2×EY)/CZ
式中，g1、g2为预设的均大于零的比例系数，且g1＜g2。
10.根据权利要求8所述的应用于车载空调软管生产管控的质量检测系统，其特征在于，若抽检质估值不大于抽检质估阈值，则生成第一抽估信号并维持现有的抽检方案；
若抽检质估值大于抽检质估阈值，则生成第二抽估信号并调整现有的抽检方案，包括但不限于增加现有的抽检频次，或者增加现有的抽检样品数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211622655.3A CN115841478A (zh) | 2022-12-16 | 2022-12-16 | 应用于车载空调软管生产管控的质量检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211622655.3A CN115841478A (zh) | 2022-12-16 | 2022-12-16 | 应用于车载空调软管生产管控的质量检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115841478A true CN115841478A (zh) | 2023-03-24 |
Family
ID=85578762
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211622655.3A Pending CN115841478A (zh) | 2022-12-16 | 2022-12-16 | 应用于车载空调软管生产管控的质量检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115841478A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116165988A (zh) * | 2023-04-24 | 2023-05-26 | 格拉默汽车内饰部件（北京）有限公司 | 一种汽车中控台的生产质量管控方法及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020055925A1 (en) * | 2000-11-06 | 2002-05-09 | Haruhiko Kondo | Automatic quality control method for production line and apparatus therefor as well as automatic quality control program |
| CN206281830U (zh) * | 2016-10-04 | 2017-06-27 | 张学东 | 一种工程用pe饮用水管高可靠型质量检测装置 |
| CN107123127A (zh) * | 2017-04-27 | 2017-09-01 | 北京京东尚科信息技术有限公司 | 一种图像主体提取方法及装置 |
| CN107185854A (zh) * | 2017-05-17 | 2017-09-22 | 河北工业大学 | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 |
| CN107197233A (zh) * | 2017-06-23 | 2017-09-22 | 安徽大学 | 基于边缘计算模型的监控视频数据质量评测方法及装置 |
| CN206710036U (zh) * | 2017-03-16 | 2017-12-05 | 中国商用飞机有限责任公司 | 用于检测飞机空调管路的气密性的设备 |
| CN111141825A (zh) * | 2020-01-07 | 2020-05-12 | 陈雄 | 小口径钢管超声波时域分段成像检测方法 |
| CN111860277A (zh) * | 2020-07-14 | 2020-10-30 | 南京航空航天大学 | 基于颜色直方图特征的民航飞机空速管套安全警示方法 |
| CN113030093A (zh) * | 2020-12-30 | 2021-06-25 | 凌云光技术股份有限公司 | 一种电池隔膜表面缺陷检测方法和系统 |
| CN114037664A (zh) * | 2021-10-28 | 2022-02-11 | 浙大宁波理工学院 | 基于机器视觉的输液器配件检测方法、系统、存储介质及设备 |
| CN114280076A (zh) * | 2021-11-30 | 2022-04-05 | 南京我乐家居智能制造有限公司 | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统 |
| CN115007662A (zh) * | 2022-08-08 | 2022-09-06 | 承德建龙特殊钢有限公司 | 一种无缝钢管生产控制装置 |
| CN115201015A (zh) * | 2022-07-20 | 2022-10-18 | 庐江兆如电子科技有限公司 | 一种注塑产品质量自动化检测装置 |
-
2022
- 2022-12-16 CN CN202211622655.3A patent/CN115841478A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020055925A1 (en) * | 2000-11-06 | 2002-05-09 | Haruhiko Kondo | Automatic quality control method for production line and apparatus therefor as well as automatic quality control program |
| CN206281830U (zh) * | 2016-10-04 | 2017-06-27 | 张学东 | 一种工程用pe饮用水管高可靠型质量检测装置 |
| CN206710036U (zh) * | 2017-03-16 | 2017-12-05 | 中国商用飞机有限责任公司 | 用于检测飞机空调管路的气密性的设备 |
| CN107123127A (zh) * | 2017-04-27 | 2017-09-01 | 北京京东尚科信息技术有限公司 | 一种图像主体提取方法及装置 |
| CN107185854A (zh) * | 2017-05-17 | 2017-09-22 | 河北工业大学 | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 |
| CN107197233A (zh) * | 2017-06-23 | 2017-09-22 | 安徽大学 | 基于边缘计算模型的监控视频数据质量评测方法及装置 |
| CN111141825A (zh) * | 2020-01-07 | 2020-05-12 | 陈雄 | 小口径钢管超声波时域分段成像检测方法 |
| CN111860277A (zh) * | 2020-07-14 | 2020-10-30 | 南京航空航天大学 | 基于颜色直方图特征的民航飞机空速管套安全警示方法 |
| CN113030093A (zh) * | 2020-12-30 | 2021-06-25 | 凌云光技术股份有限公司 | 一种电池隔膜表面缺陷检测方法和系统 |
| CN114037664A (zh) * | 2021-10-28 | 2022-02-11 | 浙大宁波理工学院 | 基于机器视觉的输液器配件检测方法、系统、存储介质及设备 |
| CN114280076A (zh) * | 2021-11-30 | 2022-04-05 | 南京我乐家居智能制造有限公司 | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统 |
| CN115201015A (zh) * | 2022-07-20 | 2022-10-18 | 庐江兆如电子科技有限公司 | 一种注塑产品质量自动化检测装置 |
| CN115007662A (zh) * | 2022-08-08 | 2022-09-06 | 承德建龙特殊钢有限公司 | 一种无缝钢管生产控制装置 |
Non-Patent Citations (4)
| Title |
|---|
| SJOERD JANSMA等: "FINDING THE RELATIONSHIP BETWEEN NON DESTRUCTIVE TEST METHODS AND THE TENSILE IMPACT TEST ON PVC PIPES", 《ABSTRACT FOR THE 20TH PLASTIC PIPES CONFERENCE》, 31 December 2020 (2020-12-31), pages 1 - 10 * |
| 王慧等: "我国汽车制动软管产品质量现状浅析", 《军民两用技术与产品》, 31 December 2018 (2018-12-31), pages 68 * |
| 雷敬钦等: "浅谈车身涂装中面涂缩孔原因及对策", 《现代涂料与涂装》, vol. 23, no. 5, 31 May 2020 (2020-05-31), pages 18 - 20 * |
| 韩松: "离子膜电解槽泄漏着火原因分析", 《中国氯碱》, no. 6, 30 June 2019 (2019-06-30), pages 7 - 8 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116165988A (zh) * | 2023-04-24 | 2023-05-26 | 格拉默汽车内饰部件（北京）有限公司 | 一种汽车中控台的生产质量管控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106779217B (zh) | 空气质量检测方法和空气质量检测系统 | |
| CN110363339B (zh) | 一种基于电机参数进行预测性维护的方法与系统 | |
| CN113838054B (zh) | 基于人工智能的机械零件表面损伤检测方法 | |
| CN112669305B (zh) | 一种金属表面抗锈性能测试台及抗锈性能测评方法 | |
| CN110675395A (zh) | 输电线路智能在线监测方法 | |
| CN115841478A (zh) | 应用于车载空调软管生产管控的质量检测系统 | |
| CN108470570B (zh) | 电机异音检测方法 | |
| CN113255255A (zh) | 一种集成电路热真空试验系统 | |
| CN117635604A (zh) | 一种建筑工程钢结构焊接质量检测方法 | |
| CN113569990A (zh) | 面向强噪声干扰环境的演艺装备故障诊断模型构建方法 | |
| CN114881961A (zh) | 一种玻璃纤维板裂纹检测方法及设备 | |
| CN107607492B (zh) | 机动车尾气标准的检测方法及设备 | |
| CN116452581B (zh) | 一种基于机器视觉的电压源状态智能检测系统及方法 | |
| CN117091237A (zh) | 一种用于轨道列车的空调设备检测方法及系统 | |
| CN114638822B (zh) | 一种利用光学手段的汽车盖板表面质量检测方法及系统 | |
| CN114998346B (zh) | 一种防水布质量数据处理、识别方法 | |
| CN116662800A (zh) | 一种基于自适应注意力机制的滚动轴承故障诊断方法 | |
| CN115060323A (zh) | 一种智慧城市环境影响评估装置及方法 | |
| CN115081798A (zh) | 基于pls算法的板带热精轧过程分机架联合监控与诊断方法 | |
| CN110376436B (zh) | 一种多尺度噪声功率谱线谱检测方法 | |
| CN115855658B (zh) | 应用于液压制动软管产品性能评估系统 | |
| CN113689432B (zh) | 识别特殊点状类缺陷的检测方法 | |
| CN117387172B (zh) | 基于精准推荐设备控制参数的末端空调节能方法和系统 | |
| CN117764993B (zh) | 一种基于图像分析的水质在线监测系统及方法 | |
| CN117491357B (zh) | 一种涂料的质量监测方法及系统 |
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 |