CN116001230B - 一种乳液泵注塑成型系统 - Google Patents
一种乳液泵注塑成型系统 Download PDFInfo
- Publication number
- CN116001230B CN116001230B CN202310065025.9A CN202310065025A CN116001230B CN 116001230 B CN116001230 B CN 116001230B CN 202310065025 A CN202310065025 A CN 202310065025A CN 116001230 B CN116001230 B CN 116001230B
- Authority
- CN
- China
- Prior art keywords
- injection molding
- emulsion
- emulsion pump
- deformation
- processor
- 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
- 239000000839 emulsion Substances 0.000 title claims abstract description 288
- 238000001746 injection moulding Methods 0.000 title claims abstract description 274
- 238000001514 detection method Methods 0.000 claims abstract description 97
- 238000001816 cooling Methods 0.000 claims abstract description 46
- 239000002994 raw material Substances 0.000 claims abstract description 32
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000012360 testing method Methods 0.000 claims description 83
- 239000007921 spray Substances 0.000 claims description 68
- 230000003287 optical effect Effects 0.000 claims description 52
- 238000012545 processing Methods 0.000 claims description 50
- 238000003825 pressing Methods 0.000 claims description 35
- 238000009826 distribution Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 9
- 238000001931 thermography Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 8
- 238000011056 performance test Methods 0.000 claims 1
- 238000002347 injection Methods 0.000 description 60
- 239000007924 injection Substances 0.000 description 60
- 230000005484 gravity Effects 0.000 description 51
- 239000000047 product Substances 0.000 description 28
- 238000012549 training Methods 0.000 description 25
- 238000005070 sampling Methods 0.000 description 14
- 239000012778 molding material Substances 0.000 description 13
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 239000007788 liquid Substances 0.000 description 7
- 238000012797 qualification Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012552 review Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 239000004743 Polypropylene Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000000465 moulding Methods 0.000 description 2
- -1 polyethylene Polymers 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 239000012815 thermoplastic material Substances 0.000 description 2
- 229920001187 thermosetting polymer Polymers 0.000 description 2
- 239000004698 Polyethylene Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000003592 biomimetic effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012669 compression test Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 229920001684 low density polyethylene Polymers 0.000 description 1
- 239000004702 low-density polyethylene Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010137 moulding (plastic) Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002453 shampoo Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 229920001169 thermoplastic Polymers 0.000 description 1
- 239000004416 thermosoftening plastic Substances 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
本说明书实施例提供一种乳液泵注塑成型系统。所述乳液泵注塑成型系统包括注塑原料软化装置、注塑成型装置、冷却装置、检测装置、抓取装置和处理器，所述处理器与所述注塑原料软化装置、所述注塑成型装置、所述冷却装置、所述检测装置和所述抓取装置通信连接。
Description
技术领域
本说明书涉及注塑成型技术领域，特别涉及一种乳液泵注塑成型系统。
背景技术
乳液泵通常用于粉底液、洗发露等清洁护肤产品中，是一种利用大气平衡原理，通过按压将瓶内的料液泵出，并将外界的大气补入瓶内的一种液体分配器，日常生活中被广泛使用。乳液泵泵出瓶内料液时，由于料液粘度不同，泵送所需弹簧弹力和高度不同，当粘度过大时，乳液泵可能无法泵出乳液或者按压盖无法复位。因此，在乳液泵完成注塑后需要对乳液泵注塑件进行检测，乳液泵注塑件产品检测多涉及组装检测，对于乳液泵注塑件自身缺陷的检测较多依赖人工经验进行人工检测，检测的准确度和适应性有待提高。
因此，希望提供一种乳液泵注塑成型系统，能够对乳液泵注塑件的自身缺陷进行检测，并能够基于检测结果调整生产参数，提高生产效率以及提高注塑品的质量。
发明内容
本说明书实施例之一提供一种乳液泵注塑成型系统，包括：注塑原料软化装置、注塑成型装置、冷却装置、检测装置、抓取装置和处理器，所述处理器与所述注塑原料软化装置、所述注塑成型装置、所述冷却装置、所述检测装置和所述抓取装置通信连接；所述注塑原料软化装置用于将注塑原材料软化，并将软化后的所述注塑原材料输入所述注塑成型装置；所述注塑成型装置包括注塑机和模具；所述注塑成型装置用于基于所述处理器发出的指令，所述注塑机将软化后的所述注塑原材料注入所述模具完成注塑；所述冷却装置用于对注塑后的所述模具进行冷却处理，以形成乳液泵注塑件；所述检测装置用于基于所述处理器发出的指令，对多个时间点的所述乳液泵注塑件进行检测，响应于所述乳液泵注塑件的检测结果不满足第一预设条件时，发出通知给所述处理器；所述检测装置至少包括红外热像仪和光学相机中的一种；所述抓取装置用于基于所述处理器发出的指令，抓取所述乳液泵注塑件，以进行乳液喷出性能检测；所述处理器用于在性能检测结果不合格时，发出调整指令以调整所述注塑成型装置和所述冷却装置的工作参数。
在一些实施例中，所述检测装置还包括形状检测仪；所述检测装置进一步用于根据所述处理器的指令，检测所述乳液泵注塑件的变形情况。
在一些实施例中，所述处理器进一步用于：获取变形情况检测合格的所述乳液泵注塑件在多个时点及各个所述时点对应的温度下的变形数据以及温度分布数据；基于所述变形数据和所述温度分布数据，预测未来时点的变形数据；响应于预测的所述未来时点的变形数据不满足第二预设条件，发出通知。
在一些实施例中，所述乳液喷出性能检测包括：由所述处理器以设定频率命令所述抓取装置抓取冷却后的所述乳液泵注塑件，进行组装并灌入乳液，以及进行乳液喷量试验；响应于所述乳液喷量试验的试验结果不满足预设要求，所述处理器对所述注塑成型装置或所述冷却装置发出调整指令。
在一些实施例中，所述系统还包括复检装置；所述复检装置包括光学相机、乳液泵注塑件固定装置以及按压装置；所述光学相机用于采集所述乳液泵注塑件的乳液喷出图像，所述乳液泵注塑件固定装置用于固定所述乳液泵注塑件，所述按压装置用于按压所述乳液泵注塑件使乳液喷出。
本说明书实施例之一提供一种乳液泵注塑成型系统控制方法，包括：原材料软化装置将软化后的注塑原材料输入注塑成型装置；注塑成型装置基于处理器发出的指令，通过注塑机将软化后的所述注塑原材料注入模具完成注塑，注塑后由冷却装置对所述模具进行冷却处理，以形成乳液泵注塑件；检测装置基于所述处理器发出的指令，对多个时间点的所述乳液泵注塑件进行检测，响应于所述乳液泵注塑件的检测结果不满足第一预设条件时发出通知给所述处理器；抓取装置基于所述处理器发出的指令，抓取所述乳液泵注塑件，以进行乳液喷出性能检测；所述处理器用于在性能检测结果不合格时，发出调整指令以调整所述注塑成型装置和所述冷却装置的工作参数。
在一些实施例中，所述检测装置进一步用于根据所述处理器的指令，检测所述乳液泵注塑件的变形情况。
在一些实施例中，所述处理器进一步用于：获取变形情况检测合格的所述乳液泵注塑件在多个时点及各个所述时点对应的温度下的变形数据以及温度分布数据；基于所述变形数据和所述温度分布数据，预测未来时点的变形数据；响应于预测的所述未来时点的变形数据不满足第二预设条件，发出通知。
在一些实施例中，所述乳液喷出性能检测包括：由所述处理器以设定频率命令所述抓取装置抓取冷却后的所述乳液泵注塑件，进行组装并灌入乳液，以及进行乳液喷量试验；响应于所述乳液喷量试验的试验结果不满足预设要求，所述处理器对所述注塑成型装置或所述冷却装置发出调整指令。
在一些实施例中，还包括：复检装置基于所述处理器发出的指令，对所述乳液泵注塑件进行复检；所述复检装置包括光学相机、乳液泵注塑件固定装置以及按压装置；所述光学相机用于采集所述乳液泵注塑件的乳液喷出图像，所述乳液泵注塑件固定装置用于固定所述乳液泵注塑件，所述按压装置用于按压所述乳液泵注塑件使乳液喷出。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的乳液泵注塑成型系统的示例性结构图；
图2是根据本说明书一些实施例所示的乳液泵注塑成型的示例性流程图；
图3是根据本说明书一些实施例所示的重力模型的模型图；
图4是根据本说明书一些实施例所示的变形模型的模型图；
图5是根据本说明书一些实施例所示的判断模型的模型图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
注塑是一种常见的工业生产技术，通过将热塑性材料或热固性材料塑化熔融后，注入成型模具后加工得到注塑品。乳液泵注塑成型设备加工时，需要对乳液泵注塑品进行检测，以判断其形状、泵出料液能力等是否合格。乳液泵泵出料液能力较多依赖人工经验进行人工检测，视觉检测的准确度和适应性有待提高。此外，注塑件拆模后温度仍较高，可能仍会继续发生变形，需要等到完全冷却后才能判断变形是否合格。
鉴于此，本说明书一些实施例提供一种乳液泵注塑成型系统和方法，能够预测可能不合格的产品，且能够进一步调整注塑参数，从而缩短生产周期，提高效率，提高注塑品的质量。
图1是根据本说明书一些实施例所示的乳液泵注塑成型系统的示例性结构图。
如图1所示，在一些实施例中，乳液泵注塑成型系统100可以包括注塑原料软化装置110、注塑成型装置120、冷却装置130、检测装置140、抓取装置150和处理器160。处理器160分别与注塑原料软化装置110、注塑成型装置120、冷却装置130、检测装置140和抓取装置150通信连接。
注塑原料软化装置110用于将注塑原材料软化，并将软化后的所述注塑原材料输入注塑成型装置120。在一些实施例中，注塑原材料可以包括聚乙烯、聚丙烯、低密度聚乙烯等热塑性材料。在一些实施例中，注塑原材料可以在注塑原料软化装置110中被加热从而软化。
注塑成型装置120用于将软化后的注塑原材料注入模具完成注塑。在一些实施例中，注塑成型装置120可以包括注塑机和模具。注塑机为将热塑性塑料或热固性塑料利用塑料成型模具制成各种形状的塑料制品的仪器。模具是一种有一定形状与尺寸的型腔工具。在一些实施例中，注塑成型装置120可以用于基于处理器160发出的指令，通过注塑机将软化后的注塑原材料注入模具完成注塑。
冷却装置130用于对注塑后的模具进行冷却处理，以形成乳液泵注塑件。在一些实施例中，冷却装置130可以包括水冷装置、油冷装置以及压缩空气冷却装置等。在一些实施例中，冷却装置130可以通过冷却水在模具内的冷却通道流过的方式对模具及其内部的注塑件进行冷却处理，从而将注塑件的热量带走；通过冷却装置130冷却充分后可以得到注塑件。
检测装置140用于对注塑件进行检测。在一些实施例中，检测装置140可以基于处理器160发出的指令，对多个时间点的乳液泵注塑件进行检测，并判断检测结果是否满足第一预设条件。在一些实施例中，可以基于标准件(合格产品)预先设定标准检测结果，通过将检测装置140的检测结果与标准检测结果进行比对，判断检测结果是否满足第一预设条件，例如，检测装置140的检测结果与标准检测结果的匹配度大于预设匹配阈值，则认为检测结果满足第一预设条件。
在一些实施例中，响应于乳液泵注塑件的检测结果不满足第一预设条件时，发出通知给处理器160。在一些实施例中，检测装置140至少包括红外热像仪和光学相机中的一种。其中，红外热像仪可以用于获取热成像数据，从而得到注塑件的温度分布数据；光学相机可以用于采集乳液泵注塑件光学图像，例如按压乳液泵对应乳液喷出的图像等，光学相机可以包括光学CCD(Charge-coupled Device，电荷耦合元件)相机等，CCD能够把光学影像转化为数字信号。
在一些实施例中，检测装置140还可以包括其他可以用于检测注塑件的设备。关于如何检测注塑件并基于检测结果判断乳液泵是否合格的更多内容，可以参见下文的相关描述。
在一些实施例中，检测装置140还可以包括形状检测仪。形状检测仪可以用于检测注塑件的形状。在一些实施例中，形状检测仪可以通过获取光学图像确定注塑件的毛边情况。在一些实施例中，形状检测仪可以通过重力检测确定注塑件的重力分布特征。示例的，对于注塑件中有毛边存在的点位，可能对应检测出的重力大一点，而对于注塑件中有气泡存在的点位，则可能对应检测出的重力小一点，从而可以根据监测得到的重力分布特征，得到注塑件的形状。
在一些实施例中，检测装置140可以用于基于处理器160的指令，检测乳液泵注塑件的变形情况。在一具体实施例中，检测装置140可以通过形状检测仪检测乳液泵注塑件的形状，从而获取乳液泵注塑件的变形情况。
抓取装置150用于抓取乳液泵注塑件。在一些实施例中，抓取装置150可以基于处理器160发出的指令，抓取乳液泵注塑件，以进行乳液喷出性能检测。例如，抓取装置150可以是机械手和/或仿生机器人等。
处理器160可以用于数据处理和控制各装置。在一些实施例中，处理器160可以分别与注塑原料软化装置110、注塑成型装置120、冷却装置130、检测装置140和抓取装置150通信连接。处理器160可以是中央处理单元(CPU)、数字信号处理器(DSP)、系统芯片(SoC)、微处理器(MCU)等，或其任意组合。
在一些实施例中，处理器160可以通过网络、无线电等方式对乳液泵注塑成型系统100进行控制。例如，处理器160可以用于在乳液喷出性能检测的检测结果不合格时，发出调整指令以调整注塑成型装置120和冷却装置130的工作参数。关于调整工作参数的更多内容，可以参见下文的相关描述。
在一些实施例中，处理器160可以用于获取变形情况检测合格的乳液泵注塑件在多个时点及各个时点对应的温度下的变形数据以及温度分布数据；基于变形数据和温度分布数据，预测未来时点的变形数据；并判断预测的未来时点的变形数据是否满足第二预设条件，响应于预测的未来时点的变形数据不满足第二预设条件，发出通知。在一些实施例中，处理器160发出通知可以是指向用户显示通知内容，发出通知提示音等。关于预测变形数据的更多内容，可以参见图4及其相关描述。
在一些实施例中，乳液喷出性能检测可以包括：由处理器160以设定频率命令抓取装置150抓取冷却后的乳液泵注塑件，进行组装并灌入乳液，以及进行乳液喷量试验。
示例的，处理器160可以基于乳液喷量试验的试验结果，判断乳液泵是否满足预设的喷量标准，不满足预设的喷量标准，则可以认为不满足预设要求，响应于乳液喷量试验的试验结果不满足预设要求，处理器160可以对注塑成型装置120或冷却装置130发出调整指令。关于乳液喷出性能检测的更多内容，可以参见图5及其相关描述。
在一些实施例中，乳液泵注塑成型系统100还可以包括复检装置。复检装置可以用于对于变形检测不合格和/或喷出性能检测不合格的乳液泵注塑件进行再次检测。
在一些实施例中，复检装置可以包括光学相机、乳液泵注塑件固定装置和按压装置。光学相机用于采集乳液泵注塑件的乳液喷出图像，乳液泵注塑件固定装置用于固定乳液泵注塑件，按压装置用于按压乳液泵使乳液喷出。
在一些实施例中，乳液泵注塑成型系统控制方法，可以包括：
原材料软化装置将软化后的注塑原材料输入注塑成型装置；注塑成型装置基于处理器发出的指令，通过注塑机将软化后的注塑原材料注入模具完成注塑，注塑后由冷却装置对模具进行冷却处理，以形成乳液泵注塑件；检测装置基于处理器发出的指令，对多个时间点的乳液泵注塑件进行检测，响应于乳液泵注塑件的检测结果不满足第一预设条件时发出通知给处理器；抓取装置基于处理器发出的指令，抓取乳液泵注塑件，以进行乳液喷出性能检测；处理器用于在性能检测结果不合格时，发出调整指令以调整注塑成型装置和冷却装置的工作参数。
图2是根据本说明书一些实施例所示的乳液泵注塑成型的示例性流程图。
如图2所示，流程200可以包括下述步骤。在一些实施例中，流程200可以由乳液泵注塑成型系统100执行。
步骤210，原材料软化。在一些实施例中，步骤210可以由注塑原料软化装置110执行。在一些实施例中，注塑原料软化装置110可以通过加热使原材料软化。在一些实施例中，注塑原料软化装置110将软化后的注塑原材料输入注塑成型装置120。
步骤220，注塑。在一些实施例中，步骤220可以由注塑成型装置120执行。在一些实施例中，注塑成型装置120基于处理器发出的指令，通过注塑机将软化后的注塑原材料注入模具完成注塑。
步骤230，冷却。在一些实施例中，步骤230可以由冷却装置130执行。在一些实施例中，注塑后可以通过冷却装置130对模具进行冷却处理，以形成乳液泵注塑件。
步骤240，变形检测。在一些实施例中，步骤240可以由检测装置140执行。在一些实施例中，检测装置140可以对乳液泵注塑件的变形情况进行检测。示例的，检测装置140可以通过获取光学图像，检测乳液泵注塑件是否存在缺陷，从而获得乳液泵注塑件的变形情况。
步骤250，喷出性能检测。在一些实施例中，步骤250可以由检测装置140执行。在一些实施例中，抓取装置150可以用于抓取乳液泵注塑件，以进行乳液喷出性能检测。例如，乳液喷出性能可以包括按压乳液泵检测乳液喷量、喷速等。
在一些实施例中，检测装置140可以在乳液喷量试验过程中的多个时点进行拍摄，从而获得乳液喷量试验的结果，基于乳液喷量试验的试验结果，处理器160可以判断是否满足预设要求。
步骤260，判断是否进行复检。在一些实施例中，判断是否进行复检，可以基于变形检测以及喷出性能检测的检测结果确定。在一些实施例中，步骤260可以由处理器160执行。
在一些实施例中，乳液泵注塑件的变形检测以及乳液喷出性能检测的检测结果可以分别对应一个预设的合格阈值，变形检测结果和性能检测结果分别满足各自对应的合格阈值，则可以认为符合标准。对于符合标准的乳液泵注塑件可以作为合格品。对于不符合标准的乳液泵注塑件则进入步骤270进行复检。关于变形检测和乳液喷出性能检测的更多内容，可以参见下文的相关描述。
步骤270，复检。在一些实施例中，步骤270可以由复检装置执行。在一些实施例中，对于步骤240变形检测和/或步骤250喷出性能检测结果不符合标准的乳液泵，可以进行乳液喷出性能复检。
在一些实施例中，乳液喷出性能复检可以包括通过乳液泵注塑件固定装置将乳液泵注塑件固定，通过按压装置按压乳液泵注塑件使乳液喷出，通过光学相机或其他图像采集装置采集乳液泵注塑件的乳液喷出图像。
步骤280，判断复检结果是否合格。在一些实施例中，步骤280可以由处理器160执行。
在一些实施例中，复检装置可以通过乳液喷出图像，判断乳液泵注塑件是否合格。例如，将复检装置获取的乳液喷出图像与合格产品对应的标准乳液标出图像进行比对，相似度大于预设相似度阈值，则可以认为乳液泵注塑件合格；相似度小于等于相似度阈值，则可以认为乳液泵注塑件复检不合格，对不合格的乳液泵注塑件进行报废并进行步骤290参数调整。
步骤290，参数调整。在一些实施例中，步骤290可以由处理器160执行。在一些实施例中，处理器160可以基于复检结果，发出调整指令以调整注塑成型装置120和冷却装置130的工作参数。关于调整工作参数的更多内容，可以参见图5及其相关描述。
在一些实施例中，检测装置140可以进一步用于根据处理器160的指令，检测乳液泵注塑件的变形情况。变形情况可以包括乳液泵注塑件的重力分布情况，例如，形状检测仪可以通过重力检测检测注塑件上多个点位的重力分布特征。在一些实施例中，检测变形情况的目的是为了获悉乳液泵注塑件是否存在缺陷(比如气泡、厚度不均等)。
在一些实施例中，处理器160可以用于：基于检测装置140获取的光学图像确定毛边情况，基于毛边情况，确定乳液泵注塑件的重力范围。
毛边可以是指乳液泵注塑件表面或内部孔洞形成的粗糙边缘。在一些实施例中，乳液泵注塑件上的存在毛边的某些点位检测出来的重力就会比较大，乳液泵注塑件上的存在气泡的某些点位检测出来的重力就会比较小，其中重力可以用容重表示，例如，乳液泵注塑件上的表面某位置存在毛边，该位置的重力检测出来用容重可以表示为1.1g/cm3，又例如，乳液泵注塑件上的表面某位置存在气泡，该位置的重力检测出来用容重可以表示为0.8g/cm3。
在一些实施例中，乳液泵注塑件的点位的重力可以通过多个压力传感器检测出来，具体地，压力传感器可以将乳液泵注塑件某个位置的重力转换成电信号(如毫伏)，电信号与容重具有预设的对应关系。在一些实施例中，乳液泵注塑件的重力可以根据毛边情况修正，再来检测是否存在气泡缩孔等缺陷导致的重力变化，因为毛边可以通过修整解决而气泡不能。
在一些实施例中，处理器160可以进一步用于：通过重力模型，确定重力变化情况。
图3是根据本说明书一些实施例所示的重力模型的模型图。
如图3所示，在一些实施例中，重力模型300可以包括第一图像处理层320和重力层340，例如，第一图像处理层320可以是卷积神经网络模型，重力层340可以是循环神经网络模型等。在一些实施例中，第一图像处理层320的输入可以包括多个时间点的光学相机获取的光学图像310，其输出可以包括毛边特征330；重力层340的输入可以包括毛边特征330，其输出可以包括预测的重力分布特征350；第一图像处理层320的输出可以作为重力层340的输入。
其中，多个时间点的光学相机获取的光学图像310可以指乳液泵注塑件在进行确定重力变化过程中，监测装置采集的多个时间点的光学图像，毛边特征330可以指基于多个时间点的光学相机获取的光学图像提取的对应的毛边特征数据,重力分布特征350可以指基于毛边特征330提取的对应的重力分布特征数据。毛边特征数据和重力分布特征数据的表示方式可以包括但不限于向量和/或矩阵等形式。其中，重力模型300与变形模型400共享第一图像处理层，变形模型400的具体说明可以参见图4及其相关描述。
在一些实施例中，重力模型300可以通过联合训练获得。在一些实施例中，训练重力模型300的训练样本及标签可以基于历史数据获得。联合训练的训练样本包括多个时间点的光学相机获取的样本光学图像，标签为多个时间点的光学相机获取的样本光学图像对应的实测重力分布特征。将样本多个时间点的光学相机获取的样本光学图像输入第一图像处理层，得到第一图像处理层输出的毛边特征；将毛边特征作为训练样本数据输入重力层，得到重力层输出的重力分布特征。基于多个时间点的光学相机获取的样本光学图像对应的实测重力分布特征和评估层输出的重力分布特征构建损失函数，同步更新第一图像处理层提取层和重力层的参数。通过参数更新，得到训练好的第一图像处理层提取层和重力层，即获得训练好的重力模型。
在一些实施例中，可以在实际检测的乳液泵注塑件的多个点的重力分布特征与重力模型预测的不一致时，判断乳液泵注塑件不合格，例如，实际检测的重力分布特征与重力模型预测的重力分布特征差异大于设定的阈值(如5％等)，则判断乳液泵注塑件为不合格品。在一些实施例中，通过对比实测与预测的乳液泵的注塑件重力分布特征，能够准确有效的剔除不符合生产要求的产品，保证产品的质量。
在一些实施例中，处理器160可以进一步用于：获取变形情况检测合格的乳液泵注塑件在多个时点及各个时点对应的温度下的变形数据以及温度分布数据；基于变形数据和温度分布数据，预测未来时点的变形数据；基于未来时点的变形数据，判断未来时点的变形数据是否满足第二预设条件；对于变形数据可以预设变形阈值，如果变形数据在预设变形阈值的范围内，则可以认为变形数据满足第二预设条件。在一些实施例中，响应于预测的未来时点的变形数据不满足第二预设条件，发出通知，例如，向用户显示等。
在一些实施例中，处理器160通过预测未来时点的乳液泵注塑件的变形数据是否满足第二预设条件，来决定是否发出通知，能够使得乳液泵注塑件关于变形是否合格的判断不需要等到完全冷却，可以提前预测可能不合格的产品，缩短了产品的生产周期提高了效率。
变形数据可以是与乳液泵注塑件的变形相关的数据。变形数据可以为乳液泵注塑件在多个不同时间点以及各个不同时间点对应的温度下的变形。在一些实施例中，变形数据可以包括乳液泵注塑件的变形方向、变形速率和变形持续时间等。示例的，变形数据可以包括“在当前时间点以及周围温度为40℃下，乳液泵注塑件的变形方向为翘曲变形(Z方向变形)，变形速率为5mm/h以及变形持续时间为2h”。
温度分布数据可以是与乳液泵注塑件上温度分布相关的数据。温度分布数据可以为在多个不同时间点以及各个不同时间点对应的温度下，乳液泵注塑件上的温度分布情况。在一些实施例中，温度分布数据可以包括乳液泵注塑件上不同位置的温度、不同位置的温度升温速率、不同位置的温度降温速率等。示例的，温度分布数据可以包括“在当前时间点以及周围温度为40℃下，乳液泵注塑件上位点a的温度为30℃，乳液泵注塑件上位点b的温度为35℃，乳液泵注塑件上位点c的温度为38℃；所有位置的温度升温速率为0℃/h，所有位置的温度降温速率为5℃/h等”。
在一些实施例中，处理器160可以基于多种方式获取变形数据以及温度分布数据。例如，变形数据可以通过贴在乳液泵注塑件上的应变式传感器获取。温度分布数据可以通过安装在模具内表面的一个或多个位置的温度传感器获取。温度传感器可以是热电偶、RTD(电阻温度检测器)、热敏电阻和基于半导体的集成电路(IC)等。
在一些实施例中，处理器160可以将获取的变形数据、温度分布数据和环境参数(温度)，输入到机器学习模型中进行处理，得到乳液泵注塑件在未来时点的变形数据。
在一些实施例中，处理器160可以用于：通过变形模型预测未来时点的变形数据；其中，变形模型包括第一图像处理层、第二图像处理层和预测层。
图4是根据本说明书一些实施例所示的变形模型的模型图。
如图4所示，在一些实施例中，变形模型400可以包括第一图像处理层430、第二图像处理层440和预测层480，例如，第一图像处理层430、第二图像处理层440可以是卷积神经网络模型，预测层480可以是循环神经网络模型等。在一些实施例中，第一图像处理层430的输入可以包括多个时间点的光学相机获取的光学图像410，其输出可以包括变形特征450如像素变化，示例的，第一图像处理层430提取光学图像410中的灰度值特征，每个像素的灰度值不同，当发生变形时，图像中应该有多个像素点(如变形边缘)的灰度值发生变化；第二图像处理层440的输入可以包括多个时间点的热成像数据420，其输出可以包括温度变化特征470；预测层480的输入可以包括变形特征450、温度变化特征470和环境参数460，其输出可以包括预测的变形数据490。其中，环境参数460可以包括多个时间点所对应的乳液泵注塑件周围的环境温度。
其中，第一图像处理层430、第二图像处理层440的输出可以作为预测层340的部分输入。其中，多个时间点的光学相机获取的光学图像310可以参见图3的相关描述，变形特征450可以指基于多个时间点的光学CCD相机获取的光学图像提取的对应的变形特征数据,多个时间点的热成像数据420可以指乳液泵注塑件在进行确定温度变化过程中，检测装置140采集的多个时间点的热成像，温度变化特征470可以指基于多个时间点的热成像提取的对应的温度变化特征数据。预测的变形数据490可以指基于变形特征450、温度变化特征470和环境参数460提取的预测的乳液泵注塑件的变形数据。
在一些实施例中，第一图像处理层430和第二图像处理层440的输出可以为预测层480的输入，第一图像处理层430、第二图像处理层440和预测层480可以联合训练得到。在一些实施例中，联合训练的样本数据包括基于光学相机获取的样本乳液泵注塑件产品的样本光学图像、多个时间点的样本热成像数据、样本环境参数，标签为样本乳液泵注塑件产品在相应时间点的实际变形数据。
训练时，将光学相机获取的样本光学图像输入第一图像处理层，将多个时间点的样本热成像数据输入第二图像处理层，分别得到第一图像处理层、第二图像处理层输出的变形特征、温度变化特征；将变形特征、温度变化特征作为训练样本数据，和样本环境参数输入预测层，得到预测层输出的预测的变形数据。基于样本变形数据和预测层输出的预测的变形数据构建损失函数，同步更新第一图像处理层、第二图像处理层和预测层的参数。通过参数更新，得到训练好的第一图像处理层、第二图像处理层和预测层。
在一些实施例中，变形模型400的第一图像处理层430可以是重力模型300的第一图像处理层320。
在一些实施例中，第二预设条件可以是对于变形数据预设的变形阈值，如果变形数据在预设变形阈值的范围内，则可以认为变形数据满足第二预设条件。在一些实施例中，第二预设条件(变形阈值)可以基于处理器160发出调整指令的频率确定；频率较高时，调低第二预设条件，即降低变形阈值，缩小了变形数据的合格范围，使得质控更为严格。关于处理器160发出调整指令的具体内容，可以参见下文的相关描述。
在一些实施例中，在处理器160发出调整指令的频率较高时，通过调低第二预设条件，缩小合格产品对应的范围，可以提高质控的严格性，能够有效提高乳液泵注塑件的合格率，同时缩短生产周期提高了效率。
在一些实施例中，变形数据的采样时间可以由处理器160根据环境温度、注塑件材质和尺寸等确定。例如，乳液泵注塑件在环境温度为24℃、注塑件材质为PP、尺寸为直径33mm，处理器160可以设置为变形数据的采样时间可以为2小时一次，环境温度、注塑件材质和尺寸其中之一发生变化，则相应调整采样时间。例如，环境温度越高，则乳液泵注塑件冷却时可能冷却速率达不到要求，可能无法及时定型硬化，更容易发生变形，可以缩短采样时间，增加采样频率；又例如，不同注塑原料在不同温度下的塑性可能不同，其发生变形的难易程度也不同，对于易发生变形的，可以缩短采样时间，增加采样频率；再例如，如果注塑件尺寸较大，注塑过程可能难以对注塑件的不同部位进行良好的重力控制，更易发生变形，可以缩短采样时间，增加采样频率。
在一些实施例中，采样时间还可以基于处理器160发出调整指令的次数确定，例如，处理器160多次发出调整指令或发出调整指令的频率过高，则表明产品变形的可能性更大，因此需要缩短采样时间，提高采样频率，以保证采样的准确性。关于处理器160发出调整指令的具体内容，可以参见下文的相关描述。
在一些实施例中，变形数据的采样时间根据环境温度、注塑件材质、尺寸以及处理器发出调整指令的次数确定，可以保证乳液泵注塑件的变形数据在合适的时间进行采取，以及能够保证变形数据的准确性。
在一些实施例中，乳液喷出性能检测可以包括：由处理器160以设定频率命令抓取装置150抓取冷却后的乳液泵注塑件，进行组装并灌入乳液，以及进行乳液喷量试验。
在一些实施例中，处理器160可以对乳液喷量试验的试验结果进行判断，响应于乳液喷量试验的试验结果不满足预设要求，处理器160可以对注塑成型装置120或冷却装置130发出调整指令。
在一些实施例中，处理器160可以对比乳液喷量试验的试验结果和合格品的乳液喷量试验的标准试验结果，如果两者的吻合程度大于预设的吻合阈值(例如，80％)，则认为试验结果满足预设要求。
在一些实施例中，性能不满足预设要求的原因可以包括乳液泵注塑件存在缺陷(比如气泡、厚度不均等)，以及乳液泵注塑件发生变形等，由于乳液泵注塑件存在的缺陷或变形在变形检测中未被检测出来，，最终在乳液喷量试验中检测出乳液喷出性能不符合预设要求。因此，当乳液喷量试验的试验结果不满足预设要求，处理器160可以对注塑成型装置120或所述冷却装置130发出调整指令。
在一些实施例中，调整指令可以包括调整注塑时间、调整冷却时间和冷却温度等。
在一些实施例中，处理器160可以基于机器学习模型对对乳液喷量试验的试验结果进行判断。在一些实施例中，检测装置140的摄像装置可以在乳液喷量试验过程中的多个时点进行拍摄，获取多个时点的采集图像；处理器160可以基于多个时点的采集图像和标准图像，通过判断模型，确定乳液喷量试验的试验结果是否满足预设要求。
在一些实施例中，处理器160可以对多个时点的采集图像和标准图像的喷量和喷速进行对比，来判断试验结果是否满足要求，且处理器160能够进一步调整注塑参数，精确有效地完善了注塑产品的生产过程。
图5是根据本说明书一些实施例所示的判断模型的模型图。
如图5所示，在一些实施例中，判断模型500可以包括喷量比对层530、喷速比对层540和试验结果确定层580，例如，喷量比对层530、喷速比对层540可以是卷积神经网络模型，试验结果确定层580可以是循环神经网络模型等。
在一些实施例中，喷量比对层530的输入可以包括某个时点的采集图像511和某个时点的标准图像512，其输出可以包括该时点的喷量相似度550；喷速比对层540的输入可以包括某个时点及其前一时点的采集图像521和某个时点及其前一时点的标准图像522，其输出可以包括该时点的喷速相似度570；试验结果确定层580的输入可以包括全部时点的喷量相似度和全部时点的喷速相似度以及乳液粘度561、按压压力562、按压时间563和喷口直径的564，其输出可以包括试验结果590。
喷量比对层530、喷速比对层540的所有输出可以作为试验结果确定层580的输入，即：喷量比对层530输出的多个不同的时点的喷量相似度550以及喷速比对层540输出的多个不同的时点的喷速相似度570，均作为试验结果确定层580的输入。
其中，某个时点的采集图像可以是指需要进行按压试验的乳液泵在相同时间间隔时喷出的图像，某个时点的标准图像可以是指优质(合格)的乳液泵在相同时间间隔时喷出的图像，可以提前采集确定。试验结果590的输出形式可以是1或0，示例的，乳液泵注塑件的按压试验结果满足要求(合格)可以用1表示，乳液泵的按压试验结果不满足要求(不合格)可以用0表示。
在一些实施例中，判断模型500可以通过单独或联合训练获得。在一些实施例中，喷量比对层530、喷速比对层540的输出可以为试验结果确定层580的输入，以联合训练为例。在一些实施例中，联合训练的样本数据包括多组乳液泵注塑件在多个时点的样本采集图像、样本标准图像以及样本乳液粘度、样本按压压力、样本按压时间、样本喷口直径，标签为样本乳液泵是否合格(可以基于复检的结果由人工标注)。将多个时点的样本采集图像和样本标准图像输入喷量比对层以及输入喷速比对层，得到喷量比对层、喷速比对层分别输出的多个时点的喷量相似度和多个时点的喷速相似度；将多个时点的喷量相似度和多个时点的喷速相似度作为训练样本数据，和样本乳液粘度、样本按压压力、样本按压时间、样本喷口直径一同输入试验结果确定层，得到试验结果确定层输出的试验结果。基于样本乳液泵是否合格和试验结果确定层输出的试验结果构建损失函数，同步更新喷量比对层、喷速比对层、试验结果确定层的参数。通过参数更新，得到训练好的喷量比对层、喷速比对层和试验结果确定层。
在一些实施例中，试验结果确定层的输入还包括采集图像对应的毛边情况和变形特征以及标准图像对应的毛边情况和变形特征。在一些实施例中，试验结果确定层输入的毛边情况和变形特征可以影响喷量相似度和喷速相似度的权重，此时毛边情况和变形特征对于权重的影响是非显性的，毛边情况和变形特征对喷量相似度和喷速相似度的权重的影响可以通过机器学习得到。其中，关于毛边情况和变形特征的相关说明可以参见图3及其相关描述。
在一些实施例中，试验结果确定层进一步通过输入毛边情况和变形特征，能够确定喷量相似度和喷速相似度的相应权重，得到更加准确的试验结果，保证了乳液泵注塑件的乳液喷出性能可以达到要求。
在一些实施例中，判断模型还包括置信度确定层。置信度确定层的输入可以包括在多个时点的乳液泵注塑件的采集图像及标准图像对应的喷量相似度和喷速相似度、采集图像和标准图像对应的乳液粘度、喷孔孔径、按压压力，置信度确定层的输出可以包括试验结果的置信度。
在一些实施例中，置信度确定层可以基于大量的历史数据进行训练。历史数据可以包括第一训练样本和第一训练标签。在一些实施例中，历史数据可以基于乳液泵注塑成型系统的历史生产数据由人工采集获取。第一训练样本的每组训练样本包括喷量比对层和喷速比对层分别输出的历史全部时点的喷量相似度和历史全部时点的喷速相似度、历史采集图像和历史标准图像对应的历史乳液粘度、历史喷孔孔径、历史按压压力等。第一训练标签可以通过第一训练样本的每组训练样本对应的试验结果的置信度。训练过程包括：将带有第一训练标签的第一训练样本输入未设置参数的置信度确定层；基于损失函数迭代更新置信度确定层的参数直至满足损失函数小于阈值、收敛，或训练周期达到阈值等条件，获取训练好的置信度确定层。
在一些实施例中，试验结果的置信度可以是以数值表示的试验结果可信的程度，例如，可以以0-100表示，数值越高则对应可信程度越高，试验结果的置信度的数值超出预设置信度阈值则可以认为试验结果可信，即判断模型的输出结果可靠。
在一些实施例中，处理器160是否发出调整指令可以采用假设检验的方法确定，即乳液泵注塑件能够在一定范围内满足要求，处理器就不需要发出调整指令。示例的，采用假设检验的方法，可以先设定一个可以接受的最低合格率，假设目前的乳液泵注塑件合格率高于最低合格率，处理器160通过设定的频率命令抓取装置150抓取乳液泵注塑件并得出其试验结果，计算前述假设成立的概率，当前述假设成立的概率小于概率阈值时处理器160再发出调整指令。
在一些实施例中，通过假设检验的方法确定处理器是否发出调整指令，避免了乳液泵注塑件生产过程中不断调整导致过高的时间成本、提高了产品的生产效率，与此同时还有效保证了产品的合格率。
在一些实施例中，处理器160可以基于乳液喷量试验的试验结果，调整对乳液泵注塑件是否合格的判断标准。例如，乳液喷量试验的试验结果表明某乳液泵注塑件在喷量为A-B的范围内即对应产品合格，那么如果该情况下基于变形情况对于该产品判断是不合格的，可以对变形情况的判断标准进行调整，例如，调整预测的重力分布特征与实测的重力分布特征的差异的阈值，又例如，更改预测的变形数据所需要满足的第二预设条件。关于变形情况的判断的具体内容可以参见图3及其他相关描述，关于第二预设条件的具体内容可以参见图4及其他相关描述。
在一些实施例中，抓取装置150的抓取频率可以基于乳液泵注塑件的变形情况确定。例如，乳液泵注塑件的变形情况越严重，则抓取装置150的抓取频率可以设定得越高。关于乳液泵注塑件的变形情况的具体内容，可以参见图3、图4及其他相关描述。
在一些实施例中，复检装置可以基于处理器160发出的指令，对乳液泵注塑件进行复检；复检装置包括光学相机、乳液泵注塑件固定装置以及按压装置；光学相机用于采集乳液泵注塑件的乳液喷出图像，乳液泵注塑件固定装置用于固定乳液泵注塑件，按压装置用于按压乳液泵注塑件使乳液喷出。
在一些实施例中，当乳液喷量试验的试验结果为不合格且判断模型的置信度确定层输出的置信度较低时，可以进行复检。复检的目的是排除置信度较低时的错误判断。示例的，乳液喷量试验的试验结果本来是合格的，由于误判为不合格，不复检而直接调整注塑参数会导致之后生产的乳液泵注塑件都不合格。在一些实施例中，复检的方法可以为通过用不同的乳液粘度和不同的按压压力等，重新对乳液泵注塑件进行乳液喷出性能检测。关于试验结果的置信度的具体内容，可以参见图5及其相关描述。
在一些实施例中，是否需要进行复检还可以基于假设检验的方法得到的假设成立的概率来确定。关于假设检验的具体方法可以参见前文相关部分的说明。假设成立的概率越低，需要调整的可能性越大，越需要复检。在一些实施例中，假设成立的概率低于预设复检阈值，则进行复检。关于复检的具体方式可以参见前文的相关描述。
在一些实施例中，通过假设检验的方法得到的假设成立的概率低于预设的复检阈值时进行复检的方法，能够避免乳液泵注塑件不会因为误判为合格而导致后续生产产品的不合格，进一步保证了产品的质量。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (6)
1.一种乳液泵注塑成型系统，其特征在于，包括：注塑原料软化装置、注塑成型装置、冷却装置、检测装置、抓取装置和处理器，所述处理器与所述注塑原料软化装置、所述注塑成型装置、所述冷却装置、所述检测装置和所述抓取装置通信连接；
所述注塑原料软化装置用于将注塑原材料软化，并将软化后的所述注塑原材料输入所述注塑成型装置；
所述注塑成型装置包括注塑机和模具；所述注塑成型装置用于基于所述处理器发出的指令，所述注塑机将软化后的所述注塑原材料注入所述模具完成注塑；
所述冷却装置用于对注塑后的所述模具进行冷却处理，以形成乳液泵注塑件；
所述检测装置用于基于所述处理器发出的指令，对多个时间点的所述乳液泵注塑件进行检测，响应于所述乳液泵注塑件的检测结果不满足第一预设条件时，发出通知给所述处理器，所述检测至少包括检测所述乳液泵注塑件的变形情况；所述检测装置至少包括红外热像仪、光学相机和形状检测仪中的一种；
所述抓取装置用于基于所述处理器发出的指令，抓取所述乳液泵注塑件，以进行乳液喷出性能检测；
所述处理器用于在性能检测结果不合格时，发出调整指令以调整所述注塑成型装置和所述冷却装置的工作参数，以及用于
获取变形情况检测合格的所述乳液泵注塑件在多个时点及各个所述时点对应的温度下的变形数据以及温度分布数据；其中，所述多个时点的数量和时间间隔基于环境温度、注塑件材质、尺寸、所述调整指令的发出频率中的至少一种确定；
基于所述变形数据和所述温度分布数据，预测未来时点的变形数据，其中包括：
通过变形模型预测所述未来时点的变形数据；其中，所述变形模型包括第一图像处理层、第二图像处理层和预测层，所述第一图像处理层的输入包括多个时间点的光学图像，其输出包括变形特征；所述第二图像处理层的输入包括多个时间点的热成像数据，其输出包括温度变化特征；所述预测层的输入包括所述变形特征、所述温度变化特征和环境参数，其输出包括所述未来时点的变形数据；
响应于预测的所述未来时点的变形数据不满足第二预设条件，发出通知，其中，所述第二预设条件基于所述调整指令的发出频率确定。
2.根据权利要求1所述的乳液泵注塑成型系统，其特征在于，所述乳液喷出性能检测包括：
由所述处理器以设定频率命令所述抓取装置抓取冷却后的所述乳液泵注塑件，进行组装并灌入乳液，以及进行乳液喷量试验；
响应于所述乳液喷量试验的试验结果不满足预设要求，所述处理器对所述注塑成型装置或所述冷却装置发出调整指令。
3.根据权利要求2所述的乳液泵注塑成型系统，其特征在于，所述系统还包括复检装置；所述复检装置包括光学相机、乳液泵注塑件固定装置以及按压装置；所述光学相机用于采集所述乳液泵注塑件的乳液喷出图像，所述乳液泵注塑件固定装置用于固定所述乳液泵注塑件，所述按压装置用于按压所述乳液泵注塑件使乳液喷出。
4.一种乳液泵注塑成型系统控制方法，其特征在于，包括：
原材料软化装置将软化后的注塑原材料输入注塑成型装置；
注塑成型装置基于处理器发出的指令，通过注塑机将软化后的所述注塑原材料注入模具完成注塑，注塑后由冷却装置对所述模具进行冷却处理，以形成乳液泵注塑件；
检测装置基于所述处理器发出的指令，对多个时间点的所述乳液泵注塑件进行检测，响应于所述乳液泵注塑件的检测结果不满足第一预设条件时发出通知给所述处理器，所述检测至少包括检测所述乳液泵注塑件的变形情况；
抓取装置基于所述处理器发出的指令，抓取所述乳液泵注塑件，以进行乳液喷出性能检测；
所述处理器用于在性能检测结果不合格时，发出调整指令以调整所述注塑成型装置和所述冷却装置的工作参数，以及用于
获取变形情况检测合格的所述乳液泵注塑件在多个时点及各个所述时点对应的温度下的变形数据以及温度分布数据；其中，所述多个时点的数量和时间间隔基于环境温度、注塑件材质、尺寸、所述调整指令的发出频率中的至少一种确定；
基于所述变形数据和所述温度分布数据，预测未来时点的变形数据，其中包括：
通过变形模型预测所述未来时点的变形数据；其中，所述变形模型包括第一图像处理层、第二图像处理层和预测层，所述第一图像处理层的输入包括多个时间点的光学图像，其输出包括变形特征；所述第二图像处理层的输入包括多个时间点的热成像数据，其输出包括温度变化特征；所述预测层的输入包括所述变形特征、所述温度变化特征和环境参数，其输出包括所述未来时点的变形数据；
响应于预测的所述未来时点的变形数据不满足第二预设条件，发出通知，其中，所述第二预设条件基于所述调整指令的发出频率确定。
5.根据权利要求4所述的乳液泵注塑成型系统控制方法，其特征在于，所述乳液喷出性能检测包括：由所述处理器以设定频率命令所述抓取装置抓取冷却后的所述乳液泵注塑件，进行组装并灌入乳液，以及进行乳液喷量试验；响应于所述乳液喷量试验的试验结果不满足预设要求，所述处理器对所述注塑成型装置或所述冷却装置发出调整指令。
6.根据权利要求5所述的乳液泵注塑成型系统控制方法，其特征在于，还包括：复检装置基于所述处理器发出的指令，对所述乳液泵注塑件进行复检；
所述复检装置包括光学相机、乳液泵注塑件固定装置以及按压装置；所述光学相机用于采集所述乳液泵注塑件的乳液喷出图像，所述乳液泵注塑件固定装置用于固定所述乳液泵注塑件，所述按压装置用于按压所述乳液泵注塑件使乳液喷出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310065025.9A CN116001230B (zh) | 2023-01-13 | 2023-01-13 | 一种乳液泵注塑成型系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310065025.9A CN116001230B (zh) | 2023-01-13 | 2023-01-13 | 一种乳液泵注塑成型系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116001230A CN116001230A (zh) | 2023-04-25 |
| CN116001230B true CN116001230B (zh) | 2024-02-27 |
Family
ID=86029931
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310065025.9A Active CN116001230B (zh) | 2023-01-13 | 2023-01-13 | 一种乳液泵注塑成型系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116001230B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4931245A (en) * | 1988-05-06 | 1990-06-05 | Cebal | Process for the production of a container or tube fitted with a pump |
| WO2001013092A1 (en) * | 1999-08-17 | 2001-02-22 | Image Therm Engineering | Spray data acquisition system |
| JP2005280033A (ja) * | 2004-03-29 | 2005-10-13 | Nissan Motor Co Ltd | 射出成形品の変形解析方法 |
| CN203098243U (zh) * | 2013-02-04 | 2013-07-31 | 嘉兴东唐汽车科技有限公司 | 一种小型喷射泵终端检测台 |
| CN104228012A (zh) * | 2014-07-02 | 2014-12-24 | 郑州轻工业学院 | 一种注塑件加工参数与变形关系的高精度估算方法 |
| CN108032499A (zh) * | 2017-12-13 | 2018-05-15 | 全椒祥瑞塑胶有限公司 | 一种注塑产品智能化检测方法 |
| CN112033657A (zh) * | 2020-09-01 | 2020-12-04 | 天津福莱迪科技发展有限公司 | 一种喷雾检测系统 |
| CN114179320A (zh) * | 2021-11-11 | 2022-03-15 | 苏州精思博智人工智能科技有限公司 | 一种结合视觉检测的注塑机工艺参数自动调节方法 |
| CN114801226A (zh) * | 2022-03-22 | 2022-07-29 | 郭鍌 | 一种自动化的化妆品泵头高效生产装置及工艺 |
| CN115328048A (zh) * | 2022-08-17 | 2022-11-11 | 珠海格力电器股份有限公司 | 注塑工艺监控方法、系统、设备及计算机可读存储介质 |
-
2023
- 2023-01-13 CN CN202310065025.9A patent/CN116001230B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4931245A (en) * | 1988-05-06 | 1990-06-05 | Cebal | Process for the production of a container or tube fitted with a pump |
| WO2001013092A1 (en) * | 1999-08-17 | 2001-02-22 | Image Therm Engineering | Spray data acquisition system |
| JP2005280033A (ja) * | 2004-03-29 | 2005-10-13 | Nissan Motor Co Ltd | 射出成形品の変形解析方法 |
| CN203098243U (zh) * | 2013-02-04 | 2013-07-31 | 嘉兴东唐汽车科技有限公司 | 一种小型喷射泵终端检测台 |
| CN104228012A (zh) * | 2014-07-02 | 2014-12-24 | 郑州轻工业学院 | 一种注塑件加工参数与变形关系的高精度估算方法 |
| CN108032499A (zh) * | 2017-12-13 | 2018-05-15 | 全椒祥瑞塑胶有限公司 | 一种注塑产品智能化检测方法 |
| CN112033657A (zh) * | 2020-09-01 | 2020-12-04 | 天津福莱迪科技发展有限公司 | 一种喷雾检测系统 |
| CN114179320A (zh) * | 2021-11-11 | 2022-03-15 | 苏州精思博智人工智能科技有限公司 | 一种结合视觉检测的注塑机工艺参数自动调节方法 |
| CN114801226A (zh) * | 2022-03-22 | 2022-07-29 | 郭鍌 | 一种自动化的化妆品泵头高效生产装置及工艺 |
| CN115328048A (zh) * | 2022-08-17 | 2022-11-11 | 珠海格力电器股份有限公司 | 注塑工艺监控方法、系统、设备及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116001230A (zh) | 2023-04-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106584800A (zh) | 一种成型产品在线质量检测方法 | |
| CN106872509A (zh) | 一种基于红外成像的注塑制品质量在线检测装置与方法 | |
| CN115122602B (zh) | 一种注塑机智能控制方法及系统 | |
| US20220297304A1 (en) | System and method for early event detection using generative and discriminative machine learning models | |
| CN102519981A (zh) | Pvc建材表面质量在线检测系统 | |
| CN116001230B (zh) | 一种乳液泵注塑成型系统 | |
| CN108527803A (zh) | 适用于模具的物联监测系统及其方法 | |
| AbouelNour et al. | Assisted defect detection by in-process monitoring of additive manufacturing using optical imaging and infrared thermography | |
| US20160176745A1 (en) | Method and apparatus for the automated production of glass objects with a preset wall thickness, preferably for electrochemical sensors | |
| CN117455316A (zh) | 一种注塑工厂设备数据采集的方法 | |
| CN108593660B (zh) | 一种冲压铝板缺陷自动检测装置及方法 | |
| JP2020140365A (ja) | 製品品質不良予測システム | |
| JP6662922B2 (ja) | 射出成形機の制御装置 | |
| WO2019049669A1 (ja) | 生産監視システム及び生産監視方法 | |
| CN111524107B (zh) | 缺陷检测方法、缺陷检测装置及计算机可读存储介质 | |
| Bertoli et al. | In-situ quality monitoring of extrusion-based additive manufacturing via random forests and clustering | |
| KR20230118213A (ko) | 인공지능을 이용한 품질검사 시스템 및 방법 | |
| JP2021151744A (ja) | 成形品検査装置及び、射出成形システム | |
| CN214067658U (zh) | 一种应用于批式生产设备的加工参数管控系统 | |
| EP3213908A1 (en) | Method for the determination of residual moisture on and/or within a lens forming surface | |
| CN111179267A (zh) | 一种零件表面激光熔覆制造过程的质量监测方法 | |
| CN111612772A (zh) | 一种卫浴塑胶件缺陷识别方法、装置及设备 | |
| CN114734601B (zh) | 一种注塑过程的制品瑕疵在线检测方法 | |
| CN113423554A (zh) | 用于控制注射模制过程的方法和系统 | |
| CN104197833A (zh) | 用于砂芯芯撑检查的自动检测控制方法 |
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 |