CN116213932B - 一种机顶盒自动化生产装置及其控制方法 - Google Patents

Abstract

本发明涉及机顶盒加工设备技术领域，特别是一种机顶盒自动化生产装置及其控制方法，包括送料机构与激光焊接机构，其特征在于，所述激光焊接机构包括支撑架，所述支撑架上设置有第一安装板与第二安装板，所述第一安装板上设置有第一轴承，所述第二安装板上设置有第二轴承，且所述第一轴承与第二轴承之间转动连接有第一丝杆，所述第一安装板上还固定安装有第一电机，所述第一电机的输出端与第一梅花联轴器的一端配合连接，所述第一梅花联轴器的另一端与所述第一丝杆配合连接，能够全自动的完成焊接过程，并且实现了智能化控制，能够提高生产效率，降低报废率，进而提高经济效率。

Description

一种机顶盒自动化生产装置及其控制方法

技术领域

本发明涉及机顶盒加工设备技术领域，特别是一种机顶盒自动化生产装置及其控制方法。

背景技术

机顶盒全称为数字视频变换盒，是一个连接电视机与外部信号源的设备。它可以将压缩的数字信号转成电视内容，并在电视机上显示出来，使用户能在现有电视机上观看数字电视节目，并可通过网络进行交互式数字化娱乐、教育和商业化活动，是现代社会中较为常用的一种智能设备。

机顶盒在生产过程中需要经过焊接步骤，由于焊接工艺的特殊性，在批量焊接生产过程中，会容易出现流锡缺陷，流锡缺陷不仅会影响产品的表观，还会对后续内部电子元器件贴装和使用可靠性造成较大影响，当出现流锡缺陷时，需要对产品进行报废，导致报废成本大大增加，降低企业的生产效益。

发明内容

本发明克服了现有技术的不足，提供了一种机顶盒自动化生产装置及其控制方法。

为达到上述目的本发明采用的技术方案为：

本发明公开了一种机顶盒自动化生产装置，包括送料机构与激光焊接机构，所述激光焊接机构包括支撑架，所述支撑架上设置有第一安装板与第二安装板，所述第一安装板上设置有第一轴承，所述第二安装板上设置有第二轴承，且所述第一轴承与第二轴承之间转动连接有第一丝杆，所述第一安装板上还固定安装有第一电机，所述第一电机的输出端与第一梅花联轴器的一端配合连接，所述第一梅花联轴器的另一端与所述第一丝杆配合连接；

所述第一丝杆上配合连接有第一滑动块，所述第一滑动块上固定连接有横板，所述横板上固定安装有第三安装板与第四安装板，所述第三安装板上设置有第三轴承，所述第四安装板上设置有第四轴承，所述第三轴承与第四轴承之间转动连接有第二丝杆，所述横板上还固定安装有第二电机，所述第二电机的输出端与第二梅花联轴器的一端配合连接，所述第二梅花联轴器的另一端与所述第二丝杆配合连接，所述第二丝杆上配合连接有第二滑动块，所述第二滑动块上固定安装焊接机械手，所述焊接机械手的端部设置有激光焊接头。

优选地，本发明的一个较佳实施例中，所述送料机构包括传送带，所述传送带在预设位置上设置有光电传感器。

优选地，本发明的一个较佳实施例中，还包括若干工业摄像机，所述工业摄像机用于拍摄加工生产时的工况视频图像信息。

优选地，本发明的一个较佳实施例中，所述焊接机械手包括旋转底座、第一机械臂与第二机械臂，所述旋转底座与所述第一机械臂配合连接，所述第二机械臂与所述第二机械臂配合连接，所述第一机械臂与第二机械臂上均设置有红外传感器。

本发明另一方面公开了一种机顶盒自动化生产装置的控制方法，应用于任一项所述的一种机顶盒自动化生产装置，包括以下步骤：

获取产品的工艺蓝图信息，由所述工艺蓝图信息中获取得到产品的焊区位置信息与非焊区位置信息；

通过大数据网络检索得到各焊接异常状况所对应的视频帧数据集，构建鉴别模型，并将所述视频帧数据集导入所述鉴别模型中进行训练，得到训练完成的鉴别模型，在预设时间内获取生产设备的实时工况视频信息，并将所述实时工况视频信息导入所述训练完成的鉴别模型中进行鉴别，得到第一鉴别结果或第二鉴别结果；

若鉴别结果为第二鉴别结果，则在预设时间节点上获取实时工况视频信息的图像，基于所述实时工况视频信息的图像得到锡材的熔流速率；

将所述熔流速率与预设熔流速率进行比较，得到熔流速率差值，若所述熔流速率差值不大于预设差值阈值，则获取激光焊接头的实时焊接位置信息与焊接路径信息，基于所述实时焊接位置信息与焊接路径信息得到激光焊接头焊离熔融位置区域时的焊离时间；

基于所述熔流速率与第二工况立体模型图计算出锡材熔流至非焊接区域位置的最短熔流时间，若所述最短熔流时间大于焊离时间，则使得激光焊接头继续按照预设加工参数运行；若所述最短熔流时间不大于焊离时间，则生成加工修正参数，并基于所述加工修正参数对激光焊接头的预设加工参数进行修正。

优选地，本发明的一个较佳实施例中，通过大数据网络检索得到各焊接异常状况所对应的视频帧数据集，构建鉴别模型，并将所述视频帧数据集导入所述鉴别模型中进行训练，得到训练完成的鉴别模型，在预设时间内获取生产设备的实时工况视频信息，并将所述实时工况视频信息导入所述训练完成的鉴别模型中进行鉴别，得到第一鉴别结果或第二鉴别结果，具体包括以下步骤：

基于机顶盒、激光焊接、流锡以及异常状况图像确定出关键检索词，根据所述关键检索词对大数据网络的资源数据进行检索，根据所述资源数据获取得到各焊接异常状况所对应的视频帧信息，并将各焊接异常状况所对应的视频帧信息进行汇聚，得到视频帧数据集；

基于卷积神经网络构建鉴别模型，并将所述视频帧数据集分为测试本与校验本，将所述测试本输入到所述鉴别模型中，通过交叉熵代价函数对所述测试本中的视频帧信息进行参数反向传播训练，并获取视频帧信息的训练参数，当所述训练参数收敛至预设值后，保存训练参数；

通过所述校验本对所述训练参数进行校验，判断所述训练参数是否满足预设要求，若满足预设要求，则将所述训练参数作为最终参数输出，得到训练完成的鉴别模型；

在预设时间内获取生产设备的实时工况视频信息，并将所述实时工况视频信息导入所述训练完成的鉴别模型中，通过灰色关联分析法计算实时工况视频信息与各焊接异常状况所对应的视频帧信息的配对率，得到多个配对率；

将多个所述配对率与预设配对率进行比较，若所述配对率均不大于预设配对率，则生成第一鉴别结果；若存在至少一个配对率大于预设配对率，则生成第二鉴别结果。

优选地，本发明的一个较佳实施例中，若鉴别结果为第二鉴别结果，则在预设时间节点上获取实时工况视频信息的图像，基于所述实时工况视频信息的图像得到锡材的熔流速率，具体包括以下步骤：

若鉴别结果为第二鉴别结果，则在第一预设时间节点与第二预设时间节点上截取所述实时工况视频信息的图像，得到第一图像与第二图像；

对所述第一图像与第二图像分别进行特征匹配处理，得到第一图像与第二图像所对应的特征匹配点，构建世界坐标系，将所述特征匹配点导入所述世界坐标系中，以在所述世界坐标系中获取得到第一图像与第二图像所对应的特征匹配点的坐标值；

将第一图像与第二图像所对应的特征匹配点的坐标值汇聚，得到第一图像的特征匹配点的第一坐标合集以及得到第二图像的特征匹配点的第二坐标合集；基于所述第一坐标合集构建得到第一工况立体模型图，基于所述第二坐标合集构建得到第二工况立体模型图；

构建网格坐标系，将所述第一工况立体模型图与第二工况立体模型图进行比较，得到图形差值，基于所述图形差值得到锡材的熔流速率。

优选地，本发明的一个较佳实施例中，将所述熔流速率与预设熔流速率进行比较，得到熔流速率差值，若所述熔流速率差值不大于预设差值阈值，则获取激光焊接头的实时焊接位置信息与焊接路径信息，基于所述实时焊接位置信息与焊接路径信息得到激光焊接头焊离熔融位置区域时的焊离时间，具体包括以下步骤：

将所述熔流速率与预设熔流速率进行比较，得到熔流速率差值，判断所述熔流速率差值是否大于预设差值阈值；

若所述熔流速率差值大于预设差值阈值，则生成停止加工指令，并将所述停止加工指令输出；

若所述熔流速率差值不大于预设差值阈值，则基于所述实时工况视频信息获取得到锡材的熔融位置区域；

获取激光焊接头的实时焊接位置信息，以及获取激光焊接头的焊接路径信息，基于所述实时焊接位置信息与焊接路径信息计算出激光焊接头焊离所述熔融位置区域时的焊离时间。

优选地，本发明的一个较佳实施例中，基于所述熔流速率与第二工况立体模型图计算出锡材熔流至非焊接区域位置的最短熔流时间，若所述最短熔流时间大于焊离时间，则使得激光焊接头继续按照预设加工参数运行，具体包括以下步骤：

获取产品的非焊区位置信息，获取锡材的熔流速率，以及获取第二工况立体模型图；

将所述熔流速率、非焊接区域位置信息以及第二工况立体模型图导入粒子群算法中进行反复模拟构造，生成若干条锡材熔流至非焊接区域位置的熔流路径，并获取各熔流路径所对应的熔流时间；

构建序列表，将各熔流路径所对应的熔流时间导入所述序列表中进行由大到小排序，排序完成后，提取出最短熔流时间；

判断所述最短熔流时间是否大于焊离时间，若所述最短熔流时间大于焊离时间，则使得激光焊接头继续按照预设加工参数运行。

优选地，本发明的一个较佳实施例中，若所述最短熔流时间不大于焊离时间，则生成加工修正参数，并基于所述加工修正参数对激光焊接头的预设加工参数进行修正，具体包括以下步骤：

若所述最短熔流时间不大于焊离时间，则基于所述最短熔流时间、实时焊接位置信息以及焊接路径信息计算出激光焊接头所需的移动速度；

获取激光焊接头的极限移动速度，判断所述激光焊接头所需的移动速度是否大于激光焊接头的极限移动速度；

若不大于，获取激光焊接头的实时移动速度，基于所述激光焊接头的实时移动速度与激光焊接头所需的移动速度计算出速度修正差值，并基于所述速度修正差值对激光焊接头的实时移动速度进行修正；

若大于，则生成停止加工指令，并将所述停止加工指令输出。

本发明解决了背景技术中存在的技术缺陷，本发明具备以下有益效果：通过本装置能够全自动的完成焊接过程，并且实现了智能化控制，能够提高生产效率，降低报废率，进而提高经济效率；并且本装置的传动效率高，运行平稳，能够进一步提高焊接区域的焊接质量。在焊接过程中能够根据实际焊况对激光焊接头进行参数调节，从而避免引起流锡现象，实现了智能调控，能够较大程度较低流锡缺陷，提高产品良率，有利于提高经济效益；并且能够避免出现对加工出来的工件是废品依旧对其进行继续加工的情况，能够对加工过程中出现不良情况的工件进行及时报废，进而有效降低加工成本，并且能够提高加工效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。

图1为本装置的第一立体结构示意图；

图2为本装置的第二立体结构示意图；

图3为本装置的第三立体结构示意图；

图4为本装置的第四立体结构示意图；

图5为本控制方法的第一方法流程图；

图6为本控制方法的第二方法流程图；

附图标记说明如下：101、支撑架；102、第一安装板；103、第二安装板；104、第一轴承；105、第二轴承；106、第一丝杆；107、第一电机；108、第一梅花联轴器；109、第一滑动块；201、横板；202、第三安装板；203、第四安装板；204、第三轴承；205、第四轴承；206、第二丝杆；207、第二电机；208、第二梅花联轴器；209、第二滑动块；301、焊接机械手；302、激光焊接头；303、传送带；304、光电传感器。

具体实施方式

为了能够更加清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述，这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成，需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请保护范围的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明创造的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本申请中的具体含义。

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。

本发明公开了一种机顶盒自动化生产装置，如图1、2、3、4所示，包括送料机构与激光焊接机构，所述激光焊接机构包括支撑架101，所述支撑架101上设置有第一安装板102与第二安装板103，所述第一安装板102上设置有第一轴承104，所述第二安装板103上设置有第二轴承105，且所述第一轴承104与第二轴承105之间转动连接有第一丝杆106，所述第一安装板102上还固定安装有第一电机107，所述第一电机107的输出端与第一梅花联轴器108的一端配合连接，所述第一梅花联轴器108的另一端与所述第一丝杆106配合连接。

所述第一丝杆106上配合连接有第一滑动块109，所述第一滑动块109上固定连接有横板201，所述横板201上固定安装有第三安装板202与第四安装板203，所述第三安装板202上设置有第三轴承204，所述第四安装板203上设置有第四轴承205，所述第三轴承204与第四轴承205之间转动连接有第二丝杆206，所述横板201上还固定安装有第二电机207，所述第二电机207的输出端与第二梅花联轴器208的一端配合连接，所述第二梅花联轴器208的另一端与所述第二丝杆206配合连接，所述第二丝杆206上配合连接有第二滑动块209，所述第二滑动块209上固定安装焊接机械手301，所述焊接机械手301的端部设置有激光焊接头302。

所述送料机构包括传送带303，所述传送带303在预设位置上设置有光电传感器304。在本实施例中，光电传感器304设置有三个，分别设置在传动带的进料端、中部以及出料端。并且在传送带303的进料端与出料端区域设置有工业上下料机械手。

需要说明的是，可以通过工业上下料机械手将待焊接的机顶盒上料至传送带303的进料端上，当光电传感器304检测到上料信息后，光电传感器304把信号反馈至传送带303的控制器上，从而使得控制器控制传送带303运行，以带动待焊接的机顶盒沿着传送带303移动，而当待焊接的机顶盒移动至传送带303的中部时，位于传送带303中部的光电传感器304会检测到就位信号，从而使得传送带303停止启动，然后控制激光焊接机构对机顶盒进行自动焊接，当焊接完毕后，激光焊接机构会将信号发送至传送带303的控制器上，然后控制器接收到信号后，控制传送带303启动，以将焊接完毕的机顶盒传送至出料端上，当出料端的光电传感器304接收到物料就位信号后，控制工业上料下料机械手进行下料，从而完成下料过程。另外需要说明的是，在激光焊接机构对机顶盒焊接的过程中，控制工业上下料机械手对下一待焊接的机顶盒进行上料，进而提高生产效率。

激光焊接机构的工作原理为：通过控制第一电机107启动，以带动第一丝杆106转动，从而使得第一滑动块109能够沿着第一丝杆106上来回滑动，从而带动激光焊接头302沿着传送带303的长度方向快速移动；通过控制第二电机207启动，以带动第二丝杆206转动，从而使得第二滑动块209能够沿着第二丝杆206上来回滑动，从而带动激光焊接头302沿着传送带303的宽度方向快速移动；自此对激光焊接头302实现快速粗定位的功能，能够提高激光焊接的移动定位速度，并且通过丝杆传动的方式，传动效率高，运行过程稳定。然后通过控制焊接机械手301按照预设规律运动，以带动激光焊接头302按照预设焊接路径移动，并且在激光焊接头302按照预设焊接路径移动的过程中，通过激光焊接头302对机顶盒完成焊接过程。

综上，通过本装置能够全自动的完成焊接过程，并且实现了智能化控制，能够提高生产效率，降低报废率，进而提高经济效率。并且本装置的传动效率高，运行平稳，能够进一步提高焊接区域的焊接质量。

本装置还包括若干工业摄像机，所述工业摄像机用于拍摄加工生产时的工况视频图像信息。

需要说明的是，工业设置机设置为多个，可以设置在传送带303两侧以及设置在支撑架101等位置上，工业摄像机的安装要求是至少满足对机顶盒的所有焊接区域进行拍摄监测。

所述焊接机械手301包括旋转底座、第一机械臂与第二机械臂，所述旋转底座与所述第一机械臂配合连接，所述第二机械臂与所述第二机械臂配合连接，所述第一机械臂与第二机械臂上均设置有红外传感器。

需要说明的是，在对机顶盒进行焊接过程中，在预设时间上通过红外传动器获取第一机械臂与第二机械臂的实时位置信息，并将所述实时位置信息与预设位置信息进行比较，得到位置偏差，判断所述位置偏差是否大于预设位置偏差阈值，若大于，则生成纠偏指令，从而对第一机械臂与第二机械臂进行位置修正，以确保激光焊接头302始终能够按照预设焊接路径移动，进而确保焊接质量，减少因焊接路径偏移过大而导致报废情况发生。

本发明另一方面公开了一种机顶盒自动化生产装置的控制方法，应用于任一项所述的一种机顶盒自动化生产装置，如图5所示，包括以下步骤：

S102：获取产品的工艺蓝图信息，由所述工艺蓝图信息中获取得到产品的焊区位置信息与非焊区位置信息；

S104：通过大数据网络检索得到各焊接异常状况所对应的视频帧数据集，构建鉴别模型，并将所述视频帧数据集导入所述鉴别模型中进行训练，得到训练完成的鉴别模型，在预设时间内获取生产设备的实时工况视频信息，并将所述实时工况视频信息导入所述训练完成的鉴别模型中进行鉴别，得到第一鉴别结果或第二鉴别结果；

S106：若鉴别结果为第二鉴别结果，则在预设时间节点上获取实时工况视频信息的图像，基于所述实时工况视频信息的图像得到锡材的熔流速率；

S108：将所述熔流速率与预设熔流速率进行比较，得到熔流速率差值，若所述熔流速率差值不大于预设差值阈值，则获取激光焊接头的实时焊接位置信息与焊接路径信息，基于所述实时焊接位置信息与焊接路径信息得到激光焊接头焊离熔融位置区域时的焊离时间；

S110：基于所述熔流速率与第二工况立体模型图计算出锡材熔流至非焊接区域位置的最短熔流时间，若所述最短熔流时间大于焊离时间，则使得激光焊接头继续按照预设加工参数运行；若所述最短熔流时间不大于焊离时间，则生成加工修正参数，并基于所述加工修正参数对激光焊接头的预设加工参数进行修正。

需要说明的是，所述产品为机顶盒经过各工艺步骤加工生产后的成品，所述工艺蓝图信息包括工艺流程信息、各工艺流程所对应的工艺参数、经过各工艺步骤加工后的机顶盒的工程图信息等，所述工艺蓝图信息由设计人员设计得到。所述焊区位置信息表示机顶盒中需要进行焊接加工的区域位置。所述非焊区位置信息表现机顶盒中不需要进行焊接加工的区域位置。

本发明的一个较佳实施例中，通过大数据网络检索得到各焊接异常状况所对应的视频帧数据集，构建鉴别模型，并将所述视频帧数据集导入所述鉴别模型中进行训练，得到训练完成的鉴别模型，在预设时间内获取生产设备的实时工况视频信息，并将所述实时工况视频信息导入所述训练完成的鉴别模型中进行鉴别，得到第一鉴别结果或第二鉴别结果，具体包括以下步骤：

基于机顶盒、激光焊接、流锡以及异常状况图像确定出关键检索词，根据所述关键检索词对大数据网络的资源数据进行检索，根据所述资源数据获取得到各焊接异常状况所对应的视频帧信息，并将各焊接异常状况所对应的视频帧信息进行汇聚，得到视频帧数据集；

基于卷积神经网络构建鉴别模型，并将所述视频帧数据集分为测试本与校验本，将所述测试本输入到所述鉴别模型中，通过交叉熵代价函数对所述测试本中的视频帧信息进行参数反向传播训练，并获取视频帧信息的训练参数，当所述训练参数收敛至预设值后，保存训练参数；

通过所述校验本对所述训练参数进行校验，判断所述训练参数是否满足预设要求，若满足预设要求，则将所述训练参数作为最终参数输出，得到训练完成的鉴别模型；

在预设时间内获取生产设备的实时工况视频信息，并将所述实时工况视频信息导入所述训练完成的鉴别模型中，通过灰色关联分析法计算实时工况视频信息与各焊接异常状况所对应的视频帧信息的配对率，得到多个配对率；

将多个所述配对率与预设配对率进行比较，若所述配对率均不大于预设配对率，则生成第一鉴别结果；若存在至少一个配对率大于预设配对率，则生成第二鉴别结果。

需要说明的是，流锡缺陷是指焊接过程中熔融后锡料发生流动异常情况并且流动至机顶盒的非焊接区域的现象，流锡缺陷不仅会影响机顶盒的表观，还会对后续内部电子元器件贴装和使用可靠性造成较大影响。造成流锡缺陷的原因主要有两点，一是由于锡材自身性质造成的，当锡材在熔融后的熔融流动度过大，会容易导致流锡现象，如当锡材中松香助剂含量过高。二是由于设备的焊接参数造成的，如焊接温度过高，也会容易造成流锡现象。而在发生流锡现象前，往往会伴随着一些异常的前兆，如炸锡、溅锡、锡态突变、锡状不成形等。首先，通过设置关键词的方式，然后在大数据网络共享数据库中检索得到发生流锡现象的前兆视频帧信息（即焊接异常状况所对应的视频帧信息），并对得到的视频帧信息进行训练，得到训练完成的鉴别模型。然后通过工业摄像机在预设时间内获取焊接时的实时工况视频信息，通过灰色关联分析法计算实时工况视频信息与各焊接异常状况所对应的视频帧信息的配对率。若所述配对率均不大于预设配对率，此时可以说明的是，焊接工况正常，此时不存在流锡的异常前兆，此时生成第一鉴别结果，使得激光焊接机构按照预设焊接工作参数继续焊接即可。若存在至少一个配对率大于预设配对率，说明此时至少存在一种流锡的异常前兆，如溅锡、锡态突变等，此时说焊接工况存在异常现象，则生成第二鉴别结果，需要对异常工况进行进一步判断。通过本方法能够快速的识别出焊接工况是否存在异常前兆现象。

本发明的一个较佳实施例中，若鉴别结果为第二鉴别结果，则在预设时间节点上获取实时工况视频信息的图像，基于所述实时工况视频信息的图像得到锡材的熔流速率，具体包括以下步骤：

若鉴别结果为第二鉴别结果，则在第一预设时间节点与第二预设时间节点上截取所述实时工况视频信息的图像，得到第一图像与第二图像；

对所述第一图像与第二图像分别进行特征匹配处理，得到第一图像与第二图像所对应的特征匹配点，构建世界坐标系，将所述特征匹配点导入所述世界坐标系中，以在所述世界坐标系中获取得到第一图像与第二图像所对应的特征匹配点的坐标值；

将第一图像与第二图像所对应的特征匹配点的坐标值汇聚，得到第一图像的特征匹配点的第一坐标合集以及得到第二图像的特征匹配点的第二坐标合集；基于所述第一坐标合集构建得到第一工况立体模型图，基于所述第二坐标合集构建得到第二工况立体模型图；

构建网格坐标系，将所述第一工况立体模型图与第二工况立体模型图进行比较，得到图形差值，基于所述图形差值得到锡材的熔流速率。

需要说明的是，通过图像特征匹配算法提取出第一图像与第二图像所对应的特征匹配点（如角点、轮廓特征点），然后通过工业三维建模软件建立世界坐标系，并且由世界坐标系获取得到各特征匹配点的坐标值，并对这些坐标值进行汇聚，得到第一坐标合集与第二坐标合集，当获取得到第一坐标合集与第二坐标合集后，便能够通过工业三维建模软件构建得到第一预设时间节点所对应的实时焊况三维模型图（即第一工况立体模型图），同时得到第二预设时间节点所对应的实时焊况三维模型图（即第二工况立体模型图），然后在工业三维建模软件内对第一工况立体模型图与第二工况立体模型图进行整合分析，从而得到图形差值，然后再计算第一预设时间节点与第二预设时间节点之间的时间差值，根据时间差值与图像差值便能够计算得到在焊锡时锡材的熔流速率。通过本方法将2D图像的实时焊况进行3D化，然后再将3D化的实时焊况进行比对，再计算出锡材的熔流速率，使得所计算的到的熔流速率更加准确，提高数据可靠性，提高后续参数调节精度，并且本算法计算过程简单，不需要进行大量的处理运算，能够进一步提高生产效率。

本发明的一个较佳实施例中，将所述熔流速率与预设熔流速率进行比较，得到熔流速率差值，若所述熔流速率差值不大于预设差值阈值，则获取激光焊接头的实时焊接位置信息与焊接路径信息，基于所述实时焊接位置信息与焊接路径信息得到激光焊接头焊离熔融位置区域时的焊离时间，具体包括以下步骤：

将所述熔流速率与预设熔流速率进行比较，得到熔流速率差值，判断所述熔流速率差值是否大于预设差值阈值；

若所述熔流速率差值大于预设差值阈值，则生成停止加工指令，并将所述停止加工指令输出；

若所述熔流速率差值不大于预设差值阈值，则基于所述实时工况视频信息获取得到锡材的熔融位置区域；

获取激光焊接头的实时焊接位置信息，以及获取激光焊接头的焊接路径信息，基于所述实时焊接位置信息与焊接路径信息计算出激光焊接头焊离所述熔融位置区域时的焊离时间。

需要说明的是，若所述熔流速率差值大于预设差值阈值，此时说明在实时焊接过程中锡材的熔流速度过大，在极短的时间内熔融的锡材会熔流至机顶盒的非焊区位置上，从而导致发生流锡现象，此时即使继续焊接加工出来的工件依旧是废品，因此当出现此种工况时，则立刻生成停止加工指令，从而停止对该工件进行继续加工，通过此方式能够避免出现对加工出来的工件是废品依旧对其进行继续加工的情况，能够对加工过程中出现不良情况的工件进行及时报废，进而有效降低加工成本，并且能够提高加工效率。

若所述熔流速率差值不大于预设差值阈值，此时说明在实时焊接过程中锡材的熔流速度并不大，此时虽然发生了流锡的异常前兆，但是可以通过对激光焊接机构的焊接参数进行调控修正，以避免发生流锡现象。具体来说，若所述熔流速率差值不大于预设差值阈值，则基于所述实时工况视频信息获取得到锡材的熔融位置区域，然后再计算出激光焊接头焊离所述熔融位置区域时的焊离时间。另外需要说明的是，熔融位置区域的具体定义是在焊接过程中通过激光高温熔化后仍具有流动性的锡材所对应的区域，可以理解为高温熔化后的锡材并未完全冷却凝固的区域。

本发明的一个较佳实施例中，基于所述熔流速率与第二工况立体模型图计算出锡材熔流至非焊接区域位置的最短熔流时间，若所述最短熔流时间大于焊离时间，则使得激光焊接头继续按照预设加工参数运行，具体包括以下步骤：

获取产品的非焊区位置信息，获取锡材的熔流速率，以及获取第二工况立体模型图；

将所述熔流速率、非焊接区域位置信息以及第二工况立体模型图导入粒子群算法中进行反复模拟构造，生成若干条锡材熔流至非焊接区域位置的熔流路径，并获取各熔流路径所对应的熔流时间；

构建序列表，将各熔流路径所对应的熔流时间导入所述序列表中进行由大到小排序，排序完成后，提取出最短熔流时间；

判断所述最短熔流时间是否大于焊离时间，若所述最短熔流时间大于焊离时间，则使得激光焊接头继续按照预设加工参数运行。

需要说明的是，粒子群算法是通过模仿自然界的选择与遗传的机理来寻找最优解的一种方法，粒子群算法具有实现容易、精度高、收敛快等优点。在焊接过程中，受工艺参数、环境参数以及原材料性质等多种因素的影响，锡材在熔融后的熔流路径往往是多变的，因此通过粒子群算法对实时焊接过程中的锡材的熔流路径进行反复模拟构造，进而模拟构造出在当前焊接过程中锡材熔流至非焊接区域位置的熔流路径，并获取各熔流路径所对应的熔流时间，然后提取出最短熔流时间。若所述最短熔流时间大于焊离时间，此时可以说明的是，在焊接过程中，当激光焊接头对当前锡材的熔融位置区域焊接完毕，并且激光焊接头驶离该熔融位置区域后，即使按照锡材最快熔流至机顶盒的非焊接区域位置来计算，激光焊接头的焊离时间始终快于锡材熔流至机顶盒的非焊接区域位置的时间，而当激光焊接头驶离该熔融位置区域后，该熔融位置区域便不会再受到焊接热的影响，因此该熔融位置区域的锡材便能够急速冷却凝固，因此便不会造成流锡现象，因此此时使得激光焊接头继续按照预设加工参数运行即可，不需对激光焊接机构进行调控。

本发明的一个较佳实施例中，若所述最短熔流时间不大于焊离时间，则生成加工修正参数，并基于所述加工修正参数对激光焊接头的预设加工参数进行修正，如图6所示，具体包括以下步骤：

S202：若所述最短熔流时间不大于焊离时间，则基于所述最短熔流时间、实时焊接位置信息以及焊接路径信息计算出激光焊接头所需的移动速度；

S204：获取激光焊接头的极限移动速度，判断所述激光焊接头所需的移动速度是否大于激光焊接头的极限移动速度；

S206：若不大于，获取激光焊接头的实时移动速度，基于所述激光焊接头的实时移动速度与激光焊接头所需的移动速度计算出速度修正差值，并基于所述速度修正差值对激光焊接头的实时移动速度进行修正；

S208：若大于，则生成停止加工指令，并将所述停止加工指令输出。

需要说明的是，若所述最短熔流时间不大于焊离时间，此时可以说明的是，在焊接过程中，若按照锡材最快熔流至机顶盒的非焊接区域位置时间来计算，当锡材熔流至机顶盒的非焊接区域位置后，激光焊接头此时仍处于锡材的熔融位置区域上，此时说明该熔融位置区域便依旧会受到焊接热的影响，因此此时若继续使得激光焊接头继续按照预设加工参数运行，则存在造成流锡现象的可能性，因此此时需要对激光焊接头的加工参数进行调控，以避免出现流锡现象。具体来说，若所述激光焊接头所需的移动速度不大于激光焊接头的极限移动速度，此时基于所述激光焊接头的实时移动速度与激光焊接头所需的移动速度计算出速度修正差值，并基于所述速度修正差值对激光焊接头的实时移动速度进行修正，通过此方式对激光焊接头的实时移动速度进行调节，进而加快激光焊接头焊离该熔融位置区域的时间值，从而在锡材熔流至机顶盒的非焊接区域位置前将激光焊接头驶离该熔融位置区域，以使得在锡材熔流至机顶盒的非焊接区域位置前冷却凝固，避免引起流锡现象，实现了智能调控，能够较大程度较低流锡缺陷，提高产品良率，有利于提高经济效益。

另外需要说明的是，若所述激光焊接头所需的移动速度大于激光焊接头的极限移动速度，此时说明即使将激光焊接头的移动速度调节至极限移动速度，锡材依旧会熔流至顶盒的非焊接区域位置上，从而导致发生流锡现象，此时即使继续焊接加工出来的工件依旧是废品，此时立刻生成停止加工指令，从而停止对该工件进行继续加工，通过此方式能够避免出现对加工出来的工件是废品依旧对其进行继续加工的情况，能够对加工过程中出现不良情况的工件进行及时报废，进而有效降低加工成本，并且能够提高加工效率。

此外，所述一种机顶盒自动化生产装置的控制方法，还包括以下步骤：

通过大数据网络获取各焊接裂纹缺陷图像信息，构建知识图谱，并将所述焊接裂纹缺陷图像信息导入所述知识图谱中；

在对机顶盒焊接完毕后，获取机顶盒图像信息，并将所述机顶盒图像信息导入所述知识图谱中进行识别，以识别出机顶盒的非焊区位置是否存在焊接裂纹；

若存在，则获取所述焊接裂纹在机顶盒所对应的位置，获取机顶盒的工艺蓝图信息，由所述工艺蓝图信息判断出所述焊接裂纹在机顶盒所对应的位置是否为待加工区域；

若为待加工区域，则获取所述待加工区域所对应的加工工站，判断所述加工工站是否为预设加工工站；

若不为预设加工工站，则将该机顶盒判定为报废品，并将其转移至报废工站；若为预设加工工站，则将该机顶盒判定为合格品，并使得其继续流入预设加工工站继续加工生产，并获取所述焊接裂纹的参数信息，基于所述焊接裂纹参数信息确定出预设加工工站的工艺参数。

需要说明的是，当机顶盒在本焊接工站焊接完毕后，还需要经过后续的裁边、钻孔、打磨、喷漆等工艺步骤，所述待加工区域表示的是后续需要对机顶盒进行裁边、钻孔、打磨以及喷漆的区域位置。所述预设加工工站为裁边工艺与钻孔工艺。

需要说明的是，在焊接过程中，由于焊接热应力等因素的影响，机顶盒基板容易出现焊接裂纹，焊接裂纹的存在会破坏机顶盒原有的力学性能，进而导致机顶盒报废。因此在本发明中，当对机顶盒焊接完毕后，通过工业摄像机拍摄机顶盒的图像信息，然后再将拍摄得到的图像信息与知识图谱中的焊接裂纹缺陷图像信息进行配对识别，从而快速识别出机顶盒的非焊区位置是否存在焊接裂纹，若机顶盒的非焊区位置存在焊接裂纹，此时则需要判断焊接裂纹是否坐落于后续工艺步骤所需要的裁边与钻孔区域上，若焊接裂纹坐落于后续工艺步骤所需要的裁边与钻孔区域上，说明这些焊接裂纹在经过裁边工艺与钻孔工艺后是能够被消除掉的，此时将该机顶盒判定为合格品，并使得其继续流入预设加工工站继续加工生产，通过后续工艺步骤将这些焊接裂纹消除即可。反之，若焊接裂纹并不坐落于后续工艺步骤所需要的裁边与钻孔区域上，说明这些焊接裂纹即使经过后续工艺步骤后其依旧是不能够消除的，此时将该机顶盒判定为报废品，并将其转移至报废工站，能够对工艺生产过程中出现不良情况的工件进行及时报废，避免其继续流入后续工艺步骤中生产，进而有效降低加工成本，能够提高加工效率。

其中，获取所述焊接裂纹的参数信息，基于所述焊接裂纹参数信息确定出预设加工工站的工艺参数，具体包括以下步骤：

获取所述焊接裂纹的参数信息，基于所述参数信息构建焊接裂纹三维模型图；并对所述焊接裂纹图进行有限元分析，得到焊接裂纹的极限内应力值；

获取预设加工工站所对应的预设工艺参数，基于所述预设工艺参数确定出预设加工工站所对应的最大加工应力值；

判断所述最大加工应力值是否大于所述极限内应力值，若不大于，则使得预设加工工站按照预设工艺参数运行；

若大于，则基于所述焊接裂纹的极限内应力值确定出各预设加工工站所对应最大工艺参数，将所述各预设加工工站所对应最大工艺参数与预设工艺参数进行比较，得到工艺参数差值，基于所述工艺参数差值对各预设加工工站的预设工艺参数进行调节。

需要说明的是，所述焊接裂纹的参数信息包括裂纹的长度、深度、宽度信息，当得到这些参数信息后，通过工业三维建模软件构建焊接裂纹三维模型图，并对其进行有限元分析，从而得到焊接裂纹的极限内应力值。在后续预设加工工站对机顶盒进行加工时，若最大加工应力值大于焊接裂纹的极限内应力值，则会导致焊接裂纹进一步开裂延伸，从而导致更加严重的焊接裂纹现象，因此在后续预设加工工站对机顶盒进行加工时，需要确保最大加工应力值小于焊接裂纹的极限内应力值，以避免焊接裂纹进一步延伸。举例来说，在经过裁边工艺步骤对机顶盒进行加工时，若裁切力大于焊接裂纹的极限内应力，则焊接裂纹会进一步延伸，进而导致更加严重的开裂现象。因此通过本方法，当通过预设加工工站消除焊接工站所造成的焊接裂纹时，能够保证预设加工工站在加工过程中不会引起焊接裂纹继续延伸现象，以物联网的方式实现了智能调控、智能生产过程，进而降低报废率，提高经济效益。

以上依据本发明的理想实施例为启示，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种机顶盒自动化生产装置的控制方法，其特征在于：

所述生产装置包括送料机构与激光焊接机构，所述激光焊接机构包括支撑架，所述支撑架上设置有第一安装板与第二安装板，所述第一安装板上设置有第一轴承，所述第二安装板上设置有第二轴承，且所述第一轴承与第二轴承之间转动连接有第一丝杆，所述第一安装板上还固定安装有第一电机，所述第一电机的输出端与第一梅花联轴器的一端配合连接，所述第一梅花联轴器的另一端与所述第一丝杆配合连接；

所述第一丝杆上配合连接有第一滑动块，所述第一滑动块上固定连接有横板，所述横板上固定安装有第三安装板与第四安装板，所述第三安装板上设置有第三轴承，所述第四安装板上设置有第四轴承，所述第三轴承与第四轴承之间转动连接有第二丝杆，所述横板上还固定安装有第二电机，所述第二电机的输出端与第二梅花联轴器的一端配合连接，所述第二梅花联轴器的另一端与所述第二丝杆配合连接，所述第二丝杆上配合连接有第二滑动块，所述第二滑动块上固定安装焊接机械手，所述焊接机械手的端部设置有激光焊接头；

所述送料机构包括传送带，所述传送带在预设位置上设置有光电传感器；

还包括若干工业摄像机，所述工业摄像机用于拍摄加工生产时的工况视频图像信息；

所述焊接机械手包括旋转底座、第一机械臂与第二机械臂，所述旋转底座与所述第一机械臂配合连接，所述第二机械臂与所述第二机械臂配合连接，所述第一机械臂与第二机械臂上均设置有红外传感器；

所述控制方法具体包括以下步骤：

获取产品的工艺蓝图信息，由所述工艺蓝图信息中获取得到产品的焊区位置信息与非焊区位置信息；

通过大数据网络检索得到各焊接异常状况所对应的视频帧数据集，构建鉴别模型，并将所述视频帧数据集导入所述鉴别模型中进行训练，得到训练完成的鉴别模型，在预设时间内获取生产设备的实时工况视频信息，并将所述实时工况视频信息导入所述训练完成的鉴别模型中进行鉴别，得到第一鉴别结果或第二鉴别结果；

若鉴别结果为第二鉴别结果，则在预设时间节点上获取实时工况视频信息的图像，基于所述实时工况视频信息的图像得到锡材的熔流速率；

将所述熔流速率与预设熔流速率进行比较，得到熔流速率差值，若所述熔流速率差值不大于预设差值阈值，则获取激光焊接头的实时焊接位置信息与焊接路径信息，基于所述实时焊接位置信息与焊接路径信息得到激光焊接头焊离熔融位置区域时的焊离时间；

基于所述熔流速率与第二工况立体模型图计算出锡材熔流至非焊接区域位置的最短熔流时间，若所述最短熔流时间大于焊离时间，则使得激光焊接头继续按照预设加工参数运行；若所述最短熔流时间不大于焊离时间，则生成加工修正参数，并基于所述加工修正参数对激光焊接头的预设加工参数进行修正；

其中，通过大数据网络检索得到各焊接异常状况所对应的视频帧数据集，构建鉴别模型，并将所述视频帧数据集导入所述鉴别模型中进行训练，得到训练完成的鉴别模型，在预设时间内获取生产设备的实时工况视频信息，并将所述实时工况视频信息导入所述训练完成的鉴别模型中进行鉴别，得到第一鉴别结果或第二鉴别结果，具体包括以下步骤：

基于机顶盒、激光焊接、流锡以及异常状况图像确定出关键检索词，根据所述关键检索词对大数据网络的资源数据进行检索，根据所述资源数据获取得到各焊接异常状况所对应的视频帧信息，并将各焊接异常状况所对应的视频帧信息进行汇聚，得到视频帧数据集；

基于卷积神经网络构建鉴别模型，并将所述视频帧数据集分为测试本与校验本，将所述测试本输入到所述鉴别模型中，通过交叉熵代价函数对所述测试本中的视频帧信息进行参数反向传播训练，并获取视频帧信息的训练参数，当所述训练参数收敛至预设值后，保存训练参数；

通过所述校验本对所述训练参数进行校验，判断所述训练参数是否满足预设要求，若满足预设要求，则将所述训练参数作为最终参数输出，得到训练完成的鉴别模型；

在预设时间内获取生产设备的实时工况视频信息，并将所述实时工况视频信息导入所述训练完成的鉴别模型中，通过灰色关联分析法计算实时工况视频信息与各焊接异常状况所对应的视频帧信息的配对率，得到多个配对率；

将多个所述配对率与预设配对率进行比较，若所述配对率均不大于预设配对率，则生成第一鉴别结果；若存在至少一个配对率大于预设配对率，则生成第二鉴别结果。

2.根据权利要求1所述的一种机顶盒自动化生产装置的控制方法，其特征在于，若鉴别结果为第二鉴别结果，则在预设时间节点上获取实时工况视频信息的图像，基于所述实时工况视频信息的图像得到锡材的熔流速率，具体包括以下步骤：

若鉴别结果为第二鉴别结果，则在第一预设时间节点与第二预设时间节点上截取所述实时工况视频信息的图像，得到第一图像与第二图像；

对所述第一图像与第二图像分别进行特征匹配处理，得到第一图像与第二图像所对应的特征匹配点，构建世界坐标系，将所述特征匹配点导入所述世界坐标系中，以在所述世界坐标系中获取得到第一图像与第二图像所对应的特征匹配点的坐标值；

将第一图像与第二图像所对应的特征匹配点的坐标值汇聚，得到第一图像的特征匹配点的第一坐标合集以及得到第二图像的特征匹配点的第二坐标合集；基于所述第一坐标合集构建得到第一工况立体模型图，基于所述第二坐标合集构建得到第二工况立体模型图；

构建网格坐标系，将所述第一工况立体模型图与第二工况立体模型图进行比较，得到图形差值，基于所述图形差值得到锡材的熔流速率。

3.根据权利要求1所述的一种机顶盒自动化生产装置的控制方法，其特征在于，将所述熔流速率与预设熔流速率进行比较，得到熔流速率差值，若所述熔流速率差值不大于预设差值阈值，则获取激光焊接头的实时焊接位置信息与焊接路径信息，基于所述实时焊接位置信息与焊接路径信息得到激光焊接头焊离熔融位置区域时的焊离时间，具体包括以下步骤：

将所述熔流速率与预设熔流速率进行比较，得到熔流速率差值，判断所述熔流速率差值是否大于预设差值阈值；

若所述熔流速率差值大于预设差值阈值，则生成停止加工指令，并将所述停止加工指令输出；

若所述熔流速率差值不大于预设差值阈值，则基于所述实时工况视频信息获取得到锡材的熔融位置区域；

获取激光焊接头的实时焊接位置信息，以及获取激光焊接头的焊接路径信息，基于所述实时焊接位置信息与焊接路径信息计算出激光焊接头焊离所述熔融位置区域时的焊离时间。

4.根据权利要求1所述的一种机顶盒自动化生产装置的控制方法，其特征在于，基于所述熔流速率与第二工况立体模型图计算出锡材熔流至非焊接区域位置的最短熔流时间，若所述最短熔流时间大于焊离时间，则使得激光焊接头继续按照预设加工参数运行，具体包括以下步骤：

获取产品的非焊区位置信息，获取锡材的熔流速率，以及获取第二工况立体模型图；

将所述熔流速率、非焊接区域位置信息以及第二工况立体模型图导入粒子群算法中进行反复模拟构造，生成若干条锡材熔流至非焊接区域位置的熔流路径，并获取各熔流路径所对应的熔流时间；

构建序列表，将各熔流路径所对应的熔流时间导入所述序列表中进行由大到小排序，排序完成后，提取出最短熔流时间；

判断所述最短熔流时间是否大于焊离时间，若所述最短熔流时间大于焊离时间，则使得激光焊接头继续按照预设加工参数运行。

5.根据权利要求1所述的一种机顶盒自动化生产装置的控制方法，其特征在于，若所述最短熔流时间不大于焊离时间，则生成加工修正参数，并基于所述加工修正参数对激光焊接头的预设加工参数进行修正，具体包括以下步骤：

若所述最短熔流时间不大于焊离时间，则基于所述最短熔流时间、实时焊接位置信息以及焊接路径信息计算出激光焊接头所需的移动速度；

获取激光焊接头的极限移动速度，判断所述激光焊接头所需的移动速度是否大于激光焊接头的极限移动速度；

若不大于，获取激光焊接头的实时移动速度，基于所述激光焊接头的实时移动速度与激光焊接头所需的移动速度计算出速度修正差值，并基于所述速度修正差值对激光焊接头的实时移动速度进行修正；

若大于，则生成停止加工指令，并将所述停止加工指令输出。