CN116214634B - 一种模切方法和系统 - Google Patents

Abstract

本说明书实施例提供一种模切方法及系统，该方法包括以下的步骤：基于预设定位参数，控制机械手在模切设备上安装模切刀及模切材料；于模切加工参数，控制模切刀对模切材料进行模切，模切加工参数至少包括基础模切压力和更新模切压力，模切加工参数相关于基础生产参数；以及控制废料处理设备清除由模切刀对模切材料进行模切而形成的废料。

Description

一种模切方法和系统

技术领域

本说明书涉及印刷品后期加工领域，特别涉及一种模切方法和系统。

背景技术

一些非金属材料、纸板、不干胶、双面胶、手机胶垫等产品在印刷后需要切割和/或压痕包装成型，模切设备利用钢刀、五金模具、钢线或钢板雕刻成的模版，通过压印版施加一定的压力，将印品或纸板轧切成一定形状，模切方法是印刷后包装加工成型的重要工艺。模切设备中，模切刀根据其材质不同其使用寿命从几万次到几十万次不等，模切刀会随着使用次数的增长而逐渐变钝直至不能使用为止。在这个过程中其模切效果也在发生着微小的变化。起初刀具比较锋利，只用很小的模切压力就可以切穿材料；随着使用次数增加，模切刀变的越来越钝，这时就需要加大模切压力的方式来切断材料，但是压力增加不能过大，过大可能会切穿底材；目前调整模切压力多采用人工试验的方法，通过试压，查看刀痕，然后确定合适的压力，在因压力不对导致产品不合格或有瑕疵时停机调整压力。

因此，希望可以提供一种模切方法和系统，能更快确定合适的压力，更高效的调整压力。

发明内容

本说明书一个或多个实施例提供一种模切方法。所述模切方法包括：基于预设定位参数，控制机械手在模切设备上安装模切刀及模切材料；基于模切加工参数，控制所述模切刀对所述模切材料进行模切，所述模切加工参数至少包括基础模切压力和更新模切压力，所述模切加工参数相关于基础生产参数；以及控制废料处理设备清除由所述模切刀对所述模切材料进行模切而形成的废料。

本说明书一个或多个实施例提供一种模切系统，所述模切系统包括：安装模块，用于基于预设定位参数，控制机械手在模切设备上安装模切刀及模切材料；模切模块，用于基于模切加工参数，控制所述模切刀对所述模切材料进行模切，所述模切加工参数至少包括基础模切压力和更新模切压力，所述模切加工参数相关于基础生产参数；以及清除模块，用于控制废料处理设备清除由所述模切刀对所述模切材料进行模切而形成的废料。

本说明书一个或多个实施例提供一种模切装置，包括处理设备，所述处理设备用于执行模切方法。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行模切方法。

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模切系统的应用场景的示意图；

图2是根据本说明书一些实施例所示的模切系统的模块图；

图3是根据本说明书一些实施例所示的模切的示例性流程图；

图4是根据本说明书一些实施例所示的确定更新模切压力的示例性流程图；

图5是根据本说明书一些实施例所示的基于原因判断模型确定质量异常的引发原因的流程的示例性示意图；

图6是根据本说明书一些实施例所示的基于更换时点更换模切刀的示例性流程图。

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。

图1是根据本说明书一些实施例所示的模切系统的应用场景100的示意图。

在一些实施例中，如图1所示，模切系统的应用场景100可以包括模切设备110、模切刀120、模切材料130、机械手140、废料处理设备150、网络160和处理设备170。机械手140将模切刀120和/或模切材料130安装在模切设备110上，模切设备110对模切材料130进行模切，模切后的废料由废料处理设备150处理，模切设备110将数据通过网络160传输给处理设备170，处理设备170将数据或指令传输给机械手140。在一些实施例中，模切系统的应用场景100还可以包括存储设备和/或用户终端(图中未示出)。

模切设备110是利用模切刀120、五金模具、钢线或钢板雕刻成的模版，通过压印版施加一定的压力，将印品或纸板轧切成一定形状的设备。模切设备110可以包括平板模切、圆刀模切等。

模切刀120是模切时使用的刀具。在一些实施例中，模切刀120随着切削时间的延长，模切刀120磨损增加，模切刀120磨损到一定限度就不能继续使用，此时需要更换模切刀120。模切刀120包括直纹刀、横纹刀等。模切刀120的材质可以是硬质合金、高速钢、陶瓷等。

在一些实施例中，模切材料130是指被切割的半成品材料。例如，模切材料130可以是非金属材料的纸板、不干胶、双面胶、手机胶垫等，模切材料130还可以是金属材料的导电铜泊、导电铝泊等。经过模切后，模切材料130变为成品的包装盒、保护膜、屏蔽片等。

机械手140是具有模仿人类手臂功能并可完成各种作业的自动控制设备，在一些实施例中，机械手140可以用于在模切设备110上安装或更换模切刀120及模切材料130。机械手140可以包括液压式机械手、气动式机械手、机械式机械手等。机械手140的数量可以是一个或多个。

废料处理设备150是用于废料处理的机械加工设备。例如，废料处理设备150可以包括粉碎机、打包机、废料输送机等。在一些实施例中，废料处理设备150可以清除、回收由模切刀120模切形成的废料，减少废料造成的污染。

网络160可以连接系统的各组成部分和/或连接系统与外部资源部分。网络160使得各组成部分之间，以及与系统之外其他部分之间可以进行通讯，促进数据和/或信息的交换。在一些实施例中，网络160可以是有线网络或无线网络中的任意一种或多种。例如，网络160可以包括电缆网络、光纤网络。各部分之间的网络连接可以是采用上述一种方式，也可以是采取多种方式。在一些实施例中，网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。在一些实施例中，网络160可以包括一个或以上网络接入点。例如，网络160可以包括有线或无线网络接入点，通过这些进出点，模切系统的应用场景100的一个或多个组件可连接到网络160上以交换数据和/或信息。

处理设备170可以处理从其他设备或系统组成部分中获得的数据和/或信息。处理设备170可以基于这些数据、信息和/或处理结果执行程序指令，以执行一个或多个本申请中描述的功能。在一些实施例中，处理设备170可以获取模切设备110中的模切加工参数信息，处理模切加工参数信息后，将指令传输给机械手140，控制机械手140在模切设备110上安装模切刀120及模切材料130。仅作为示例，处理设备170可以包括中央处理设备(CPU)、专用集成电路(ASIC)等或以上任意组合。

在一些实施例中，模切系统的应用场景100还可以包括一些或多个其他设备，例如，存储设备和/或用户终端。

存储设备可以用于存储数据和/或指令。存储设备可以包括一个或多个存储组件，每个存储组件可以是一个独立的设备，也可以是其他设备的一部分。在一些实施例中，存储设备可以包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的，大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中，存储设备可在云平台上实现。

用户终端指用户所使用的一个或多个终端设备或软件，可以包括移动设备、平板计算机、台式计算机等。在一些实施例中，用户可以通过用户终端接收、查看、发送模切系统的数据和/或信息。

图2是根据本说明书一些实施例所示的模切系统的模块图200。

在一些实施例中，模切系统的模块图200可以包括安装模块210、模切模块220、清除模块230和更换模块240。

安装模块210可以用于基于预设定位参数，控制机械手在模切设备上安装模切刀及模切材料。

模切模块220可以用于基于模切加工参数，控制模切刀对模切材料进行模切，模切加工参数至少包括基础模切压力和更新模切压力，模切加工参数相关于基础生产参数。在一些实施例中，模切模块220可以进一步用于获取基础生产参数，基础生产参数包括模切材料的材质数据、模切刀的刀具数据以及模切加工速率中的至少一种；基于基础生产参数，确定更新模切压力。在一些实施例中，模切模块220可以进一步用于获取质量评估数据，质量评估数据包括图像数据；基于质量评估数据，判断是否发生质量异常，质量异常的类型包括成品毛边、毛刺、粘连、破损、异形；响应于发生质量异常，判断质量异常的引发原因；以及响应于引发原因为模切压力不当，至少基于模切刀的刀具数据，确定更新模切压力，刀具数据包括所述模切刀的模切加工累计次数。在一些实施例中，响应于引发原因满足第一预设条件，触发预警。

清除模块230可以用于控制废料处理设备清除由模切刀对模切材料进行模切而形成的废料。

更新模块240可以用于基于基础生产参数和模切加工参数，确定模切刀的更换时点；基于更换时点，控制机械手更换模切刀；以及基于更换后的模切刀，继续进行模切，其中，基础生产参数包括模切刀的模切加工累计次数。

关于各个模块的更多具体内容参见图3-图6及其相关描述。

应当理解，图2所示的系统及其模块可以利用各种方式来实现。

需要注意的是，以上对于系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图2中披露的安装模块210、模切模块220、清除模块230和更换模块240可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

图3是根据本说明书一些实施例所示的模切的示例性流程图。如图3所示，流程300包括下述步骤。在一些实施例中，流程300可以由处理设备170执行。

步骤310，基于预设定位参数，控制机械手在模切设备上安装模切刀及模切材料。在一些实施例中，步骤310可以由安装模块210执行。

关于机械手、模切设备、模切刀、模切材料的相关内容详见图1及其相关描述。

预设定位参数是指预先设置的可以确定模切设备上相关组件位置的参数。例如，预设定位参数可以是模切设备上的模切刀的预设定位参数(如，模切刀的坐标、距离、方向)、模切设备上的模切材料的预设定位参数(如，模切材料的坐标、距离、方向)等。

在一些实施例中，预设定位参数可以基于模切系统需求预先设定。例如，预设定位参数可以基于人为经验预先设定或采用默认值等。

在一些实施例中，模切系统可以基于预设定位参数，控制机械手在模切设备上安装模切刀及模切材料。例如，基于模切刀的模切高度为50cm、模切刀的模切角度为100°、模切材料的高度为20cm，可以控制机械手在模切设备上在距离底板50cm处按照角度100°安装模切刀，以及可以控制机械手在模切设备上在距离底板20cm处安装模切材料。

步骤320，基于模切加工参数，控制模切刀对模切材料进行模切。在一些实施例中，步骤320可以由模切模块220执行。

模切加工参数是指对模切材料进行模切再生产的参数。在一些实施例中，模切加工参数可以至少包括基础模切压力和更新模切压力，模切加工参数相关于基础生产参数。

在一些实施例中，模切加工参数可以通过处理设备获取。

基础生产参数是指进行模切时基本的生产参数。在一些实施例中，基础生产参数包括模切材料的材质数据、模切刀的刀具数据以及模切加工速率中的至少一种。

在一些实施例中，基础生产参数可以由人工通过用户终端输入或者通过存储设备中调用获取。

模切材料的材质数据是指可以反映模切材料的质地的相关数据。例如，模切材料的材质数据可以是非金属材料、金属材料。再例如，模切材料的材质数据可以是瓦楞纸、不干胶、泡沫板等。

模切刀的刀具数据是指可以反映模切刀的性能的相关数据。例如，模切刀的刀具数据可以是模切刀的锋利程度(如，迟钝、锋利)、模切刀的完整程度(如，刀口破损、接口不齐)、模切刀的硬度程度(如，硬度大、硬度小)等。在一些实施例中，模切刀的刀具数据可以包括模切刀的模切加工累计次数。关于模切刀的模切加工累计次数的相关内容详见图4及其相关说明。

模切加工速率是指可以反映模切加工快慢的效率。例如，模切加工速率可以是10个/min、50m/min等。再例如，模切加工速率可以用“快、慢”表示。

基础模切压力是指预先确定的初始模切压力方案。基础模切压力可以包括预设的初始模切压力、多个模切压力调整时间点和模切压力调整幅度。例如，基础模切压力可以是初始模切压力为500KN，分别在模切开始后6h、12h、18h、24h进行压力调整，并且每次时间点的模切压力调整幅度为增加50KN。

在一些实施例中，基础模切压力可以基于默认值确定。在一些实施例中，基础模切压力可以根据模切工厂的实际生产经验预先确定。

在一些实施例中，处理设备可以基于基础生产参数和历史向量数据库，确定基础模切压力。

历史向量数据库是指用来存储、检索、分析历史生产向量的数据库。例如，历史向量数据库可以包括历史模切材料的材质数据、历史模切刀的刀具数据、历史模切加工速率数据、历史基础模切压力等。通过历史向量数据库，可以面对大量向量快速进行相似性查询和其他向量管理。

在一些实施例中，处理设备可以基于基础生产参数的特征信息构建对应的特征向量。基础生产参数包括模切材料的材质数据、模切刀的刀具数据以及模切加工速率。

特征向量是指基于基础生产参数的特征信息构建的向量。基于基础生产参数的特征信息构建特征向量的方式可以有多种。例如，基于基础生产参数(x，y，m)构建的特征向量p，其中，基础生产参数特征(x，y，m)可以表示对应模切材料的材质数据为x、模切刀的刀具数据为y、模切加工速率为m。

历史向量数据库包含多个参考向量，以及多个参考向量中的每个参考向量存在对应的参考基础模切压力。

参考向量基于历史基础生产参数对应的特征信息构建，参考向量对应的参考基础模切压力为对应历史基础生产参数的历史基础模切压力。待匹配向量基于当前模切生产对应的基础生产参数的特征信息构建。参考向量和待匹配向量的构建方式见上述特征向量。

在一些实施例中，处理设备可以分别计算参考向量与待匹配向量之间的距离，确定待匹配向量对应的基础模切压力。例如，将与待匹配向量之间的距离满足预设条件的参考向量作为目标向量，将目标向量对应的基础模切压力作为待匹配向量对应的基础模切压力。预设条件可以根据情况设定。例如，预设条件可以是向量距离最小或向量距离小于距离阈值等。

更新模切压力是指基于基础模切压力调整更新后的模切压力方案。更新模切压力可以包括更新后的多个模切压力调整时间点和对应的模切压力调整幅度或更新后的模切压力值。例如，更新模切压力可以是模切开始后5h、11h、17h、23h进行压力调整并且每个时间点的模切压力调整幅度为在当前压力值基础上增加100KN。

通过基于基础生产参数和历史向量数据库，可以自动化地确定准确的基础模切压力，避免了人工确定基础模切压力的主观性对结果的影响，提升了确定基础模切压力的效率。

在一些实施例中，处理设备可以基于基础模切压力，确定更新模切压力。

在一些实施例中，处理设备可以获取基础生产参数；基于基础生产参数，确定更新模切压力。关于基础生产参数的相关内容详见上述说明。

更新模切压力是指更新后的模切压力方案。更新模切压力可以包括更新后的模切压力调整时间点和更新后的模切压力调整幅度。例如，基础模切压力可以是初始模切压力为500KN，分别在模切开始后6h、12h、18h、24h进行压力调整，并且每次时间点的模切压力调整幅度为增加50KN。更新模切压力可以为分别在模切开始后6h、11h、19h、23h进行压力调整，并且每个时间点的模切压力调整幅度分别为增加50KN、增加60KN、增加60KN、增加60KN。

在一些实施例中，处理设备可以基于基础生产参数通过向量数据库查询获取更新模切压力。基于基础生产参数通过向量数据库查询获取更新模切压力的过程，与基于基础生产参数通过向量数据库查询获取基础模切压力的过程类似，在此不再赘述。

关于确定更新模切压力的相关内容详见图4及其相关说明。

在一些实施例中，处理设备可以获取质量评估数据，并基于质量评估数据，判断是否发生质量异常。响应于发生质量异常，处理设备可以判断质量异常的引发原因。响应于引发原因为模切压力不当，处理设备可以至少基于模切刀的刀具数据，确定更新模切压力。关于确定更新模切压力的相关内容详见图4及其相关描述。

步骤330，控制废料处理设备清除由模切刀对模切材料进行模切而形成的废料。在一些实施例中，步骤330可以由清除模块230执行。

关于废料处理设备的相关内容详见图1及其相关描述。

废料是指模切过程中报废的模切材料。例如，废料可以是未形成模切成品的模切材料。

在一些实施例中，废料可以基于模切系统自动确定。在一些实施例中，废料可以基于人工确定。在一些实施例中，废料可以通过废料处理设备清除。

通过本说明书的一些实施例所述的基于模切加工参数，控制模切刀对模切材料进行模切，可以根据基础生产参数，预测模切加工参数，确定模切压力调整时刻和模切压力调整幅度，自动调整模切压力，可以实现模切压力调整的智能化和自动化，从而提高生产效率。

应当注意的是，上述有关模切方法流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对模切方法流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。在一些实施例中，处理设备还可以基于基础生产参数和模切加工参数，实时确定模切刀的更换时点，并基于更换时点，控制机械手更换模切刀，并继续进行模切。关于基于更换时点更换模切刀的相关内容详见图6及其相关描述。

图4是根据本说明书一些实施例所示的确定更新模切压力的示例性流程图。如图4所示，流程400包括下述步骤。在一些实施例中，流程400可以由处理设备170执行。

步骤410，获取质量评估数据。

质量评估数据是指模切过程中可以评估模切质量的相关数据。在一些实施例中，质量评估数据可以包括图像数据。

在一些实施例中，质量评估数据可以基于模切设备获取。例如，可以在模切设备上设置不同装置，获取质量评估数据。

图像数据是指可以反映模切过程中图像的相关数据。例如，图像数据可以是模切刀的图像数据、模切材料的图像数据、底板的图像数据等。

在一些实施例中，质量评估数据可以基于模切设备获取。例如，可以在模切设备上设置图像识别装置(如，CCD相机)，获取图像数据。

在一些实施例中，质量评估数据还包括模切声音数据。模切声音数据是指可以反映模切过程中声音的相关数据。

在一些实施例中，模切声音数据可以基于声音设备获取。例如，可以设置声音获取装置，获取模切声音数据。

由于模切加工过程中会有不同噪音，通过对模切噪音进行分析处理，可以比较准确合理地判断是否发生异常。

在一些实施例中，质量评估数据还包括刀具温度数据。刀具温度数据是指可以反映模切过程中刀具温度的相关数据。刀具温度数据可以包括45℃、50℃、55℃等。

在一些实施例中，刀具温度数据可以基于传感器设备获取。例如，可以设置温度传感装置，获取刀具温度数据。

步骤420，基于质量评估数据，判断是否发生质量异常。

质量异常是指模切过程中可能发生的非正常情况，质量异常的类型包括成品毛边、毛刺、粘连、破损、异形。

在一些实施例中，处理设备可以利用图像识别装置(如，CCD相机)、声音获取装置、温度传感装置，判断是否发生质量异常。例如，处理设备可以利用图像识别装置图像数据，并基于图像数据识别模切成品是否存在成品毛边、毛刺、粘连、破损、异形等质量异常的情况，响应于存在质量异常的情况，判断获取的图像数据为异常图像数据，发生质量异常。又例如，处理设备可利用声音获取装置获取声音的振幅、频率等，响应于获取的声音的振幅不在预设声音振幅阈值，和/或声音频率不在预设声音频率阈值内，判断获取的模切声音数据为异常声音数据，发生质量异常。又例如，处理设备可利用温度传感器获得刀具温度数据，响应于刀具温度数据超过温度阈值，判断获取的刀具温度数据为异常刀具温度数据，发生质量异常。

在一些实施例中，当获取的图像数据为异常图像数据、获取的模切声音数据为异常声音数据、和/或获取的刀具温度数据为异常刀具温度数据时，模切系统可以发出预警。

在一些实施例中，响应于发生质量异常，处理设备可以执行步骤430。

步骤430，响应于发生质量异常，判断质量异常的引发原因。

引发原因是指可能引起质量异常的原因。例如，引发原因可以是模切压力不当、模切刀崩口、模切刀变形、底版变形、模切材料的材质不合格等。

在一些实施例中，可以通过人为经验判断质量的引发原因。在一些实施例中，处理设备可以基于模型，判断质量异常的引发原因。

在一些实施例中，可以利用声音模型，判断质量异常的引发原因。

声音模型可以用于判断质量异常的引发原因。在一些实施例中，声音模型可以是神经网络模型(Transformer)。

在一些实施例中，声音模型的输入可以是模切声音数据，输出可以是质量异常的引发原因及其概率。例如，质量异常的引发原因及其概率可以用序列{15％，75％，15％，20％}表示，其中，序列中的数值分别代表引发原因是模切刀崩口的概率为15％、引发原因是模切刀变形的概率为75％、引发原因是底板变形的概率为15％、引发原因是模切材料材质不合格的概率为20％。由于引发原因是模切刀变形的概率为70％，超过了第二概率阈值(例如，60％)，则可以判断质量异常的引发原因为模切刀变形，及其概率为75％。

声音模型的参数可以通过训练获取。在一些实施例中，声音模型可以通过多个带有标签的训练样本训练得到。例如，可以将多个带有标签的训练样本输入初始声音模型，通过标签和初始声音模型的结果构建损失函数，基于损失函数迭代更新声音模型的参数。当初始声音模型的损失函数满足预设条件时模型训练完成，得到训练好的声音模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，训练样本可以包括正样本和负样本。其中，正样本可以为正常生产时的模切声音数据样本，对应的标签的异常原因为无，概率值为0；负样本可以包括多种不同质量异常的引发原因对应的异常生产时的声音数据样本，每种异常生产可以对应多个声音数据样本，每个声音数据样本的标签为对应的异常原因，概率值为1。在一些实施例中，训练样本可以基于历史模切声音数据获取，标签可以通过人工标注获取。

通过本说明书的一些实施例所述的由于模切加工过程中会产生不同噪音，通过对模切声音数据中的异常模切声音数据进行分析处理，可以比较准确合理地判断是否发生异常。

在一些实施例中，可以结合图像数据、模切声音数据以及刀具温度数据，判断质量异常的引发原因。例如，处理设备可以基于图像数据、模切声音数据以及刀具温度数据，通过原因判断模型判断质量异常的引发原因及其概率，该原因判断模型为机器学习模型。关于判断质量异常的引发原因的相关内容详见图5及其相关描述。

在一些实施例中，响应于引发原因为模切压力不当，处理设备可以执行步骤440。

步骤440，响应于引发原因为模切压力不当，至少基于模切刀的刀具数据，确定更新模切压力。其中，刀具数据包括模切刀的模切加工累计次数。模切加工累计次数是指模切过程中模切刀使用的总计次数。例如，模切加工累计次数可以是1000次等。在一些实施例中，模切加工累计次数可以基于调取存储设备中的数据获取。

关于刀具数据的相关内容详见图3及其相关说明。

在一些实施例中，处理设备可以基于预设调整后压力、质量异常的引发原因及其概率以及模切加工累计次数，通过调整模型确定模切成品发生质量异常的概率，调整模型为机器学习模型；以及响应于模切成品发生质量异常的概率小于阈值，判定预设调整后压力合格。

预设调整后压力是指在引发原因为模切压力不当时，预设的用于解决模切压力不当问题的模切压力，例如，预设调整后压力可以是800KN。

在一些实施例中，预设调整后压力可以根据大量实际生产经验统计后获取。在一些实施例中，预设调整后压力也可以基于基础生产参数通过向量数据库查询获取。基于基础生产参数通过向量数据库查询获取预设调整后压力的过程，与基于基础生产参数通过向量数据库查询获取基础模切压力的过程类似，在此不再赘述。

调整模型可以用于确定模切成品发生质量异常的概率。在一些实施例中调整模型可以是机器学习模型。示例性深度学习神经网络模型可以包括卷积神经网络(Convolutional Neural Networks，CNN)、深度神经网络(Deep Neural Networks，DNN)、循环神经网络(Recurrent Neural Network，RNN)等或其组合。

在一些实施例中，调整模型的输入可以是预设调整后压力、质量异常的引发原因及其概率、模切加工累计次数，输出可以是在当前情况下，基于该预设调整后压力进行生产时，生产的模切成品发生质量异常的概率。例如，调整模型的输入为向量[a，b，c，d]，其中，a可以代表预设调整后压力，b可以代表质量异常的引发原因，c可以代表质量异常的引发原因的概率，d可以代表模切加工累计次数，输出为e，表示在当前情况下，以模切压力a进行生产时，模切成品发生质量异常的概率为e。

调整模型的参数可以通过训练获取。在一些实施例中，调整模型可以通过多个带有标签的训练样本训练得到。例如，可以将多个带有标签的训练样本输入初始调整模型，通过标签和初始调整模型的结果构建损失函数，基于损失函数迭代更新调整模型的参数。当初始调整模型的损失函数满足预设条件时模型训练完成，得到训练好的调整模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，在一些实施例中，训练样本可以包括正样本和负样本。其中，正样本可以为将调整后未发生质量异常的生产中，实际的调整后压力、调整前质量异常的引发原因、样本模切加工累计次数作为训练数据，正样本对应的标签为0；负样本可以为将调整后发生质量异常的生产中，实际的调整后压力、调整前质量异常的引发原因、样本模切加工累计次数作为训练数据，负样本对应的标签为1。在一些实施例中，训练样本可以基于历史数据获取，标签可以通过人工标注获取。

在一些实施例中，第一概率阈值是指发生质量异常概率的范围值。例如，第一概率阈值设置为0.6，当模切成品发生质量异常的概率小于0.6时，可以判定预设调整后压力合格。

在一些实施例中，响应于判定预设调整后压力合格，处理设备可以将该预设调整后压力确定为更新模切压力。

通过本说明书的一些实施例所述的通过使用训练后的调整模型，可以比较快速且准确地预测模切成品发生质量异常的概率，进而快速地确定合理的更新模切压力，以便模切设备能够及时做出调整，提高模切加工效率和加工质量，降低故障率。

通过本说明书的一些实施例所述的通过质量评估数据，判断是否发生质量异常，响应于发生质量异常，判断质量异常的引发原因；响应于引发原因为模切压力不当，基于模切刀的刀具数据确定更新模切压力。可以在引发原因为模切压力不当时，快速准确的确定更新模切压力，提前进行模切压力的合理调整，以满足生产需要，提高生产效率，避免停机等造成效率下降和人工成本增加。

应当注意的是，上述有关模切方法流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对模切方法流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

在一些实施例中，响应于引发原因不是模切压力不当或无法判断原因时，降低模切加工速率，模切加工速率的降低幅度和质量异常的严重程度相关。

模切加工速率的降低幅度是指模切加工的速度下降的幅度。例如，模切加工速率的降低幅度可以是百分比，如降低20％的模切加工速率。

在一些实施例中，模切加工速率的降低幅度可以基于质量异常的严重程度确定。其中，质量异常的严重程度越高，模切加工速率的降低幅度越大。例如，质量异常的严重程度为0.8，则模切加工速率的降低幅度可以为80％；质量异常的严重程度为0.2，则模切加工速率的降低幅度可以为20％。

在一些实施例中，质量异常的严重程度可以通过质量异常出现频率、质量异常面积和/或质量异常数量确定。例如，模切加工圆角矩形名片过程中，每版4×5＝20张，其中有16张发生粘连或破损，即质量异常数量为16张，则质量异常的严重程度为0.8。

在一些实施例中，响应于引发原因满足第一预设条件，触发预警。

第一预设条件是指预先设置的会触发预警的条件。例如，第一预设条件可以是满足预设的引发原因，示例性地，设置第一预设条件为模切刀变形，当引发原因为模切刀变形时，触发预警。再例如，第一预设条件可以是引发原因的概率达到阈值，如，设置阈值为0.8，当第一预设条件为引发原因的概率达到0.8，触发预警。

在一些实施例中，第一预设条件可以基于人为经验设定。

预警是指可以起到警示作用的相关操作。例如，预警可以是播放提示音、亮灯等。

图5是根据本说明书一些实施例所示的确定定位准确度的流程的示例性示意图。如图5所示，流程500包括下述内容。在一些实施例中，流程500可以由处理设备170执行。

在一些实施例中，处理设备可以基于图像数据、模切声音数据以及刀具温度数据，通过原因判断模型判断质量异常的引发原因及其概率。

关于图像数据、模切声音数据以及刀具温度数据的相关内容详见图4及其相关说明。

如图5所示，原因判断模型520可以用于判断质量异常的引发原因及其概率。在一些实施例中，原因判断模型520可以为机器学习模型。

在一些实施例中，原因判断模型520包括图像识别层520-1、声音处理层520-2、温度预测层520-3和原因输出层520-4。

图像识别层520-1可以用于确定质量异常的类型及其概率530-1。在一些实施例中，图像识别层520-1可以是卷积神经网络模型(Convolutional Neural Network,CNN)。

图像识别层520-1的输入包括图像数据510-1，图像识别层520-1的输出包括质量异常的类型及其概率530-1。

质量异常的类型包括成品毛边、毛刺、粘连、破损、异形等。例如，图像识别层520-1的输出可以用序列{20％，10％，80％，30％，45％}表示，其中，序列中的数值分别代表存在成品毛边的质量异常的概率为20％、存在成品毛刺的质量毛刺的概率为10％、存在成品粘连的质量异常的概率80％、存在成品破损的质量异常的概率为30％、存在成品异形的质量异常的概率为45％。由于存在成品粘连的质量异常的概率为80％，超过了第三概率阈值(例如，70％)，则可以判断基于声音判断的质量异常的引发原因为成品粘连，及其概率为80％。关于质量异常的类型的相关说明详见图4及其相关描述。

声音处理层520-2可以用于确定基于声音判断的质量异常的引发原因及其概率530-2。在一些实施例中，声音处理层520-2可以是神经网络模型(Transformer)。

声音处理层520-2的输入包括模切声音数据510-2，声音处理层的输出包括基于声音判断的质量异常的引发原因及其概率530-2。

关于质量异常的引发原因及其概率的相关内容详见图4及其相关说明。声音处理层520-2的输出与声音模型的输出类似，在此不再赘述。

在一些实施中，处理设备可以直接将训练好的声音模型作为声音处理层520-2，以节约模型构建成本，提高效率。

温度预测层520-3可以用于预测未来温度变化特征530-3。在一些实施例中，温度预测层520-3可以是循环神经网络模型(Recurrent Neural Network,RNN)。

温度预测层520-3的输入包括刀具温度数据510-3以及基础生产参数510-4，温度预测层的输出包括预测未来温度变化特征530-3。

刀具温度数据510-2是指模切刀的相关温度数据。刀具温度数据510-2包括当前温度数据和历史温度数据。例如，刀具温度数据510-2可以用温度序列表示，示例性地，刀具温度数据510-2用序列表示{50℃，52℃，51℃，55℃……63℃，65℃}，其中，50℃，52℃，51℃，55℃……63℃分别代表当前时刻之前的每个小时的温度数据，65℃代表当前温度数据。例如，温度预测层520-3的输入可以用向量[i，j，k，l]表示，其中，i代表刀具温度数据，j代表模切材料材质数据，k代表模切刀具数据，l代表模切加工速率。

预测未来温度变化特征530-3是指估测的未来温度的变化特性。例如，预测未来温度变化特征530-3可以用温度序列表示，示例性地，未来温度变化特征530-3为每小时增加1℃，则可以用序列表示{66℃，67℃……}，其中，66℃，67℃……代表当前时刻之后的每个小时的温度数据。

原因输出层520-4可以用于确定质量异常的引发原因及其概率540。在一些实施例中，原因输出层520-4可以是神经网络模型(Neural Network,NN)。

原因输出层520-4的输入包括质量异常的类型及其概率530-1、基于声音判断的质量异常的引发原因及其概率530-2以及预测未来温度变化特征530-3，原因输出层的输出包括质量异常的引发原因及其概率540。原因输出层520-4的输出的表示形式与声音模型的输出表示形式类似，在此不再赘述。

关于质量异常的引发原因及其概率的相关内容详见图4及其相关说明。

在一些实施例中，图像识别层520-1、声音处理层520-2、温度预测层520-3的输出可以为原因输出层520-4的输入，图像识别层520-1、声音处理层520-2、温度预测层520-3、原因输出层520-4可以联合训练得到。例如，向图像识别层520-1输入样本图像数据，得到图像识别层520-1输出的样本质量异常的类型及其概率；向声音处理层520-2输入样本模切声音数据，得到声音处理层520-2输出的基于声音判断的样本质量异常的引发原因及其概率；向温度预测层520-3输入样本刀具温度数据和样本基础生产参数，得到温度预测层520-3输出的预测未来温度变化特征；将图像识别层520-1输出的样本质量异常的类型及其概率、声音处理层520-2输出的基于声音判断的样本质量异常的引发原因及其概率、和温度预测层520-3输出的预测未来温度变化特征输入原因输出层520-4，得到原因输出层520-4输出的样本质量异常的引发原因及其概率。

在一些实施例中，训练样本可以包括正样本和负样本。其中，正样本可以为正常生产时的图像数据样本、模切声音数据样本、刀具温度数据样本和基础生产参数样本，对应的标签的异常原因为无，概率值为0；负样本可以包括多种不同质量异常的引发原因对应的异常生产时的图像数据样本、模切声音数据样本、刀具温度数据样本和基础生产参数样本，每种异常生产对应多个样本数据，每个样本数据的标签为对应的异常原因，概率值为1。在一些实施例中，训练样本可以基于历史模切声音数据获取，标签可以通过人工标注获取。训练过程中，处理设备可以基于标签中的样本质量异常的引发原因的概率和原因输出层520-4的输出结果中的质量异常的引发原因的概率，构建损失函数。同时对图像识别层520-1、声音处理层520-2、温度预测层520-3和原因输出层520-4的参数进行更新，直到预设条件被满足，训练完成。其中，预设条件可以是损失函数小于阈值、收敛，或训练周期达到阈值等中的一种或多种。

通过对图像识别层520-1、声音处理层520-2、温度预测层520-3和原因输出层520-4进行联合训练，有利于解决单独训练图像识别层520-1、声音处理层520-2、温度预测层520-3、原因输出层520-4时难以获得标签的问题。其次，联合训练图像识别层520-1、声音处理层520-2、温度预测层520-3、原因输出层520-4不仅可以减少需要的样本数量，还可以提高训练效率。

通过本说明书的一些实施例所述的通过原因判断模型判断质量异常的引发原因及其概率，同时通过综合分析图像数据、模切声音数据、刀具温度数据、基础生产参数，可以提高原因判别准确度，减少无法判别异常原因的概率。

图6是根据本说明书一些实施例所示的基于更换时点更换模切刀的示例性流程图。如图6所示，流程600包括下述步骤。在一些实施例中，流程600可以由处理设备170执行。

步骤610，基于基础生产参数和模切加工参数，实时确定模切刀的更换时点。在一些实施例中，步骤610可以由更换模块240执行。

更换时点是指更换模切刀的时间点。例如，更换时点可以是1h后，更换时点也可以是具体时间点，如，18:00。

在一些实施例中，处理设备可以基于模切材料的材质数据、模切刀的刀具数据和模切加工参数，确定权重系数；基于权重系数和标准次数，确定模切刀的最大加工次数；响应于模切加工累计次数超过模切刀的最大加工次数，更换模切刀。

权重系数是指可以反映模切材料的材质数据、模切刀的刀具数据和模切加工参数权重的相关系数。在一些实施例中，权重系数可以基于人工设定。

模切刀的最大加工次数是指模切刀的最大使用次数。

在一些实施例中，可以使用公式计算模切刀的最大加工次数。例如，可以使用公式P＝A×B×C×S计算确定，其中，P为模切刀的最大加工次数，A为根据模切压力调整方案确定的权重系数，B为模切材料的材质数据权重系数，C为模切刀的刀具系数，S为标准次数。

标准次数是指模切刀的常规加工次数。在一些实施例中，模切刀的刀具越高级，标准次数越大。在一些实施例中，标准次数可以基于查表确定。例如，处理设备可以将模切刀的刀具高级程度(例如，模切刀的刀具为合金钢时为高等级)和标准次数整理为数据对照表，并基于该数据对照表确定标准次数。

模切压力调整方案确定的权重系数是指可以反映在计算模切刀的最大加工次数中模切压力调整方案占据的重要程度的值。

在一些实施例中，模切压力调整方案中模切压力调整越频繁或平均模切压力越高，模切压力调整方案确定的权重系数越小。在一些实施例中，模切压力调整方案确定的权重系数可以基于查表确定。例如，处理设备可以将模切压力调整频繁度、模切压力平均值和模切压力调整方案确定的权重系数整理为数据对照表，并基于该数据对照表确定模切压力调整方案确定的权重系数。模切压力调整频繁度可以反映模切压力调整次数的多少，模切压力调整频繁度越高，调整次数越多。

模切材料的材质数据权重系数是指可以反映在计算模切刀的最大加工次数中模切材料的材质占据的重要程度的值。

在一些实施例中，模切材料的材质越硬，越难加工，模切材料的材质数据权重系数越小。在一些实施例中，模切压力调整方案确定的权重系数可以基于查表确定。例如，处理设备可以将模切材料的材质软硬程度和模切材料的材质数据的权重系数整理为数据对照表，并基于该数据对照表确定模切材料的材质数据的权重系数。

模切刀的刀具权重系数是指可以反映在计算模切刀的最大加工次数中模切刀的刀具占据的重要程度的值。

在一些实施例中，模切材料的材质越硬，模切加工速率越大，模切材料的材质数据权重系数越小。在一些实施例中，模切刀的刀具权重系数可以基于查表确定。例如，处理设备可以将模切材料的材质软硬程度、模切加工速率和模切刀的刀具权重系数整理为数据对照表，并基于该数据对照表确定模切刀的刀具权重系数。

在一些实施例中，可以响应于模切加工累计次数大于等于模切刀的最大加工次数，将模切加工累计次数对应的时点确定为模切刀的更换时点。可以理解的，模切刀的最大加工次数可以实时变化。例如，当新确定的模切刀的最大加工次数直接小于模切加工累计次数时，即模切加工累计次数大于等于模切刀的最大加工次数时，将模切加工累计次数对应的时点确定为模切刀的更换时点。

通过本说明书的一些实施例所述的由于模切材料的材质数据、模切刀的刀具数据等因素的不同，模切刀的最大加工次数是动态变化的，通过预测一个比较合理的模切刀的最大加工次数，可以比较准确地预估模切刀的使用寿命，并提前及时更换模切刀，降低模切废品率。

在一些实施例中，模切刀的更换时点还相关于刀具温度数据。可以理解的，当温度越高或高温持续时间越久，模切刀越有可能发生损坏。

在一些实施例中，可以使用公式计算模切刀的最大加工次数。例如，可以使用公式P＝A×B×C×S×T计算确定，其中，P为模切刀的最大加工次数，A为根据模切压力调整方案确定的权重系数，B为模切材料的材质数据权重系数，C为模切刀的刀具权重系数，S为标准次数，T为模切刀的刀具温度系数，其中，温度系数可以基于温度极值和温度大于阈值的时长确定，如，温度极值越大，权重系数越小，如，温度大于阈值的时长越长，权重系数越小。

关于刀具温度数据的内容详见图5及其相关说明。

通过本说明书的一些实施例所述的模切刀的稳定性随温度升高而降低，温度过高时，模切刀有可能发生故障，在预估模切刀的最大加工次数时考虑加工时的刀具温度数据，可以提高预估模切刀的最大加工次数的准确度。

在一些实施例中，模切刀的更换时点还相关于引发原因为模切刀自身原因的频率或次数。例如，模切刀自身原因的次数越多越频繁(频率越大)，预测的模切刀的最大加工次数越小。引发原因为模切刀自身原因可以包括模切刀崩口、模切刀变形等。关于引发原因的内容详见图5及其相关说明。

在一些实施例中，可以使用公式计算模切刀的最大加工次数。例如，可以使用公式计算确定，其中，P为模切刀的最大加工次数，A为根据模切压力调整方案确定的权重系数，B为模切材料的材质数据权重系数，C为模切刀的刀具权重系数，S为标准次数，T为模切刀的刀具温度系数，n为异常原因为模切刀的自身原因的预测次数，其中，预测次数可以基于由开始模切到当前时刻，通过原因判断模型预测的质量异常的原因为模切刀的自身原因的次数，模切刀的自身原因的预测次数对P的影响更大。当公式算出的模切刀的最大加工次数小于或等于当前已加工次数时，需要及时更换模切刀具。

步骤620，基于更换时点，控制机械手更换模切刀，并继续进行模切。在一些实施例中，步骤620可以由更换模块240执行。

通过本说明书的一些实施例所述的基于基础生产参数和模切加工参数，实时确定模切刀的更换时点；基于更换时点，控制机械手更换模切刀，可以根据实际情况实时更换模切刀，提高生产效率。

应当注意的是，上述有关流程基于更换时点更换模切刀的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程基于更换时点更换模切刀进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。例如，当模切刀具本身发生异常的概率高于阈值时，可以即时更换模切刀具。如，设置阈值为0.8，当切刀具本身发生异常的概率达到0.8，可以更换模切刀具。

在一些实施例中，模切装置包括处理设备以及存储器；所述存储器用于存储指令，所述指令被所述处理设备执行时，导致所述装置实现所述模切方法。

在一些实施例中，计算机可读存储介质可以存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行所述模切方法。

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发明实施例，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发明实施例的理解，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 (7)

1.一种模切方法，其特征在于，所述方法由至少一个处理设备执行，所述方法包括以下的步骤：

基于预设定位参数，控制机械手在模切设备上安装模切刀及模切材料；

基于模切加工参数，控制所述模切刀对所述模切材料进行模切，所述模切加工参数至少包括基础模切压力和更新模切压力，所述模切加工参数相关于基础生产参数，所述基础生产参数包括所述模切材料的材质数据、所述模切刀的刀具数据以及模切加工速率中的至少一种，所述更新模切压力基于以下方法确定：

获取质量评估数据，所述质量评估数据包括图像数据、模切声音数据和刀具温度数据中的至少一种；

基于所述质量评估数据，判断是否发生质量异常，所述质量异常的类型包括成品毛边、毛刺、粘连、破损、异形，所述判断是否发生质量异常包括：

基于图像数据识别模切成品是否存在所述质量异常的类型，基于声音获取装置获取声音振幅和声音频率，基于温度传感器获得所述刀具温度数据，响应于发生存在所述质量异常的类型、所述声音振幅不在预设声音振幅阈值内和/或所述声音频率不在预设声音频率阈值内、所述刀具温度数据超过温度阈值三种情形中的至少一种，判断发生所述质量异常；

响应于发生质量异常，基于原因判断模型判断所述质量异常的引发原因，所述原因判断模型包括图像识别层、声音处理层、温度预测层和原因输出层，其中，所述图像识别层的输入包括所述图像数据，所述图像识别层的输出包括基于图像判断的质量异常类型及其概率；所述声音处理层的输入包括模切声音数据，所述声音处理层的输出包括基于声音判断的质量异常引发原因及其概率；所述温度预测层的输入包括刀具温度数据以及所述基础生产参数，所述温度预测层的输出包括预测未来温度变化特征；所述原因输出层的输入包括所述基于图像判断的质量异常类型及其概率、所述基于声音判断的质量异常引发原因及其概率以及所述预测未来温度变化特征，所述原因输出层的输出包括所述质量异常的引发原因及其概率；

所述图像识别层、所述声音处理层和所述温度预测层的输出为所述原因输出层的输入，所述图像识别层、所述声音处理层、所述温度预测层和所述原因输出层通过联合训练得到；其中，训练样本包括正样本和负样本，所述正样本为正常生产时的图像数据样本、模切声音数据样本、刀具温度数据样本和基础生产参数样本，对应的标签的异常原因为无，概率值为0；所述负样本包括多种不同质量异常的引发原因对应的异常生产时的所述图像数据样本、所述模切声音数据样本、所述刀具温度数据样本和所述基础生产参数样本，每种异常生产对应多个样本数据，每个所述样本数据的标签为对应的异常原因，概率值为1，所述训练样本基于历史模切声音数据获取，所述标签通过人工标注获取；训练过程中，基于所述标签中的样本质量异常的引发原因的概率和所述原因输出层的输出结果中的所述质量异常的引发原因的概率，构建损失函数，同时对所述图像识别层、所述声音处理层、所述温度预测层和所述原因输出层的参数进行更新，直到预设条件被满足，训练完成，其中，所述预设条件为所述损失函数小于阈值、收敛或训练周期达到阈值中的一种或多种；

响应于所述质量异常的引发原因是模切压力不当，至少基于所述模切刀的刀具数据，确定所述更新模切压力，所述刀具数据包括所述模切刀的模切加工累计次数；

响应于所述引发原因不是模切压力不当或无法判断原因，降低所述模切加工速率，所述模切加工速率的降低幅度和所述质量异常的严重程度相关；

以及

控制废料处理设备清除由所述模切刀对所述模切材料进行模切而形成的废料。

2.根据权利要求1所述的方法，其特征在于，所述模切方法还包括：

响应于所述引发原因满足第一预设条件，触发预警。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述基础生产参数和所述模切加工参数，实时确定所述模切刀的更换时点；以及

基于所述更换时点，控制所述机械手更换所述模切刀，并继续进行所述模切。

4.一种模切系统，其特征在于，所述系统包括：

安装模块，用于基于预设定位参数，控制机械手在模切设备上安装模切刀及模切材料；

模切模块，用于基于模切加工参数，控制所述模切刀对所述模切材料进行模切，所述模切加工参数至少包括基础模切压力和更新模切压力，所述模切加工参数相关于基础生产参数，所述基础生产参数包括所述模切材料的材质数据、所述模切刀的刀具数据以及模切加工速率中的至少一种，所述更新模切压力基于以下方法确定：

获取质量评估数据，所述质量评估数据包括图像数据、模切声音数据和刀具温度数据中的至少一种；

基于所述质量评估数据，判断是否发生质量异常，所述质量异常的类型包括成品毛边、毛刺、粘连、破损、异形，所述判断是否发生质量异常包括：

基于图像数据识别模切成品是否存在所述质量异常的类型，基于声音获取装置获取声音振幅和声音频率，基于温度传感器获得所述刀具温度数据，响应于发生存在所述质量异常的类型、所述声音振幅不在预设声音振幅阈值内和/或所述声音频率不在预设声音频率阈值内、所述刀具温度数据超过温度阈值三种情形中的至少一种，判断发生所述质量异常；

响应于发生质量异常，基于原因判断模型判断所述质量异常的引发原因，所述原因判断模型包括图像识别层、声音处理层、温度预测层和原因输出层，其中，所述图像识别层的输入包括所述图像数据，所述图像识别层的输出包括基于图像判断的质量异常类型及其概率；所述声音处理层的输入包括模切声音数据，所述声音处理层的输出包括基于声音判断的质量异常引发原因及其概率；所述温度预测层的输入包括刀具温度数据以及所述基础生产参数，所述温度预测层的输出包括预测未来温度变化特征；所述原因输出层的输入包括所述基于图像判断的质量异常类型及其概率、所述基于声音判断的质量异常引发原因及其概率以及所述预测未来温度变化特征，所述原因输出层的输出包括所述质量异常的引发原因及其概率；

所述图像识别层、所述声音处理层和所述温度预测层的输出为所述原因输出层的输入，所述图像识别层、所述声音处理层、所述温度预测层和所述原因输出层通过联合训练得到；其中，训练样本包括正样本和负样本，所述正样本为正常生产时的图像数据样本、模切声音数据样本、刀具温度数据样本和基础生产参数样本，对应的标签的异常原因为无，概率值为0；所述负样本包括多种不同质量异常的引发原因对应的异常生产时的所述图像数据样本、所述模切声音数据样本、所述刀具温度数据样本和所述基础生产参数样本，每种异常生产对应多个样本数据，每个所述样本数据的标签为对应的异常原因，概率值为1，所述训练样本基于历史模切声音数据获取，所述标签通过人工标注获取；训练过程中，基于所述标签中的样本质量异常的引发原因的概率和所述原因输出层的输出结果中的所述质量异常的引发原因的概率，构建损失函数，同时对所述图像识别层、所述声音处理层、所述温度预测层和所述原因输出层的参数进行更新，直到预设条件被满足，训练完成，其中，所述预设条件为所述损失函数小于阈值、收敛或训练周期达到阈值中的一种或多种；

响应于所述质量异常的引发原因是模切压力不当，至少基于所述模切刀的刀具数据，确定所述更新模切压力，所述刀具数据包括所述模切刀的模切加工累计次数；

响应于所述引发原因不是模切压力不当或无法判断原因，降低所述模切加工速率，所述模切加工速率的降低幅度和所述质量异常的严重程度相关；

以及

清除模块，用于控制废料处理设备清除由所述模切刀对所述模切材料进行模切而形成的废料。

5.根据权利要求4所述的系统，其特征在于，所述系统还包括更新模块，所述更新模块用于：

基于所述基础生产参数和所述模切加工参数，实时确定所述模切刀的更换时点；以及

基于所述更换时点，控制所述机械手更换所述模切刀，并继续进行所述模切。

6.一种模切装置，包括处理设备，其特征在于，所述处理设备用于执行如权利要求1～3任一项所述的模切方法。

7.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1～3任一项所述的模切方法。