CN116423785A - 一种注塑质量预警装置 - Google Patents

Abstract

本说明书实施例提供一种注塑质量预警装置，该装置包括：控制器、样本输送通道、质量检测单元、多个样本分选通道，样本输送通道用于将注塑机生产的注塑制品运输至质量检测单元，质量检测单元用于对注塑制品的质量进行检测；质量检测单元设有质量参数检测设备和样本检测通道，样本检测通道用于将旋转台的注塑制品输送至质量参数检测设备，质量参数检测设备用于对注塑制品的质量进行检测；控制器用于统计各类质量检测结果对应的注塑制品的制品数量，并基于制品数量的统计结果发送预警信息至注塑机或生产人员终端；基于存在质量问题的注塑制品所占的比例，调整传输至质量参数检测设备的注塑制品的传输频率。

Description

一种注塑质量预警装置

分案说明

本申请是针对申请日为2022年04月26日、申请号为202210443731.8发明名称为“一种注塑制品分选装置”的中国申请提出的分案申请。

技术领域

本说明书涉及注塑生产技术领域，特别涉及一种注塑质量预警装置。

背景技术

注塑是常见的工业产品生产方法。随着注塑制品的广泛使用，注塑工业的飞速发展和产品竞争的不断加强，人们对注塑制品的质量和使用性能要求越来越高。注塑完成后，生产人员需要对注塑制品的质量进行判断，以获知注塑制品是否存在瑕疵，例如，短射、缩水、弯曲、披锋、裂纹、伤痕等异常情况。在实际生产中，生产人员难以直接对注塑制品的质量进行判断，需要进行后续检测。

因此，有必要提出一种注塑质量预警装置，可以减少不必要的人工投入，提高注塑制品质量检测的精确度。

发明内容

本说明书实施例之一提供一种注塑质量预警装置。所述注塑质量预警装置包括：控制器、样本输送通道、质量检测单元、多个样本分选通道，样本输送通道用于将注塑机生产的注塑制品运输至质量检测单元；质量检测单元用于对注塑制品的质量进行检测；其中，质量检测单元设有质量参数检测设备和样本检测通道，样本检测通道用于将旋转台的注塑制品输送至质量参数检测设备；质量参数检测设备用于对注塑制品的质量进行检测；多个样本分选通道中的每个样本分选通道用于将完成质量检测的注塑制品输送至对应的存放空间；控制器用于：统计各类质量检测结果对应的注塑制品的制品数量，并基于制品数量的统计结果发送预警信息至注塑机或生产人员终端；以及基于存在质量问题的注塑制品所占的比例，调整传输至质量参数检测设备的注塑制品的传输频率。

在一些实施例中，所述控制器进一步用于：识别注塑制品的颜色，基于颜色的识别结果，控制摄像头拍摄时的光照颜色。

在一些实施例中，所述控制器进一步用于：基于存在外观质量问题的注塑制品所占的比例，调整摄像装置的拍摄角度的数量。

在一些实施例中，所述控制器进一步用于：基于注塑制品的图像质量结果的第一指标，确定注塑制品是否输入质量参数检测设备，注塑制品的图像质量结果的第一指标基于注塑制品的图像的第三指标和基于图像识别模型获取的第二指标确定；其中，第二指标为基于图像识别模型对注塑制品的图像进行处理后输出的质量识别结果对应的置信度，第三指标为注塑制品的图像的质量分数；质量分数基于注塑制品的图像的清晰度和分辨率计算得出；注塑制品的图像质量结果的第一指标基于注塑制品的图像的第三指标和基于图像识别模型获取的第二指标确定包括：第一指标基于公式T＝aC+bM+d计算得出，其中，T为第一指标，C为第二指标，M为质量分数，a、b、d均为常数；质量分数基于注塑制品的图像的清晰度和分辨率计算得出包括：质量分数基于公式S＝kD+mF+p计算得出，其中，S为质量分数，D为清晰度，F为分辨率，k、m、p均为常数。

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注塑制品分选装置的应用场景图；

图2是根据本说明书一些实施例所示的注塑制品分选装置的示例性；

图3是根据本说明书一些实施例所示的确定注塑制品是否传入质量参数检测设备的流程示例图；

图4是根据本说明书一些实施例所示的确定区域图像的示例性流程图；

图5是根据本说明书一些实施例所示的控制器的一种作用的示例图。

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。

本说明书实施例涉及一种注塑制品分选装置，可以用于对注塑制品进行质量检测及分选，需要说明的是，本实施例中的注塑制品分选装置也可以用于其他产品的质量检测及分选，如其他种类的产品如食品、电子产品等的质量检测及分选。

图1是根据本说明书一些实施例所示的注塑制品分选装置的应用场景图。

在一些实施例中，所述注塑制品分选装置的应用场景100可以包括计算系统110、网络120、存储设备130、终端140、注塑制品分选装置150、注塑机160和材料170。

计算系统110可以处理从存储设备130获取的数据和/或信息。例如，计算系统110可以从存储设备130获取注塑制品分选数据。在一些实施例中，计算系统110可以处理与注塑制品分选装置150相关的信息和/或数据以执行本说明书描述的一个或多个功能。在一些实施例中，计算系统110可以是单个的服务器或者服务器集群。服务器群可以是集中式的或分布式的(例如，计算系统110可以是分布式系统)。在一些实施例中，计算系统110可以是本地的或远程的。例如，计算系统110通过网络120访问存储在存储设备130中的信息和/或数据。再例如，计算系统110可以直接连接到存储设备130以访问存储的信息和/或数据。在一些实施例中，计算系统110可以通过云平台实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布云、云之间、多重云等或其任意组合。

在一些实施例中，计算系统110可以包括一个或多个计算系统110(例如，单核处理器或多核处理器)。仅作为示例，计算系统110可以包括一个或多个硬件处理器，例如，中央处理器(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图像处理器(GPU)、物理运算处理器(PPU)、数字信号处理器(DSP)、现场可编辑门阵列(FPGA)、可编辑逻辑器件(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。

网络120可以用于促进信息和/数据的交换。在一些实施例中，场景100中的一个或多个组件、可以通过网络120向/从场景100中的其他组件发送和/或接收信息和/或数据。在一些实施例中，网络120可以为任意形式的有线或无线网络或其任意组合。仅作为示例，网络120可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通讯(NFC)网络、全球移动通讯系统(GSM)网络、码分多址(CDMA)网络、时分多址(TDMA)网络、通用分组无线服务(GPRS)网络、增强数据速率GSM演进(EDGE)网络、宽带码分多址接入(WCDMA)网络、高速下行分组接入(HSDPA)网络、长期演进(LTE)网络、用户数据报协议(UDP)网络、传输控制协议/互联网协议(TCP/IP)网络、短讯息服务(SMS)网络、无线应用协议(WAP)网络、超宽带(UWB)网络、移动通信(1G、2G、3G、4G、5G)网络、Wi-Fi、Li-Fi、窄带物联网(NB-IoT)等或其任意组合。

在一些实施例中，网络120可以包括一个或以上网络接入点。例如，网络120可以包括有线或无线网络接入点(例如，基站和/或网际网络交换点)，通过这些接入点，场景100的一个或以上组件可以通过其连接到网络120以交换数据和/或信息。

存储设备130可以用于存储信息和/或指令。在一些实施例中，存储设备130可以包括大容量存储器、可移动存储器、随机存储器(RAM)、只读存储器(ROM)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。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性随机存储器可包括动态RAM(DRAM)、双倍速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、闸流体RAM(T-RAM)、零电容RAM(Z-RAM)等。示例性只读存储器可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电子可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)、数字通用磁盘ROM等。在一些实施例中，存储设备130可以通过云平台实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。

在一些实施例中，存储设备130可以连接到网络120以与场景100中的一个或以上组件通信。场景100中的一个或以上组件可以通过网络120访问存储设备130中存储的数据或指令。在一些实施例中，存储设备130可以与场景100中的一个或以上组件直接连接或通信。

终端140可以是与注塑制品分选数据获取直接相关的设备或其他实体。在一些实施例中，终端140可以是用户使用的终端。例如，生产人员使用的终端等。在一些实施例中，终端140可以是注塑制品分选数据获取的请求者。在本说明书的一些实施例中，“用户”、“用户终端”可以互换使用。在一些实施例中，用户可以是注塑制品分选装置150的操作者或使用者，例如生产人员、研究人员等。在一些实施例中，终端140可以包括移动终端140-1、平板电脑140-2、笔记本电脑140-3、膝上电脑140-4等或其任意组合。在一些实施例中，移动终端140-1可以包括智能手机、智能传呼设备等或其他智能设备。在一些实施例中，终端140可以包括其他智能终端，如可穿戴智能终端等。在一些实施例中，终端140可以通过网络120接收注塑制品分选装置150上传的信息，例如注塑制品分选数据等。

注塑制品分选装置150是指用于对注塑制品进行分类筛选的装置。在一些实施例中，注塑制品分选装置150可以对注塑机160生产的注塑制品进行分类筛选，并将分选后的注塑制品输送至对应的存放空间。

在一些实施例中，注塑制品分选装置150可以包括控制器、样本输送通道、质量检测单元、多个样本分选通道。样本输送通道可以用于将注塑机160生产的注塑制品运输至质量检测单元。质量检测单元可以用于对注塑制品的质量进行检测。多个样本分选通道中的每个样本分选通道可以用于将完成质量检测的注塑制品输送至对应的存放空间。控制器可以用于接收和/或统计注塑制品的信息和/或数据，以调整和/或执行与注塑制品分选相关的一个或多个功能。例如，控制器可以基于注塑制品的图像，对注塑制品进行质量检测。又例如，控制器可以统计存在质量问题的注塑制品的比例，调整注塑制品的传送频率。关于注塑制品分选装置150的描述可以参见图2，在此不再赘述。

注塑机160还可以称为注塑成型机或注塑机，是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主要成型设备。注塑机160可以包括但不限于立式注塑机、卧式注塑机和全电式注塑机。在一些实施例中，注塑机160可以由固定模板、移动模板、拉杆、合模油缸、连杆机构、调模机构以及制品退出机构等组成。

注塑机160可以包括模具160-1。模具160-1是指热塑性塑料或热固性塑料射入模型后得到制品的装置。在一些实施例中，模具160-1可以位于注塑机160上的立柱之间。在一些实施例中，模具160-1可以通过螺钉固定在注塑机160上，也可以通过压板(如自动压板)固定在注塑机160上。

材料170是指用于注塑的注塑性材料。材料170可以包括但不限于ABS塑料、聚酰胺6、PBT、PC等高分子材料。材料170可以根据应用范围进行不同选择，例如，对于汽车(如仪表盘、车轮盖等)、电冰箱和电话机壳体，可以选择ABS塑料(丙烯腈、丁二烯和苯乙烯的三元共聚物)。又例如，对于需要具备很好的机械强度的结构部件，可以选择聚酰胺6。

应当注意注塑制品分选装置仅仅是为了说明的目的而提供的，并不意图限制本申请的范围。对于本领域的普通技术人员来说，可以根据本说明书的描述，做出多种修改或变化。例如，注塑制品分选装置还可以包括信息源。又例如，注塑制品分选装置可以在其它设备上实现类似或不同的功能。然而，这些变化和修改不会背离本申请的范围。

图2是根据本说明书一些实施例所示注塑制品分选装置的示例图。

如图2所示，注塑制品分选装置200包括控制器210、样本输送通道220、质量检测单元230、多个样本分选通道240。以下是对每个部分的详细说明。

控制器210可以用于数据处理。在一些实施例中，控制器可以包括处理器和存储介质。可以理解的，存储介质存储相应的程序和/或指令，在处理器读取相应的程序和/或指令时，处理器可以获取到待处理的数据并对其进行相应的处理。进一步地，待处理的数据可以来自注塑制品分选装置中的其他部件(例如，质量检测单元等)。

在一些实施例中，控制器可以存储有机器学习模型，在控制器进行数据处理时，可以调用机器学习模型(例如，图2中的识别模型220-1)对待处理数据进行处理。

样本输送通道220可以用于将注塑机生产的注塑制品运输至质量检测单元。在一些实施例中，样本输送通道可以是任意一种物品传输装置，例如，传送带、传送板等。例如，可以通过将注塑机生产的注塑制品放置传于送带上，运输至质量检测单元。

注塑制品是指将树脂等注塑原料通过注塑成型得到的产品，例如，可以通过注塑机将受热融化的树脂原料由高压输入模腔，经过冷却固化后得到注塑制品。可以理解的，注塑制品在由注塑机生产的过程中，可能因为各种原因(例如，压强大小、保压情况、温度等)导致注塑制品存在各种质量问题(例如，缩孔、缩水、不饱和、毛边等)，以使注塑制品无法进行使用或使用效果欠佳。

质量检测单元230可以用于对注塑制品的质量进行检测，确定注塑制品的是否存在质量问题，或者存在何种质量问题。在一些实施例中，质量检测单元可以包括用于对注塑制品质量检测的装置、设备及模型等，例如，质量检测单元可以包括质检仪、图像分析设备以及图像识别模型等。

在一些实施例中，质量检测单元可以设有摄像装置230-1和旋转台230-2。旋转台用于放置注塑制品，摄像装置用于基于旋转台的旋转，拍摄注塑制品在多个角度用于质量检测的产品图像。可以理解的，通过摄像装置与旋转台的配合，可以获取到注塑制品多个角度的图像，进而通过对注塑制品的图像对注塑制品进行质量检测。

在一些实施例中，摄像装置可以是摄像头。在一些实施例中，摄像装置可以包括至少两个摄像头，通过至少两个摄像头可以实现基于至少两个位置方向获取注塑制品的至少两个角度的图像。

在一些实施例中，旋转台可以包括可以进行旋转的台面，例如，横向旋转台，其台面在水平方向进行旋转；纵向旋转台，其台面在垂直方向进行旋转。可以理解的，旋转台的台面可以用于放置注塑制品，以使注塑制品在台面上进行水平旋转或垂直旋转，由此可以使摄像装置拍摄到注塑制品的多个角度的图像。

在一些实施例中，质量检测单元可以通过注塑制品的多个角度所对应的面进行质量检测。可以理解的，根据实际需要的多个角度，由设置的摄像头获取在旋转台上旋转的注塑制品的多个角度。例如，通过摄像头对旋转时的注塑制品进行拍摄，获取到注塑制品的正视、后视、左视、右视等多个角度的图像。

在一些实施例中，质量检测单元可以设有质量参数检测设备，质量参数检测设备用于对注塑制品的质量进行检测。

其中，质量参数检测设备可以是用于对注塑制品质量参数进行检测的设备、装置。在一些实施例中，如图2所示，质量参数检测设备230-4可以包括密度检测装置230-4-1(用于对注塑制品的密度进行检测)、硬度检测装置230-4-2(用于对注塑制品的硬度进行检测)、扫描装置230-4-3(用于对注塑制品的外观进行检测)等。其中，密度检测装置可以为密度仪；硬度检测装置可以为邵氏硬度计或测硬仪；扫描装置可以为扫描电子显微镜(SEM，scanning electron microscope)。

在一些实施例中，通过将注塑制品放置质量参数检测设备中的检测区域，由质量参数检测设备对注塑制品对应的质量参数进行检测。质量参数可以包括如密度参数、硬度参数、外观形状、颜色、成分等中的一种或多种。例如，将注塑制品放置在密度仪的检测区域，以对注塑制品的密度参数进行测量。又例如，将注塑制品放置在测硬仪的检测区域，基于测硬仪对注塑制品的硬度参数进行测量。又例如，将注塑制品放置在扫描电子显微镜的扫描区域，进而对注塑制品进行扫描检测，以获得如形状参数、成分参数等。

在一些实施例中，质量检测单元还包括：样本检测通道230-3，样本检测通道230-3用于将旋转台的注塑制品输送至质量参数检测设备。

样本检测通道可以是具有物体传动功能的装置。例如，传送带等传送装置。

在一些实施例中，样本检测通道可以与旋转台连接。可以理解的，当旋转台中的注塑制品在旋转台完成用于质量检测的多个角度的图像获取后，可以通过样本检测通道(如传送带)将注塑制品传送至质量参数检测设备(如密度仪、测硬仪、扫描电子显微镜)进行对应的质量参数检测。

在一些实施例中，样本分选通道用于输送完成质量检测的注塑制品至对应的存放空间。在一些实施例中，样本分选通道可以是具有物品传送功能的装置或设备。例如，传送带、传送条。

在一些实施例中，样本分选通道可以包括质量合格通道、质量问题1通道、质量问题2通道……质量问题n通道。可以理解的，如图2所示，多个样本分选通道240包括样本分选通道240-1、样本分选通道240-2、样本分选通道240-3、样本分选通道240-4等，可以将多个样本按照质量检测完毕时的质量检测结果，输送至对应的存放空间。在一些实施例中，每一条样本分选通道输送同一种质量检测结果的注塑制品，例如，样本分选通道240-1用于将质量合格的注塑制品输送至对应的存放空间，样本分选通道240-2可以用于将存在质量问题1的注塑制品输送至对应的存放空间。

在一些实施例中，注塑制品的质量问题可以基于具体的产品情况分为多种类型，例如，注塑制品的质量问题可以包括外观质量问题(如毛边、熔接痕、开裂等)、密度质量问题(如密度超出了产品规定范围)、硬度质量问题(如硬度超出了产品规定范围)。

对应的存放空间可以是用于存储对应检测结果的注塑制品的存储位置，例如，用于存储质量合格的注塑制品的位置，存储存在质量问题1的注塑制品的空间等。可以理解的，每一种对应的存放空间均存放质量检测结果相同的注塑制品。例如，空间1存放的均是质量合格的注塑制品。

在一些实施例中，通过图2中的控制器210、样本输送通道220、质量检测单元230、多个样本分选通道240，可以对注塑后的注塑制品进行多方位的质量检测，并基于质量情况(如，质量合格、外观问题、硬度问题等)对注塑制品进行分类存放。基于质量检测单元230可以便捷的获取注塑制品的多项检测参数，并对注塑制品进行质量检测，同时，可以实现基于质量检测结果对注塑制品进行分类传输及存放，以便实现注塑制品的分类处理与管理。

图3是根据本说明书一些实施例所示的基于识别模型进行质量检测的示例图。

在一些实施例中，控制器可以用于接收制品图像，并基于识别模型对注塑制品进行质量检测。在一些实施例中，基于识别模型的质量检测可以检测出注塑制品是否存在某类质量问题，例如，基于识别模型对某注塑制品的检测得到该注塑制品存在外观类质量问题(如开裂/破裂、缩孔、熔接痕等)，可以理解的，质量检测结果还可以为硬度质量问题、密度质量问题等。

在一些实施例中，如图3所示，识别模型可以包括第一图像识别模型。

在一些实施例中，可以基于注塑制品的一个或多个图像(如多个角度的图像)，通过第一图像识别模型，对注塑制品的质量问题进行检测，在一些实施例中，基于第一图像识别模型得到的质量问题检测结果可以主要是外观类质量问题的检测结果，如注塑制品存在开裂/破裂、缩孔、熔接痕等外观质量问题。

在一些实施例中，第一图像识别模型可以为神经网络模型。

在一些实施例中，第一图像识别模型的输入可以为注塑制品的图像，例如，通过摄像装置从旋转台上获取的注塑制品的多个角度(如，正视、后视、左视、右视)的图像。第一图像识别模型的输出可以是注塑制品当前的质量情况，例如，质量合格、存在外观质量问题等。在一些实施例中，第一图像识别模型还可以具体输出存在的外观质量问题的类型，如第一图像识别模型可以输出毛边、裂口等具体的问题类型标签。

在一些实施例中，可以基于多组带有标签的训练样本训练第一图像识别模型。具体的，将带有标签的训练样本输入第一图像识别模型，通过训练第一图像识别模型的参数。

在一些实施例中，一组训练样本可以包括：历史注塑制品的多个角度(如正视、后视、左视、右视)的图像。在一些实施例中，训练样本可以通过摄像装置对旋转台上的历史注塑制品进行拍摄获取得到。在一些实施例中，训练样本还可以通过存储的历史注塑制品的历史图像获取得到。

在一些实施例中，模型训练时的标签可以是历史注塑制品的质量问题类型(如质量合格、缩孔、毛边、不饱模、熔接痕、银丝、喷痕、烧焦、翘曲变形、开裂/破裂等)。

在一些实施例中，标签的获取方式可以是通过先前对历史注塑制品通过质量检测单元进行质量检测后由人工基于检测结果进行标注得到，例如，通过扫描检测装置检测得到的检测结果等。

在一些实施例中，第一图像识别模型可以基于上述样本，通过各种方法进行训练更新模型参数。例如，可以基于梯度下降法进行训练。

在一些实施例中，当训练中的第一图像识别模型满足预设条件时，训练结束。其中，预设条件可以是损失函数结果收敛或小于预设阈值等。

根据以上描述，基于大量训练样本训练好的第一图像识别模型，可以通过对注塑制品的图像的处理，快速的获取到注塑制品的质量检测结果以及具体存在的质量问题类型。可以提高获取质量存在问题的注塑制品的效率并提升问题检测的精确度。

在一些实施例中，控制器可以识别所述注塑制品的颜色，基于颜色的识别结果，控制摄像头拍摄时的光照颜色。

识别结果可以是注塑制品自身所展示的实际颜色，例如，红色、蓝色、灰色等。

光照颜色可以是摄像头在拍摄注塑制品图像时，使用的辅助灯的颜色。例如，可以基于辅助灯使得光照颜色为红色、黄色、白色等。

在一些实施例中，可以基于控制器控制光照颜色，例如，若需要的光照颜色为黄色，则控制器可以向相应的灯源如黄色灯珠发出控制信号，控制其开启。

在一些实施例中，控制器可以基于注塑制品颜色与光照颜色的预设关系确定光照颜色，例如，注塑制品颜色为红色时，可以基于预设关系确定光照颜色为黄色。可以理解的，通过使用预设关系中光照颜色照射在对应颜色的注塑制品上，可以获得显示的更加清晰的图像。

预设关系可以是预先设定的注塑制品颜色和光照颜色的匹配关系。如前述的注塑制品颜色为红色，则光照颜色为黄色。在一些实施例中，预设关系可以通过人工根据颜色匹配关系或历史经验进行预先设定。

可以理解的，基于注塑制品的颜色，通过调整光照颜色，可以使摄像头获取到更加清晰的注塑制品图像。例如，当注塑制品为红色时，控制器可以控制摄像头拍摄时的光照颜色为黄色，使得获取的注塑制品的图像更加清晰，进而可以提升基于图像识别得到的质量检测结果的准确度。

在一些实施例中，如图3所示，控制器可以通过第二图像识别模型识别注塑制品的颜色。具体地，将注塑制品的图像输入第二图像识别模型中，获取到从第二图像识别模型中输出的注塑制品的颜色。

在一些实施例中，第二图像识别模型可以是神经网络。

在一些实施例中，第二图像识别模型的输入可以是注塑制品的一个或多个角度的图像(如正视图、后视图、左视图、右视图等)。其输出可以是注塑制品的颜色。

在一些实施例中，第二图像识别模型可以基于多组带标签的训练样本训练获得。第二图像识别模型的训练样本可以包括历史注塑制品的图像。例如，一组训练样本为历史注塑制品的多个图像。在一些实施例中，训练样本可以通过摄像头历史获取到的注塑制品的图像获得。在一些实施例中，训练样本还可以通过存储的历史注塑制品的图像获得。

在一些实施例中，样本标签可以是人工标注的历史注塑制品的颜色。

在一些实施例中，第二图像识别模型训练方法与第一图像识别模型相似，具体关于第二图像识别模型的训练方法，参照第一图像识别模型训练方法的相关描述。

通过控制器中的第二图像识别模型识别注塑制品的颜色，基于颜色的识别结果，控制摄像头拍摄时的光照颜色。可以快速、精确得获取到注塑制品的颜色，进而进一步精确的确定与注塑制品相匹配的摄像头拍摄时的光照颜色，以使可以获取到更加清晰的注塑制品的图像。

图4是根据本说明书一些实施例所示的确定注塑制品是否传入质量参数检测设备的流程示例图。

在一些实施例中，控制器可以基于注塑制品的图像质量结果的第一指标，确定注塑制品是否输入质量参数检测设备。

在一些实施例中，第一指标可以是基于注塑制品的图像对注塑制品进行质检得到的质检结果的可信度。可以理解的，通过第一指标可以确定当前注塑制品存在质检结果质量问题的可能性，即可信度越高时，存在该质量问题的可能性越大；可信度越低时，存在该质量问题的可能性越小。

在一些实施例中，可信度的取值区间可以是[0,1]。例如，当注塑制品存在缩孔问题的可信度取值为0.1时，则说明注塑制品存在缩孔的外观质量问题的可能性为10％。又如，当注塑制品存在毛边问题的可信度取值为0.8时，则说明注塑制品存在毛边的外观质量问题的可能性为80％。

在一些实施例中，可以设定第一阈值，通过第一指标与第一阈值的比较，进而判断是否将注塑制品输入相应的质量参数检测设备，以再次进行进一步的质量检测，例如，可以在第一指标大于第一阈值时，即将该指标对应的注塑制品输入用于检测对应质量问题的质量参数检测设备。

在一些实施例中，第一阈值可以基于实际情况进行设定，例如，若需要提高检测精度，则可以将第一阈值设定的较小。仅作为示例的，可以设定第一阈值为0.5，若注塑制品A存在熔接痕问题对应的第一指标为0.6，大于第一阈值，则确定需要将注塑制品A输入扫描装置以进行进一步的扫描检测。

在一些实施例中，可以通过多种方式确定注塑制品质量结果的第一指标，例如，可以通过工人基于历史经验在对注塑制品进行质量检测的同时对检测结果进行可信度设定，进而得到相应检测结果对应的第一指标。又如，若基于机器学习模型对注塑制品进行质量检测，可以在输出检测结果的同时输出该检测结果对应的置信度，并将该置信度作为相应检测结果对应的第一指标。

在一些实施例中，通过注塑制品质量图像的可信度判断通过其图像进行质量检测的可信度，进一步判断是否需要输入质量参数检测设备再次进行质量检测。由此，可以更加准确的获取到注塑制品当前的质量问题，避免对可能存在质量问题的注塑制品漏检。

在一些实施例中，注塑制品的图像质量结果的第一指标可以基于图像的第三指标以及基于图像识别模型的获取的第二指标确定。

在一些实施例中，第三指标可以是注塑制品的图像的质量分数。图像的质量分数可以用于表示注塑制品的图像的清晰度和分辨率等图像质量参数。在一些实施例中，图像的质量分数可以基于具体的分值表示，例如，图像的质量分数的总分有10分，基于图像质量对注塑制品的图像进行打分(例如，7分)可以将该分值作为注塑制品的图像的第三指标。

在一些实施例中，第三指标的获取方式可以通过注塑制品的图像的清晰度和分辨率计算得出。其中清晰度可以是反映注塑制品的图像的清晰程度的参量。

在一些实施例中，图像清晰度可以通过多种方式获得，如可以利用拉布拉斯变换求取图像清晰度。具体地，可以利用与图像尺寸相同的拉普拉斯算子对图像进行拉布拉斯变换，再利用拉普拉斯变换求图像的当前帧图像的清晰度的值。

在一些实施例中，第三指标可以通过以下公式进行计算得出：

S＝kD+mF+p

其中，S为质量分数，D为清晰度，F为分辨率，k、m、p为常数。

在一些实施例中，第三指标的获取方式还可以通过打分模型获得。其中，打分模型可以为神经网络。

在一些实施例中，打分模型的输入可以是注塑制品的图像。例如，注塑制品的正视、后视、左视、右视等图像。打分模型的输出可以是注塑制品图像对应的质量分数。例如，8分(满分10分)。

在一些实施例中，打分模型可以基于带有标签的训练样本经过一次或多次的训练，在训练中更新打分模型的参数至损失函数结果收敛或小于预设阈值，最后结束训练获得。

其中，训练样本可以包括历史注塑制品的图像，例如，在历史注塑制品的生产中，通过摄像头获取到的多个角度的图像作为训练样本。在一些实施例中，训练样本可以通过存储的历史数据获得。标签可以是历史质量分数的打分结果，例如，基于人工对采集的注塑制品图像对应的质量分数进行打分的结果。

第二指标可以是基于识别模型对注塑制品的图像进行处理后输出的质量识别结果对应的置信度，例如，第二指标可以是第一图像识别模型输出的识别结果对应的置信度。

在一些实施例中，第一图像识别模型可以为多分类模型。基于第一图像识别模型可以获取到多个分类结果对应的置信度。例如，第一图像识别模型可以对输入的图像进行识别处理，并得出该图像存在各个分类结果对应的质量问题的置信度。

仅作为示例的，多分类模型的分类结果对应的标签可以为1、2、3，其中，标签1对应存在毛边的质量问题，标签2对应存在缩孔的质量问题，标签3对应存在银丝的质量问题，第一图像识别模型的输出可以为包含三个向量元素的向量，每个向量元素分别对应存在标签1、2、3对应的质量问题的置信度，如第一图像识别模型基于对输入的注塑制品A的图像的处理输出的结果为(0.1、0.15、0.85)，则表示注塑制品A存在毛边的质量问题的置信度为0.1，存在缩孔的质量问题的置信度为0.15，存在银丝的质量问题的置信度为0.85；最后可以将最大置信度对应的质量问题作为最终的分类结果，而最大置信度即为最终用于计算第一指标的第二指标，如前例中即可认为注塑制品A存在银丝的质量问题，且将0.85作为第二指标用于计算第一指标。

在一些实施例中，注塑制品的图像质量结果对应的第一指标可以基于图像的第三指标以及图像识别模型的第二指标确定，例如，可以通过以下公式获得：

T＝aC+bM+d

其中，T为第一指标，即表示基于注塑制品的图像对注塑制品进行质检得到的质检结果的可信度，C为第二指标，即表示基于识别模型对注塑制品的图像进行处理后输出的质量识别结果对应的置信度，M为质量分数，即表示基于图像质量进行打分的分数，a、b、d为常数。

通过第一图像识别模型的置信度以及注塑制品图像的质量分数确定第一指标，可以更准确得确定基于注塑制品的图像对注塑制品进行质检得到的质检结果的可信度，避免出现误判等问题。

图5是根据本说明书一些实施例所示的控制器的一种作用的示例图。

在一些实施例中，控制器可以用于统计各类质量检测结果对应的注塑制品的制品数量，并基于制品数量的统计结果发送预警信息至注塑机或生产人员终端。

在一些实施例中，统计结果可以是合格制品或不合格制品占制品总数的比例。其中合格制品可以是没有任何一类质量问题(例如，外观质量问题、硬度质量问题、密度质量问题等)的制品。

在一些实施例中，各类质量检测结果对应的注塑制品的制品数量可以是存在某一类或多类质量问题的注塑制品的制品数量。质量问题可以包括如外观质量问题、硬度质量问题、密度质量问题等，其中，存在外观质量问题的注塑制品的制品数量可以包括存在熔接痕、开裂、破裂等外观问题的注塑制品的总数。存在密度质量问题的注塑制品的制品数量可以包括存在密度不符合行业标准(如密度小于预设值或大于预设值等)等密度问题的注塑制品的总数。存在硬度质量问题的注塑制品的制品数量可以包括存在硬度不符合行业标准等(如硬度小于预设值或大于预设值等)硬度问题的注塑制品的总数。

在一些实施例中，预警信息可以是具有预警效果的信息。例如，预警文字、预警语音、预警图片等。

在一些实施例中，可以通过将预警信息传送至注塑机或生产人员终端，以提示生产人员当前注塑制品存在的质量问题。关于注塑机以及生产人员终端的详细说明，请参照图1中的相关内容。

在一些实施例中，控制器统计各类质量检测结果对应的注塑制品的制品数量，并基于制品数量的统计结果发送预警信息至注塑机或生产人员终端。其中统计方法可以包括：当每一个制品存在多类质量问题时，每类质量问题对应的计数均增加。例如，计数直接加1。

在一些实施例中，计数增加值与质量结果的第一指标相关。例如，设定指标阈值，若某类质量问题的第一指标大于指标阈值，则对应的存在该类质量问题的统计的计数加1，否则不增加。可以理解的，当某类质量问题的第一指标大于指标阈值时，说明注塑制品存在该质量问题的可信度高，即极有可能是存在该质量问题，因此需要对其计数进行增加。

在一些实施例中，可以根据以下公式确定计数增加值：

m＝hT+j

其中，m为计数增加值，T为第一指标，h、j均为常数。可以理解的，在该方法中的m可以不为整数。

通过控制器统计各类质量检测结果对应的注塑制品的制品数量，并基于制品数量的统计结果发送预警信息至注塑机或生产人员终端，可以精准的确定每种质量问题的注塑制品的数量，并及时提示生产人员当前注塑制品存在的质量问题以进行异常预警，同时，基于对各类质量问题的统计数据可以指导出现异常的方向，以便更有效的对异常进行后续处理。

在一些实施例中，控制器可以用于基于存在质量问题的注塑制品所占的比例，调整传输至质量参数检测设备的注塑制品的传输频率。

在一些实施例中，存在质量问题的注塑制品所占的比例可以是存在质量问题的注塑制品所占制品总数的比例。可以理解的，这里的质量问题可以是前述任意一种质量问题，可以据此判断注塑制品整体的质量情况。

在一些实施例中，传输频率可以是单位时间内传输到质量参数检测设备的注塑制品的个数。例如，1分钟传输1个注塑制品，则频率为1个/分钟，又如，每30s传输一个注塑制品，则频率为2个/分钟。

在一些实施例中，可以根据存在质量问题的注塑制品所占的比例调整传输频率，例如，比例越高，传输频率越低。以便给质量参数检测设备预留充足的检测时间。

在一些实施例中，调整传输频率的方法可以通过设定第一比例阈值与第二比例阈值(其中，第一比例阈值小于第二比例阈值)进行调整。进一步地，若统计得出的存在质量问题的注塑制品所占制品总数的比例小于第一比例阈值，则保持最大传输频率不做调整；若比例小于第二比例阈值且大于第一比例阈值，则可以降低传输频率，如将传输频率调整为最大传输频率的50％。

在一些实施例中，调整传输频率的方法可以根据公式法进行调整，如可以通过下述公式确定调整后的传输频率的值：

其中，f为传输频率，p为存在质量问题的注塑制品所占制品总数的比例，e、g为常数，

为向上取整符号。

在一些实施例中，控制器可以基于存在质量问题的注塑制品所占的比例，调整传输至质量参数检测设备的注塑制品的传输频率。调整传输频率可以基于如调整图2中的样本检测通道(例如传送带)，以使传送带以指定的传输频率传输注塑制品至质量参数检测设备。

基于存在质量问题的注塑制品所占的比例，调整传输至质量参数检测设备的注塑制品的传输频率，可以实现在出现质量问题的注塑制品较少，即生产质量较为稳定时，相应的基于提升传输至质量参数检测设备的注塑制品的传输频率，以提升注塑制品的整体生产、检测效率，相应的，在存在质量问题的产品数量较多时，则相应降低传输频率，以给质量参数检测设备预留充足的检测时间对制品进行充分的质量检测。

在一些实施例中，控制器可以用于基于存在外观质量问题的注塑制品所占的比例，调整摄像装置的拍摄角度的数量。

在一些实施例中，存在外观质量问题的注塑制品可以是在外观上存在瑕疵的注塑制品，例如，注塑制品外观上存在熔接痕、开裂、破裂等情况。在一些实施例中，存在外观质量问题的注塑制品可以通过第一图像识别模型输出的识别结果中获取，或通过质量参数检测设备(如扫描装置)获取得到。

在一些实施例中，可以通过存在外观类问题的注塑制品的数量占所有注塑制品的总数的比值，作为存在外观质量问题的注塑制品所占的比例。

拍摄角度的数量可以是摄像头对注塑制品拍摄图像的不同角度的数量。例如，正视、后视、左视、右视、俯视、仰视等。可以理解的，当存在外观质量问题的注塑制品数量越高时，则需要更多不同角度的注塑制品图像。

在一些实施例中，可以通过设置第三比例阈值与第四比例阈值(其中第三比例阈值小于第四比例阈值)来调整角度的数量。

进一步地，若存在外观质量问题的注塑制品的比例小于第三比例阈值，设定拍摄角度数量为第一预设值(如3个)；若比例小于第四比例阈值且大于第三比例阈值，设定拍摄角度数量为第二预设值(如4个)；若比例大于第四比例阈值，设定拍摄角度数量为第三预设值(如5个)，其中，第一预设值＜第二预设值＜第三预设值。

在一些实施例中，控制器可以基于存在外观类问题的注塑制品所占的比例，根据任意一种调整拍摄角度数量的方法(例如上述的设定阈值方法)调整摄像装置的拍摄角度的数量，拍摄角度的调整可以基于转动旋转台实现，以使得注塑制品的不同面对准摄像装置。

在一些实施例中，通过基于外观类问题的注塑制品所占的比例，实时调整拍摄角度数量，以使在质量问题多时，增加拍摄角度的数量；在质量问题少时，减少拍摄角度得数量。由此，在确保外观类问题注塑制品的质量下，有效的利用图像资源。

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 (4)

1.一种注塑质量预警装置，其特征在于，包括：控制器、样本输送通道、质量检测单元、多个样本分选通道，

所述样本输送通道用于将注塑机生产的注塑制品运输至所述质量检测单元；

所述质量检测单元用于对所述注塑制品的质量进行检测；其中，所述质量检测单元设有质量参数检测设备和样本检测通道，所述样本检测通道用于将旋转台的所述注塑制品输送至所述质量参数检测设备；所述质量参数检测设备用于对所述注塑制品的质量进行检测；

所述多个样本分选通道中的每个样本分选通道用于将完成质量检测的所述注塑制品输送至对应的存放空间；

所述控制器用于：

统计各类质量检测结果对应的所述注塑制品的制品数量，并基于所述制品数量的统计结果发送预警信息至注塑机或生产人员终端；以及

基于存在质量问题的注塑制品所占的比例，调整传输至质量参数检测设备的所述注塑制品的传输频率。

2.根据权利要求1所述的注塑质量预警装置，其特征在于，所述控制器进一步用于：识别所述注塑制品的颜色，基于所述颜色的识别结果，控制摄像头拍摄时的光照颜色。

3.根据权利要求1所述的注塑质量预警装置，其特征在于，所述控制器进一步用于：基于存在外观质量问题的所述注塑制品所占的比例，调整所述摄像装置的拍摄角度的数量。

4.根据权利要求1所述的注塑质量预警装置，其特征在于，所述控制器进一步用于：

基于所述注塑制品的图像质量结果的第一指标，确定所述注塑制品是否输入所述质量参数检测设备，所述注塑制品的所述图像质量结果的所述第一指标基于所述注塑制品的图像的第三指标和基于图像识别模型获取的第二指标确定；其中，所述第二指标为基于所述图像识别模型对所述注塑制品的所述图像进行处理后输出的质量识别结果对应的置信度，所述第三指标为所述注塑制品的所述图像的质量分数；所述质量分数基于所述注塑制品的所述图像的清晰度和分辨率计算得出；

所述注塑制品的所述图像质量结果的所述第一指标基于所述注塑制品的图像的第三指标和基于图像识别模型获取的第二指标确定包括：所述第一指标基于公式T＝aC+bM+d计算得出，其中，T为所述第一指标，C为所述第二指标，M为所述质量分数，a、b、d均为常数；

所述质量分数基于所述注塑制品的所述图像的清晰度和分辨率计算得出包括：所述质量分数基于公式S＝kD+mF+p计算得出，其中，S为所述质量分数，D为所述清晰度，F为所述分辨率，k、m、p均为常数。

Images