CN116690962B - 一种带有功能性涂层的薄膜的高温模压方法及系统 - Google Patents
一种带有功能性涂层的薄膜的高温模压方法及系统 Download PDFInfo
- Publication number
- CN116690962B CN116690962B CN202310559888.1A CN202310559888A CN116690962B CN 116690962 B CN116690962 B CN 116690962B CN 202310559888 A CN202310559888 A CN 202310559888A CN 116690962 B CN116690962 B CN 116690962B
- Authority
- CN
- China
- Prior art keywords
- film
- molding
- tension
- ftpl
- image
- 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
- 239000011248 coating agent Substances 0.000 title claims abstract description 31
- 238000000576 coating method Methods 0.000 title claims abstract description 31
- 238000003825 pressing Methods 0.000 title abstract description 12
- 238000000465 moulding Methods 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 53
- 239000000047 product Substances 0.000 claims abstract description 52
- 239000000178 monomer Substances 0.000 claims abstract description 50
- 238000010586 diagram Methods 0.000 claims abstract description 35
- 239000013589 supplement Substances 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 230000007547 defect Effects 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000007812 deficiency Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 101100103005 Arabidopsis thaliana WOX8 gene Proteins 0.000 claims description 9
- 238000004049 embossing Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- HKSZLNNOFSGOKW-HMWZOHBLSA-N staurosporine Chemical compound C12=C3N4C5=CC=CC=C5C3=C3CNC(=O)C3=C2C2=CC=CC=C2N1[C@@H]1C[C@H](NC)[C@H](OC)[C@@]4(C)O1 HKSZLNNOFSGOKW-HMWZOHBLSA-N 0.000 claims description 6
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000748 compression moulding Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 10
- 238000004519 manufacturing process Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 7
- 238000007723 die pressing method Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 3
- 238000004804 winding Methods 0.000 description 3
- 239000011888 foil Substances 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C59/00—Surface shaping of articles, e.g. embossing; Apparatus therefor
- B29C59/02—Surface shaping of articles, e.g. embossing; Apparatus therefor by mechanical means, e.g. pressing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29L—INDEXING SCHEME ASSOCIATED WITH SUBCLASS B29C, RELATING TO PARTICULAR ARTICLES
- B29L2007/00—Flat articles, e.g. films or sheets
- B29L2007/008—Wide strips, e.g. films, webs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明属于智能制造技术领域，提出了一种带有功能性涂层的薄膜的高温模压方法及系统，具体为：通过工业CCD相机获取通过模压机进行花纹模压后的薄膜表面图像作为产品图像，然后对产品图像进行预处理获得处理图；再将处理图进行异样度分析，获得单体偏离值，然后结合各个工位的单体偏离值计算控缺增补系数，最后根据控缺增补系数对模压机的张力进行自适应控制。通过图形抽象增强了薄膜产品中对裂痕或者褶皱的识别效果，高效地量化了图形异样特性，并通过历史数据及时地将产品异常情况凸显，大大降低了薄膜厚度小导致良品率低下的风险，自动化解决张力波动固定引起的良品率问题，最终有效地降低了高温模压加工过程的不稳定性和良品率不足的风险。
Description
技术领域
本发明属于数据采集、智能制造技术领域，具体涉及一种带有功能性涂层的薄膜的高温模压方法及系统。
背景技术
在制造带有花纹的冷烫印箔的过程时，其工艺中有一个过程为高温模压，通过高温模压的手段，将模压版上的花纹模压到产品上，形成所需镭射效果。模压使用的机器为模压机，模压机是将模压版上的微观图案，通过高温接触压合的方式将图案复制到带有功能性涂层的薄膜上，使带有功能性涂层的薄膜产生镭射效果，而薄膜厚度更小的时候，高温模压对工艺要求更为挑剔，其最大的区别在于厚度小的时候引起的模压褶皱问题。由于生产出来的褶皱产品为废品,褶皱问题将大大影响生产线上的生产连续性，当生产线出现褶皱问题或者撕裂问题，都会导致制造过程中的生产效率大打折扣。因此如何通过合理的张力对生产线上的带有功能性涂层的薄膜进行收卷显得尤为重要。
发明内容
本发明的目的在于提出一种带有功能性涂层的薄膜的高温模压方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为了实现上述目的，根据本发明的一方面，提供一种带有功能性涂层的薄膜的高温模压方法，所述方法包括以下步骤：
S100，通过工业CCD相机获取通过模压机进行花纹模压后的薄膜表面图像作为产品图像；
S200，对产品图像进行预处理获得处理图；
S300，将处理图进行异样度分析，获得单体偏离值；
S400，结合各个工位的单体偏离值计算控缺增补系数；
S500，根据控缺增补系数对模压机的张力进行自适应控制。
其中，所述功能性涂层包括冷烫印箔制造过程中参与涂布的离型层、着色层、镀铝基层或者粘结层中的至少一种涂层；
进一步地，在S100中，通过工业CCD相机获取通过模压机进行花纹模压的薄膜表面图像作为产品图像的方法是：所述模压机为用于加工高温材料的模压机，其中高温材料为工作温度在200℃以上的用于模压成型的材料；所述工业CCD相机可以为线阵CCD相机或者面阵CCD相机；模压机存在若干个工位进行高温模压工作，各个工位同步进行模压工作，每个工位均布置一个工业CCD相机；模压机对薄膜进行花纹模压，将模压后带有花纹的薄膜作为产品，通过工业CCD相机采集工位中模压完成的产品，以所获得产品表面的图像作为产品图像。
进一步地，在S200中,对产品图像进行预处理获得处理图的方法是：对产品图像进行灰度化处理，再通过去噪算法对产品图像进行去噪，所述去噪算法可以为中值滤波法、均值滤波法或者双边滤波法中任意一种；再对产品图像进行分水岭算法或者边缘检测算法，对产品图像进行图像分割，截取分割所得的各个图像区域中识别为薄膜的区域作为处理图。
进一步地，在S300中,将处理图进行异样度分析，获得单体偏离值的方法是：
对处理图进行角点检测获得角点，以各个角点作为一类特征点FTSP；获得处理图对应的图像矩阵作为处理图矩阵，对处理图矩阵进行二值化运算，然后进行腐蚀运算，定位处理图矩阵中数值被更改为0的元素，将所述元素在处理图中对应的像素记作二类特征点STSP；
将各个FTSP之间两两相连获得的线记作一类辅线FTPL，以FTPL上各个像素中STSP的数量与FTPL上像素的数量的比值记作rtssp，将各个FTPL的rtssp的平均值记作Ertssp；将满足rtssp＞Ertssp的FTPL记作二类辅线STPL；
将STPL对应的两个FTSP以及STPL的中点均记作一类辅点FTPP，分别获取与各个FTPP距离最近的STSP的距离r2，以各个r2中的最大值为r3；作平行于FTPL且与FTPL的距离为r3的两条直线并记作辅界一PZL1，在两个FTSP分别作垂直于FTPL的直线并记作辅界二PZL2；以PZL1与PZL2围成的区域记作异样辅域bipz；将FTPL上的两个FTSP的灰度值分别记作gry1和gry2，将bipz内各个STSP的灰度值中的最大值和最小值分别记作gry3和gry4；计算各个bipz的异样水平bialv：
其中exp为自然常数e为底数的指数函数，Ngry代表bipz内灰度值在gry1到gry2之间的像素的数量，NSTSP代表灰度值在gry3到gry4之间的像素的数量，len_FTPL代表FTPL上的两个FTSP的距离；以各个bialv中的下四分位数和中位数分别记作fqlv和midlv,将各个大于fqlv的bialv的平均值记作efqlv；计算单体偏离值为biaDg＝efqlv/midlv。
由于在获取单体偏离值的过程对图像的线形数据过于依赖的现象，会导致出现所得结果在褶皱图形识别规则过于单一化的问题，但是现有技术并无法解决这种识别形式过于单调不够灵活的问题，为了使单体偏离值更加精确，对褶皱识别的适应性更强并解决该问题，消除识别规则过于单一的现象，因此本发明还提出了一个更优选的方案如下：
优选地，在步骤S300中，将处理图进行异样度分析，获得单体偏离值的方法还可以是：通过harris角点检测算法对处理图进行角点检测获得角点，以各个角点作为第一特征点；获取处理图的灰度分布，以glv代表一个灰度级，以ntms代表灰度级出现的频次；以二元组(glv,ntms)代表灰度分布中一个灰度级以及其对应的出现频次，将二元组照出现频次从小到大进行排列形成灰度阶梯序列；
以灰度阶梯序列中一个二元组与其前一个二元组ntms的差值记作该二元组的体差dntms；获取各个二元组的体差构成一个集合记作Tdn；设置一个变量作为参考级数ret,ret∈[10％,25％]；计算获得纳进基量uren，uren＝max{[max{Tdn}×(1－ret)]，mid{Tdn}}；其中max{}和mid{}分别为最大值函数和中位数函数，[]为向上取整运算符号；
如果一个二元组的体差符合dntms＞uren条件，则定义该二元组对应的灰度级为特征灰度，扫描所有二元组并获得各个特征灰度，将处理图的各个像素中灰度值与任意一个特征灰度相同的像素记作第二特征点；
为各个第一特征点计算异样空间biaz：将待计算异样空间的第一特征点记作当前特征点，以当前特征点外的所有第一特征点作为候选特征点；当前特征点与候选特征点连线形成候辅线，将候辅线的中点记作候辅核，以距离候辅核最近的第二特征点作为第一候辅点，将第一候辅点与候辅核的距离记作r1；在候辅核作垂直于候辅线的直线记作候辅垂线，将候辅垂线上与候辅核距离为r1的两个点记作第二候辅点；
将两个第二候辅点与当前特征点分别连线形成的闭合区域定义为候辅域,计算候辅域的候异样度opBiaz，
其中i1为累加变量，exp为自然常数e为底数的指数函数，nfsp与nssp分别为候辅域中第一特征点与第二特征点的数量，dsi1代表候辅域中第i1个第二特征点与当前特征点的距离，Rti1代表候辅域中第i1个第二特征点与当前特征点的连线上的各个像素中，第一特征点与第二特征点的数量之和与所述像素总量的比值；以各个候辅域的候异样度之中的最大值与之中的中位数之差作为第一特征点的异样空间biaz；
以各个第一特征点的biaz中的下四分位数和中位数分别记作fqv和midv,将各个数值大于fqv的biaz的算术平均值平均值记作efqv；计算单体偏离值为biaDg＝efqv/midv。
有益效果：由于单体偏离值是根据拥有纹路规则的特定像素的灰度值计算得到，所以能够准确的标记出对比度出现骤变的位点，对图形中非规律性结构或者非规律性特征进行量化，因此能够提高对褶皱和裂纹识别的精确性和灵敏性，为后续调节操作提供更加精确的数据支撑。
进一步地，在S400中,结合各个工位的单体偏离值计算控缺增补系数的方法是：各个工位同步地获得单体偏离值，将工位的数量记作nwd；以同一个工位前nwd个时刻获得的单体偏离值为一行，以同一个时刻下各个工位的单体偏离值为一列构建一个矩阵记作mx，以j1作为mx中的行号；将第j1行元素中的最大值记作tp.mx(j1,)，将第1列元素中的平均值记作e.mx(,1)，将第j1行元素的第j1个元素记作mx(j1,1)，计算控缺增补系数ctrl_X：
其中fprtj1为mx中第j1行的第一偏估分量，其计算方法为：
其中rplv(j1)代表覆盖水平函数，具体计算为：获取mx中第j1行元素，将第j1行的各个元素分别与其同一行前一列的元素相减所得的值记作di，所得各个di中的最大值与最小值之比的绝对值即为覆盖水平函数的结果。
由于在上述计算控缺增补系数的过程中存在参考的时间度跨度不足的现象，会引起对周期性现象捕捉不及时和不精确的问题，现有技术并无法解决这种单体偏离值的周期性变动捕捉不精确的问题，为了使效果更好并解决该问题，消除对周期性规律捕捉不足的现象所以本发明提出了一个更优选的方案如下：
优选地，在步骤S400中，结合各个工位的单体偏离值计算控缺增补系数的方法还可以是：各个工位同步地获得单体偏离值，将工位的数量记作nwd；如果在某一个时刻一个工位获得的单体偏离值比其他工位获得的单体偏离值都高，则定义该时刻下这个工位发生一次列位首号事件；从当前时刻往前搜索，获取一个工位最近一次发生列位首号事件的时刻序号记作t1，再从第t1×2个时刻开始往前搜索，获取该工位最近一次发生列位首号事件的时刻序号记作t2，则一个工位的列位首号跨度为：tlen＝2×t2；
把各个工位的列位首号跨度中的最大值记作ftl，将一个工位最近获得的ftl个单体偏离值构建一个序列记作该工位的偏离序列ls_bdg，将所有工位的偏离序列中的元素构成的集合的算数平均值记作异样度期望E(biaDg)；
当偏离序列中的一个元素的数值比异样度期望大，则定义该元素对应的时刻为高偏时刻，否则为非高偏时刻；偏离序列中的高偏时刻数量为nhb，则偏离序列的第一高偏跨度为：fhbl＝[nhb/tlen]，其中[]为向上取整运算符号；以一个高偏时刻往前搜索直到出现非高偏时刻的过程中，搜索经过的时刻的数量记作k；如果k≥fhbl，则该高偏时刻的高偏跨度hbl＝k；否则该高偏时刻的高偏跨度hbl＝fhbl；
以i3作为偏离序列的序号，i4作为高偏时刻的序号，计算控缺增补系数ctrl_X：
其中，rki3代表第i3个偏离序列的险素比，代表第i3个偏离序列中前t1个元素的平均值与前t2个元素的平均值之比，nhbi3和biaDgi3分别代表第i3个偏离序列中的高偏时刻数量和当前单体偏离值，hbli3,i4表第i3个偏离序列中第i4个高偏时刻的高偏跨度，eri3和fhbli3分别代表第i3个偏离序列中各个元素之标准差和第一高偏跨度。
有益效果：由于控缺增补系数是根据一段时间内同一个收卷装置负责的各个工位的单体偏离值计算所得，因此可以对褶皱问题或者走样问题进行进行规总性量化，高效迅速地将收卷装置的工作状态或者褶皱性和裂纹问题从工位角度和时间角度抽象出来，标记各个工位张力控制失衡的缺陷位置，从而能够为进一步实时动态地调节张力做准备,为大大提高收卷装置的成品率提供可靠的调控策略。
进一步地，在S500中,根据控缺增补系数对模压机的张力进行自适应控制的方法是：获取时序上连续的各个控缺增补系数，设定一个时间段作为参考时长RefT，RefT∈[5,20],获取最近RefT时段内的各个控缺增补系数并构成序列ls_c，将ls_c的上四分位数和下四分位数分别记作ls_c.q3和ls_c.q1，将ls_c.q3与ls_c.q1之差记作q0，以当前所得的控缺增补系数记作cr.ctrl_X，自适应控制的方法如下：
如果cr.ctrl_X≥ls_c.q3+1.5q0，则将张力减小2％；如果ls_c.q3+1.5q0＞cr.ctrl_X≥ls_c.q3，则将张力减小1％；如果ls_c.q1≥cr.ctrl_X＞ls_c.q1－1.5q0，则将张力增加1％；如果ls_c.q1－1.5q0≥cr.ctrl_X，则将张力增加2％；
其中张力控制的方法是通过控制转动辊的发动机功率进行控制，张力的大小则通过张力传感器进行实时监测，结合实时监测的张力大小以及转动辊的发动机功率对正在加工产品的张力进行控制。
优选地，其中，本发明中所有未定义的变量，若未有明确定义，均可为人工设置的阈值。
本发明还提供了一种带有功能性涂层的薄膜的高温模压系统，所述一种带有功能性涂层的薄膜的高温模压系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种带有功能性涂层的薄膜的高温模压方法中的步骤，所述一种带有功能性涂层的薄膜的高温模压系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群，所述处理器执行所述计算机程序运行在以下系统的单元中：
摄影布置单元，用于通过工业CCD相机获取通过模压机进行花纹模压后的薄膜表面图像作为产品图像；
图片预处理单元，用于对产品图像进行预处理获得处理图；
异样分析单元，用于将处理图进行异样度分析，获得单体偏离值；
控参运算单元，用于结合各个工位的单体偏离值计算控缺增补系数；
动态调节单元，用于根据控缺增补系数对模压机的张力进行自适应控制。
本发明的有益效果为：本发明提供一种带有功能性涂层的薄膜的高温模压方法及系统，通过图形抽象增强了薄膜产品中对裂痕或者褶皱的识别效果，高效地量化了图形异样特性，并通过历史数据及时地将产品异常情况凸显，大大降低了薄膜厚度小导致良品率低下的风险，动态地适应各个不同工位共用一个张力控制系统下张力均衡性引起的良品率问题，最终有效地降低了高温模压加工过程的不稳定性和良品率不足的风险。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，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的附图，在附图中：
图1所示为一种带有功能性涂层的薄膜的高温模压方法的流程图；
图2所示为一种带有功能性涂层的薄膜的高温模压系统结构图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。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。
如图1所示为一种带有功能性涂层的薄膜的高温模压方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种带有功能性涂层的薄膜的高温模压方法，所述方法包括以下步骤：
S100，通过工业CCD相机获取通过模压机进行花纹模压后的薄膜表面图像作为产品图像；
S200，对产品图像进行预处理获得处理图；
S300，将处理图进行异样度分析，获得单体偏离值；
S400，结合各个工位的单体偏离值计算控缺增补系数；
S500，根据控缺增补系数对模压机的张力进行自适应控制。
进一步地，在S100中，通过工业CCD相机获取通过模压机进行花纹模压的薄膜表面图像作为产品图像的方法是：所述模压机为用于加工高温材料的模压机，其中高温材料为工作温度在200℃以上的用于模压成型的材料；所述工业CCD相机可以为线阵CCD相机或者面阵CCD相机；模压机存在若干个工位进行高温模压工作，各个工位同步进行模压工作，每个工位均布置一个工业CCD相机；模压机对薄膜进行花纹模压，将模压后带有花纹的薄膜作为产品，通过工业CCD相机采集工位中模压完成的产品，以所获得产品表面的图像作为产品图像。
进一步地，在S200中,对产品图像进行预处理获得处理图的方法是：对产品图像进行灰度化处理，再通过去噪算法对产品图像进行去噪，所述去噪算法可以为中值滤波法、均值滤波法或者双边滤波法中任意一种；再对产品图像进行分水岭算法或者边缘检测算法，对产品图像进行图像分割，截取分割所得的各个图像区域中识别为薄膜的区域作为处理图。
进一步地，在S300中,将处理图进行异样度分析，获得单体偏离值的方法是：
对处理图进行角点检测获得角点，以各个角点作为一类特征点FTSP；获得处理图对应的图像矩阵作为处理图矩阵，对处理图矩阵进行二值化运算，然后进行腐蚀运算，定位处理图矩阵中数值被更改为0的元素，将所述元素在处理图中对应的像素记作二类特征点STSP；
将各个FTSP之间两两相连获得的线记作一类辅线FTPL，以FTPL上各个像素中STSP的数量与FTPL上像素的数量的比值记作rtssp，将各个FTPL的rtssp的平均值记作Ertssp；将满足rtssp＞Ertssp的FTPL记作二类辅线STPL；
将STPL对应的两个FTSP以及STPL的中点均记作一类辅点FTPP，分别获取与各个FTPP距离最近的STSP的距离r2，以各个r2中的最大值为r3；作平行于FTPL且与FTPL的距离为r3的两条直线并记作辅界一PZL1，在两个FTSP分别作垂直于FTPL的直线并记作辅界二PZL2；以PZL1与PZL2围成的区域记作异样辅域bipz；将FTPL上的两个FTSP的灰度值分别记作gry1和gry2，将bipz内各个STSP的灰度值中的最大值和最小值分别记作gry3和gry4；计算各个bipz的异样水平bialv：
其中exp为自然常数e为底数的指数函数，Ngry代表bipz内灰度值在gry1到gry2之间的像素的数量，NSTSP代表灰度值在gry3到gry4之间的像素的数量，len_FTPL代表FTPL上的两个FTSP的距离；以各个bialv中的下四分位数和中位数分别记作fqlv和midlv,将各个大于fqlv的bialv的平均值记作efqlv；计算单体偏离值为biaDg＝efqlv/midlv。
优选地，在步骤S300中，将处理图进行异样度分析，获得单体偏离值的方法还可以是：通过harris角点检测算法对处理图进行角点检测获得角点，以各个角点作为第一特征点；获取处理图的灰度分布，以glv代表一个灰度级，以ntms代表灰度级出现的频次；以二元组(glv,ntms)代表灰度分布中一个灰度级以及其对应的出现频次，将二元组照出现频次从小到大进行排列形成灰度阶梯序列；
以灰度阶梯序列中一个二元组与其前一个二元组ntms的差值记作该二元组的体差dntms；获取各个二元组的体差构成一个集合记作Tdn；设置一个变量作为参考级数ret,ret∈[10％,25％]；计算获得纳进基量uren，uren＝max{[max{Tdn}×(1－ret)]，mid{Tdn}}；其中max{}和mid{}分别为最大值函数和中位数函数，[]为向上取整运算符号；
如果一个二元组的体差符合dntms＞uren条件，则定义该二元组对应的灰度级为特征灰度，扫描所有二元组并获得各个特征灰度，将处理图的各个像素中灰度值与任意一个特征灰度相同的像素记作第二特征点；
为各个第一特征点计算异样空间biaz：将待计算异样空间的第一特征点记作当前特征点，以当前特征点外的所有第一特征点作为候选特征点；当前特征点与候选特征点连线形成候辅线，将候辅线的中点记作候辅核，以距离候辅核最近的第二特征点作为第一候辅点，将第一候辅点与候辅核的距离记作r1；在候辅核作垂直于候辅线的直线记作候辅垂线，将候辅垂线上与候辅核距离为r1的两个点记作第二候辅点；
将两个第二候辅点与当前特征点分别连线形成的闭合区域定义为候辅域,计算候辅域的候异样度opBiaz，
其中i1为累加变量，exp为自然常数e为底数的指数函数，nfsp与nssp分别为候辅域中第一特征点与第二特征点的数量，dsi1代表候辅域中第i1个第二特征点与当前特征点的距离，Rti1代表候辅域中第i1个第二特征点与当前特征点的连线上的各个像素中，第一特征点与第二特征点的数量之和与所述像素总量的比值；以各个候辅域的候异样度之中的最大值与之中的中位数之差作为第一特征点的异样空间biaz；
以各个第一特征点的biaz中的下四分位数和中位数分别记作fqv和midv,将各个数值大于fqv的biaz的算术平均值平均值记作efqv；计算单体偏离值为biaDg＝efqv/midv。
进一步地，在S400中,结合各个工位的单体偏离值计算控缺增补系数的方法是：各个工位同步地获得单体偏离值，将工位的数量记作nwd；以同一个工位前nwd个时刻获得的单体偏离值为一行，以同一个时刻下各个工位的单体偏离值为一列构建一个矩阵记作mx，以j1作为mx中的行号；将第j1行元素中的最大值记作tp.mx(j1,)，将第1列元素中的平均值记作e.mx(,1)，将第j1行元素的第j1个元素记作mx(j1,1)，计算控缺增补系数ctrl_X：
其中fprtj1为mx中第j1行的第一偏估分量，其计算方法为：
其中rplv(j1)代表覆盖水平函数，具体计算为：获取mx中第j1行元素，将第j1行的各个元素分别与其同一行前一列的元素相减所得的值记作di，所得各个di中的最大值与最小值之比的绝对值即为覆盖水平函数的结果。
各个工位同步地获得单体偏离值，将工位的数量记作nwd；如果在某一个时刻一个工位获得的单体偏离值比其他工位获得的单体偏离值都高，则定义该时刻下这个工位发生一次列位首号事件；从当前时刻往前搜索，获取一个工位最近一次发生列位首号事件的时刻序号记作t1，再从第t1×2个时刻开始往前搜索，获取该工位最近一次发生列位首号事件的时刻序号记作t2，则一个工位的列位首号跨度为：tlen＝2×t2；
把各个工位的列位首号跨度中的最大值记作ftl，将一个工位最近获得的ftl个单体偏离值构建一个序列记作该工位的偏离序列ls_bdg，将所有工位的偏离序列中的元素构成的集合的算数平均值记作异样度期望E(biaDg)；
当偏离序列中的一个元素的数值比异样度期望大，则定义该元素对应的时刻为高偏时刻，否则为非高偏时刻；偏离序列中的高偏时刻数量为nhb，则偏离序列的第一高偏跨度为：fhbl＝[nhb/tlen]，其中[]为向上取整运算符号；以一个高偏时刻往前搜索直到出现非高偏时刻的过程中，搜索经过的时刻的数量记作k；如果k≥fhbl，则该高偏时刻的高偏跨度hbl＝k；否则该高偏时刻的高偏跨度hbl＝fhbl；
以i3作为偏离序列的序号，i4作为高偏时刻的序号，计算控缺增补系数ctrl_X：
其中，rki3代表第i3个偏离序列的险素比，代表第i3个偏离序列中前t1个元素的平均值与前t2个元素的平均值之比，nhbi3和biaDgi3分别代表第i3个偏离序列中的高偏时刻数量和当前单体偏离值，hbli3,i4表第i3个偏离序列中第i4个高偏时刻的高偏跨度，eri3和fhbli3分别代表第i3个偏离序列中各个元素之标准差和第一高偏跨度。
进一步地，在S500中,根据控缺增补系数对模压机的张力进行自适应控制的方法是：获取时序上连续的各个控缺增补系数，设定一个时间段作为参考时长RefT，RefT∈[5,20],获取最近RefT时段内的各个控缺增补系数并构成序列ls_c，将ls_c的上四分位数和下四分位数分别记作ls_c.q3和ls_c.q1，将ls_c.q3与ls_c.q1之差记作q0，以当前所得的控缺增补系数记作cr.ctrl_X，自适应控制的方法如下：
如果cr.ctrl_X≥ls_c.q3+1.5q0，则将张力减小2％；如果ls_c.q3+1.5q0＞cr.ctrl_X≥ls_c.q3，则将张力减小1％；如果ls_c.q1≥cr.ctrl_X＞ls_c.q1－1.5q0，则将张力增加1％；如果ls_c.q1－1.5q0≥cr.ctrl_X，则将张力增加2％；
其中张力控制的方法是通过控制转动辊的发动机功率进行控制，张力的大小则通过张力传感器进行实时监测，结合实时监测的张力大小以及转动辊的发动机功率对正在加工产品的张力进行控制。
本发明的实施例提供的一种带有功能性涂层的薄膜的高温模压系统，如图2所示为本发明的一种带有功能性涂层的薄膜的高温模压系统结构图，该实施例的一种带有功能性涂层的薄膜的高温模压系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种带有功能性涂层的薄膜的高温模压系统实施例中的步骤。
所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
摄影布置单元，用于通过工业CCD相机获取通过模压机进行花纹模压后的薄膜表面图像作为产品图像；
图片预处理单元，用于对产品图像进行预处理获得处理图；
异样分析单元，用于将处理图进行异样度分析，获得单体偏离值；
控参运算单元，用于结合各个工位的单体偏离值计算控缺增补系数；
动态调节单元，用于根据控缺增补系数对模压机的张力进行自适应控制。
所述一种带有功能性涂层的薄膜的高温模压系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端服务器等计算设备中。所述一种带有功能性涂层的薄膜的高温模压系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种带有功能性涂层的薄膜的高温模压系统的示例，并不构成对一种带有功能性涂层的薄膜的高温模压系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种带有功能性涂层的薄膜的高温模压系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种带有功能性涂层的薄膜的高温模压系统运行系统的控制中心，利用各种接口和线路连接整个一种带有功能性涂层的薄膜的高温模压系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种带有功能性涂层的薄膜的高温模压系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
Claims (4)
1.一种带有功能性涂层的薄膜的高温模压方法，其特征在于，所述方法包括以下步骤：
S100，通过工业CCD相机获取通过模压机进行花纹模压后的薄膜表面图像作为产品图像；
S200，对产品图像进行预处理获得处理图；
S300，将处理图进行异样度分析，获得单体偏离值；
S400，结合各个工位的单体偏离值计算控缺增补系数；
S500，根据控缺增补系数对模压机的张力进行自适应控制；
其中在S300中, 将处理图进行异样度分析，获得单体偏离值的方法是：对处理图进行角点检测获得角点，以各个角点作为一类特征点FTSP；获得处理图对应的图像矩阵作为处理图矩阵，对处理图矩阵进行二值化运算，然后进行腐蚀运算，定位处理图矩阵中数值被更改为0的元素，将所述元素在处理图中对应的像素记作二类特征点STSP；
将各个FTSP之间两两相连获得的线记作一类辅线FTPL，以FTPL上各个像素中STSP的数量与FTPL上像素的数量的比值记作rtssp，将各个FTPL的rtssp的平均值记作Ertssp；将满足rtssp＞Ertssp的FTPL记作二类辅线STPL；
将STPL对应的两个FTSP以及STPL的中点均记作一类辅点FTPP，分别获取与各个FTPP距离最近的STSP的距离r2，以各个r2中的最大值为r3；作平行于FTPL且与FTPL的距离为r3的两条直线并记作辅界一PZL1，在两个FTSP分别作垂直于FTPL的直线并记作辅界二PZL2；以PZL1与PZL2围成的区域记作异样辅域bipz；将FTPL上的两个FTSP的灰度值分别记作gry1和gry2，将bipz内各个STSP的灰度值中的最大值和最小值分别记作gry3和gry4；计算各个bipz的异样水平bialv：
；
其中exp为自然常数e为底数的指数函数，Ngry代表bipz内灰度值在gry1到gry2之间的像素的数量，NSTSP代表灰度值在gry3到gry4之间的像素的数量，len_FTPL代表FTPL上的两个FTSP的距离；以各个bialv中的下四分位数和中位数分别记作fqlv和midlv,将各个大于fqlv的bialv的平均值记作efqlv；计算单体偏离值为biaDg＝efqlv/midlv；
其中在S400中, 结合各个工位的单体偏离值计算控缺增补系数的方法是：各个工位同步地获得单体偏离值，将工位的数量记作nwd；以同一个工位前nwd个时刻获得的单体偏离值为一行，以同一个时刻下各个工位的单体偏离值为一列构建一个矩阵记作mx，以j1作为mx中的行号；将第j1行元素中的最大值记作tp.mx(j1,)，将第1列元素中的平均值记作e.mx(,1)，将第j1行元素的第1个元素记作mx(j1,1)，计算控缺增补系数ctrl_X：
；
其中fprtj1为mx中第j1行的第一偏估分量，其计算方法为：
；
其中rplv(j1)代表覆盖水平函数，具体计算为：获取mx中第j1行元素，将第j1行的各个元素分别与其同一行前一列的元素相减所得的值记作di，所得各个di中的最大值与最小值之比的绝对值即为覆盖水平函数的结果；
其中在S500中, 根据控缺增补系数对模压机的张力进行自适应控制的方法是：获取时序上连续的各个控缺增补系数，设定一个时间段作为参考时长RefT，RefT∈[5,20],获取最近RefT时段内的各个控缺增补系数并构成序列ls_c，将ls_c的上四分位数和下四分位数分别记作ls_c.q3和ls_c.q1，将ls_c.q3与ls_c.q1之差记作q0，以当前所得的控缺增补系数记作cr.ctrl_X，自适应控制的方法如下：
如果cr.ctrl_X≥ls_c.q3＋1.5q0，则将张力减小2%；如果ls_c.q3＋1.5q0＞cr.ctrl_X≥ls_c.q3，则将张力减小1%；如果ls_c.q1≥cr.ctrl_X＞ls_c.q1－1.5q0，则将张力增加1%；如果ls_c.q1－1.5q0≥cr.ctrl_X，则将张力增加2%；
其中张力控制的方法是通过控制转动辊的发动机功率进行控制，张力的大小则通过张力传感器进行实时监测，结合实时监测的张力大小以及转动辊的发动机功率对正在加工产品的张力进行控制。
2.根据权利要求1所述的一种带有功能性涂层的薄膜的高温模压方法，其特征在于，在S100中，通过工业CCD相机获取通过模压机进行花纹模压的薄膜表面图像作为产品图像的方法是：所述模压机为用于加工高温材料的模压机，其中高温材料为工作温度在200℃以上的用于模压成型的材料；所述工业CCD相机可以为线阵CCD相机或者面阵CCD相机；模压机存在若干个工位同时进行高温模压工作，各个工位同步进行模压工作，每个工位均布置一个工业CCD相机；模压机对薄膜进行花纹模压，将模压后带有花纹的薄膜作为产品，通过工业CCD相机采集工位中模压完成的产品，以所获得产品表面的图像作为产品图像。
3.根据权利要求1所述的一种带有功能性涂层的薄膜的高温模压方法，其特征在于，在S200中, 对产品图像进行预处理获得处理图的方法是：对产品图像进行灰度化处理，再通过去噪算法对产品图像进行去噪，所述去噪算法可以为中值滤波法、均值滤波法或者双边滤波法中任意一种；再对产品图像进行分水岭算法或者边缘检测算法，对产品图像进行图像分割，截取分割所得的各个图像区域中识别为薄膜的区域作为处理图。
4.一种带有功能性涂层的薄膜的高温模压系统，其特征在于，所述一种带有功能性涂层的薄膜的高温模压系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-3中任一项所述的一种带有功能性涂层的薄膜的高温模压方法中的步骤，所述一种带有功能性涂层的薄膜的高温模压系统运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心的计算设备中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310559888.1A CN116690962B (zh) | 2023-05-17 | 2023-05-17 | 一种带有功能性涂层的薄膜的高温模压方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310559888.1A CN116690962B (zh) | 2023-05-17 | 2023-05-17 | 一种带有功能性涂层的薄膜的高温模压方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116690962A CN116690962A (zh) | 2023-09-05 |
| CN116690962B true CN116690962B (zh) | 2024-03-29 |
Family
ID=87836522
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310559888.1A Active CN116690962B (zh) | 2023-05-17 | 2023-05-17 | 一种带有功能性涂层的薄膜的高温模压方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116690962B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130008214A (ko) * | 2011-07-12 | 2013-01-22 | 건국대학교 산학협력단 | 롤투롤 인쇄의 박막 링클 생성 제어 장치 및 이의 제어 방법 |
| CN104036244A (zh) * | 2014-06-09 | 2014-09-10 | 西安邮电大学 | 一种适用于低质量图像的棋盘格角点检测方法及装置 |
| CN205416727U (zh) * | 2015-10-28 | 2016-08-03 | 肇庆学院 | 一种具有优化功能的镭射模压装置 |
| CN115861584A (zh) * | 2022-12-21 | 2023-03-28 | 中国科学院光电技术研究所 | 基于单相机的模板标记检测方法及模板位置矫正方法 |
-
2023
- 2023-05-17 CN CN202310559888.1A patent/CN116690962B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130008214A (ko) * | 2011-07-12 | 2013-01-22 | 건국대학교 산학협력단 | 롤투롤 인쇄의 박막 링클 생성 제어 장치 및 이의 제어 방법 |
| CN104036244A (zh) * | 2014-06-09 | 2014-09-10 | 西安邮电大学 | 一种适用于低质量图像的棋盘格角点检测方法及装置 |
| CN205416727U (zh) * | 2015-10-28 | 2016-08-03 | 肇庆学院 | 一种具有优化功能的镭射模压装置 |
| CN115861584A (zh) * | 2022-12-21 | 2023-03-28 | 中国科学院光电技术研究所 | 基于单相机的模板标记检测方法及模板位置矫正方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116690962A (zh) | 2023-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110111297B (zh) | 一种基于迁移学习的注塑制品表面图像缺陷识别方法 | |
| WO2022199583A1 (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| CN108615253B (zh) | 图像生成方法、装置与计算机可读存储介质 | |
| CN103440488A (zh) | 一种虫害识别的方法 | |
| Khan et al. | Efficient hardware implementation strategy for local normalization of fingerprint images | |
| CN114359665B (zh) | 全任务人脸识别模型的训练方法及装置、人脸识别方法 | |
| CN103854254B (zh) | 一种基于自回归模型的任意比例图像插值方法 | |
| CN117147468B (zh) | 一种植物源农业废弃物抗营养因子的检测方法及系统 | |
| CN114049267A (zh) | 基于改进邻域搜索的统计和双边滤波点云去噪方法 | |
| CN114745532A (zh) | 混合色温场景白平衡处理方法、装置、存储介质及终端 | |
| CN116690962B (zh) | 一种带有功能性涂层的薄膜的高温模压方法及系统 | |
| CN117541983A (zh) | 一种基于机器视觉的模型数据质量分析方法及系统 | |
| Li et al. | Electronic product surface defect detection based on a MSSD network | |
| CN115082477A (zh) | 一种基于去反光效果的半导体晶圆加工质量检测方法 | |
| CN114612399A (zh) | 一种用于手机外观标记的图片识别系统及方法 | |
| CN107328371A (zh) | 基于高斯影响的亚像素轮廓提取及利用Softmax回归在钣金检测场景下的优化 | |
| CN102074003A (zh) | 基于均值漂移的嵌入式图像跟踪系统 | |
| Bonmassar et al. | Improved cross-correlation for template matching on the Laplacian pyramid | |
| US6317640B1 (en) | System and method for non-parametric modeling of processed induced variability | |
| CN113409338B (zh) | 一种基于概率分配的超像素方法 | |
| CN114004952A (zh) | 基于统计流形曲率的带高密度噪声点云的数据处理方法 | |
| CN107633493B (zh) | 一种适用于工业检测的自适应背景扣除的方法 | |
| CN106557772A (zh) | 用于提取局部特征子的方法、装置及图像处理方法 | |
| CN114882024B (zh) | 目标对象的缺陷检测方法、装置、电子设备以及存储介质 | |
| CN114926659B (zh) | 一种基于sift和cm的变形目标定位算法 |
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 |