CN117193226B - 一种多功能智能工业控制系统及控制方法 - Google Patents
一种多功能智能工业控制系统及控制方法 Download PDFInfo
- Publication number
- CN117193226B CN117193226B CN202311479576.6A CN202311479576A CN117193226B CN 117193226 B CN117193226 B CN 117193226B CN 202311479576 A CN202311479576 A CN 202311479576A CN 117193226 B CN117193226 B CN 117193226B
- Authority
- CN
- China
- Prior art keywords
- dispensing
- parameters
- result
- glue
- quality
- 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
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 96
- 239000003292 glue Substances 0.000 claims abstract description 94
- 238000012545 processing Methods 0.000 claims abstract description 92
- 238000013439 planning Methods 0.000 claims abstract description 46
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 50
- 238000004458 analytical method Methods 0.000 claims description 46
- 238000010801 machine learning Methods 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 21
- 238000010223 real-time analysis Methods 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000004140 cleaning Methods 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 11
- 230000001502 supplementing effect Effects 0.000 claims description 11
- 230000001960 triggered effect Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 239000000853 adhesive Substances 0.000 claims description 4
- 230000001070 adhesive effect Effects 0.000 claims description 4
- 239000012459 cleaning agent Substances 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 20
- 230000000694 effects Effects 0.000 description 12
- 230000002950 deficient Effects 0.000 description 5
- 238000004026 adhesive bonding Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Application Of Or Painting With Fluid Materials (AREA)
Abstract
本发明提出了一种多功能智能工业控制系统及控制方法。所述方法包括:对点胶参数进行设定,所述点胶参数包括胶水量、胶水流速以及点胶位置;通过传感器对待点胶物体的图像进行采集,并通过图像识别处理算法对采集的图像进行识别以及定位,根据预设的点胶位置参数,确定点胶的位置;根据待点胶物体的形状和要求,通过路径规划算法确定胶水点胶的运动轨迹;根据路径规划算法生成的运动轨迹,控制点胶机的执行部件按照设定速度以及位置进行移动。通过精细调节点胶参数,可以实现对胶水流速、点胶位置、胶水量等参数的精准控制,从而确保点胶质量和稳定性。
Description
技术领域
本发明提出了一种多功能智能工业控制系统及控制方法,属于工业控制技术领域。
背景技术
随着制造业的快速发展,点胶技术作为工业制造过程中的一项重要工艺,广泛应用于电子、汽车、航空航天、医疗等领域。点胶操作通常涉及将胶水精确地涂抹或滴到特定位置,以实现粘接、密封、涂覆等目的。然而,现有的点胶技术往往只关注于单一的点胶操作,缺乏对点胶过程的全局控制和优化。此外,现有的点胶方法往往缺乏对点胶质量的实时检测和反馈调整,导致点胶质量不稳定,影响产品质量和生产效率。
发明内容
本发明提供了一种多功能智能工业控制系统及控制方法,用以解决现有技术中点胶操作单一,缺乏对点胶过程进行全局控制和优化,并且缺乏对点胶质量进行实时检测反馈调整以及点胶效率低下问题:
本发明提出的一种多功能智能工业控制方,所述方法包括:
S1:对点胶参数进行设定,所述点胶参数包括胶水量、胶水流速以及点胶位置;
S2:通过传感器对待点胶物体的图像进行采集,并通过图像识别处理算法对采集的图像进行识别以及定位,根据预设的点胶位置参数,确定点胶的位置;
S3:根据待点胶物体的形状和要求,通过路径规划算法确定胶水点胶的运动轨迹;根据路径规划算法生成的运动轨迹,控制点胶机的执行部件按照设定速度以及位置进行移动;
S4:点胶操作执行过程中,通过传感器对点胶结果数据进行实时采集,并与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格,若检测到点胶质量不合格,则触发反馈控制系统,通过反馈控制系统对点胶参数进行调整,并继续执行点胶操作;
S5:对点胶过程中的点胶参数进行记录和存储,并通过机器学习算法进行分析和处理,根据分析处理结果对点胶参数进行优化。
进一步的,所述通过传感器对待点胶物体的图像进行采集,并通过图像识别处理算法对采集的图像进行识别以及定位,根据预设的点胶位置参数,确定点胶的位置,包括:
S21:通过传感器对待点胶物体的图像进行采集,获取待点胶物体的图像,所述传感器包括摄像头;
S22:对获取到的待点胶物体的图像进行预处理,并通过图像处理算法进行物体识别,将待点胶物体从图像中分割出来;所述预处理包括图像去噪、增强对比度以及边缘检测;
S23:对识别到的物体进行特征提取,结合预设的点胶参数,通过特征匹配以及几何转换方法,确定点胶物体在图像中的准确位置,并通过投影变换算法,进行位置定位;所述特征包括边缘特征、角点特征以及纹理特征。
进一步的,所述根据待点胶物体的形状和要求,通过路径规划算法确定胶水点胶的运动轨迹;根据路径规划算法生成的运动轨迹,控制点胶机的执行部件按照设定速度以及位置进行移动,包括:
S31:根据待点胶物体的形状,进行形状分析,获得形状分析结果,基于形状分析结果,通过路径规划算法生成胶水点胶的运动轨迹;所述形状分析包括边缘提取以及轮廓分析;
S32:根据所述运动轨迹,结合点胶要求,进行点胶速度规划,并根据速度规划结果,利用伺服控制结合步进控制算法控制点胶机的执行部件按照预定的速度以及位置进行点胶操作。
进一步的,所述点胶操作执行过程中,通过传感器对点胶结果数据进行实时采集,并与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格,若检测到点胶质量不合格,则触发反馈控制系统,通过反馈控制系统对点胶参数进行调整,并继续执行点胶操作,包括:
S41:根据确定的运动轨迹,确定点胶的起点、中点以及终点之间的距离长度,并将所述距离长度进行等份划分,所述等份包括第一等份、第二等份、第三等份…第十等份,划分完成后,执行点胶操作;
S42:在点胶操作执行过程中,通过传感器对执行完点胶操作的点胶结果进行实时采集,并对第一等份的数据进行实时分析处理,获得实时分析处理结果;
S43:根据实时分析处理结果,将所述第一等份的点胶结果与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格;
S44:若点胶质量合格,则按照设定的点胶参数继续执行点胶操作,并每间隔一个等份进行一次点胶质量判断,若判断合格则继续执行点胶操作,若判断不合格则进入下一步骤;
S45:若点胶质量不合格,则触发反馈控制系统,所述反馈控制系统,对判断不合格等份的点胶参数进行分析处理,确定不合格原因;
S46:通过确定的不合格原因,对点胶参数进行调整,调整完成后继续执行点胶操作,并对下一等份的点胶操作结果进行采集分析,判断点胶质量是否达到预设的标准结果;
S47:若达到则继续执行点胶操作,若未达到则继续执行上述两步操作。
进一步的,所述实时分析处理的步骤,包括:
S421:对实时采集到的数据进行预处理,并将预处理后的数据划分为多个小块;
S422:将分割后的数据块分配给多个处理器,通过任务调度算法进行负载平衡;并将分配给每个处理器的数据块加载到相应的处理器内存中,并为每个处理器初始化所需的计算环境和资源;
S423:每个处理器独立进行数据分析和处理任务,通过并行计算,执行指定的计算操作、算法或模型;
S424:在每个处理器完成计算任务后,将处理结果从各处理器中收集并整合,形成最终的分析结果。
进一步的,确定不合格原因后并执行完第十等份的点胶操作后,对点胶质量不合格的等份进行进一步处理,所述进一步处理包括清理以及补胶;
所述清理包括使用清洁剂对胶水进行清理,并重新进行点胶;
所述补胶包括在已点过胶水的位置上进行补充胶水。
进一步的,所述对点胶过程中的点胶参数进行记录和存储,并通过机器学习算法进行分析和处理,根据分析处理结果对点胶参数进行优化,包括:
S51:对点胶执行过程中的参数数据进行预处理,并将预处理后的参数数据存入数据库,并对存入数据库中的参数数据进行特征提取;
S52:针对点胶参数数据,根据实际需求和问题进行标签定义,例如,可以根据点胶质量的合格与否将数据标注为正负样本,或者根据不同的点胶效果进行分级标签。
S53:将标记好的点胶参数数据集划分为训练集、验证集和测试集;所述训练集用于训练机器学习模型,所述验证集用于调整模型参数和进行模型选择,所述测试集用于评估模型的性能;
S54:选择机器学习算法模型,使用训练集对模型进行训练,并通过迭代对模型结构进行优化;
S55:使用验证集对训练好的模型进行指标评估,根据评估结果,进行模型调整和参数优化;
S56:根据机器学习模型的分析结果和预测能力,优化点胶参数。
本发明提出的一种多功能智能工业控制系统,所述系统包括:
参数设定模块:对点胶参数进行设定,所述点胶参数包括胶水量、胶水流速以及点胶位置;
信息采集模块:通过传感器对待点胶物体的图像进行采集,并通过图像识别处理算法对采集的图像进行识别以及定位,根据预设的点胶位置参数,确定点胶的位置;
路径规划模块:根据待点胶物体的形状和要求,通过路径规划算法确定胶水点胶的运动轨迹;根据路径规划算法生成的运动轨迹,控制点胶机的执行部件按照设定速度以及位置进行移动;
结果判定模块:点胶操作执行过程中,通过传感器对点胶结果数据进行实时采集,并与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格,若检测到点胶质量不合格,则触发反馈控制系统,通过反馈控制系统对点胶参数进行调整,并继续执行点胶操作;
参数优化模块:对点胶过程中的点胶参数进行记录和存储,并通过机器学习算法进行分析和处理,根据分析处理结果对点胶参数进行优化。
本发明提出的一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述的存储器上运行的计算机程序,所述处理器执行所述程序,以实现如上述任一所述的一种多功能智能工业控制方法。
本发明提出的一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以实现如上述任一所述的一种多功能智能工业控制方法。
本发明有益效果:通过精细调节点胶参数,可以实现对胶水流速、点胶位置、胶水量等参数的精准控制,从而确保点胶质量和稳定性;通过本发明可以实现对能源的有效管理,避免不必要的能源浪费,减少生产过程中的能耗,达到节能的目的;本发明具有自适应智能控制功能,能够通过传感器实时监控工件的形状、尺寸、位置等信息,自动调整点胶参数,适应不同的产品需求;多功能智能工业控制点胶机可以实现设备自动化、智能化控制,可减少人工操作,降低生产成本,提高生产效率;通过对点胶参数进行实时监测和调整,可以确保整个点胶过程的稳定性和一致性,从而提高产品的质量和可靠性;本发明所述点胶机具有智能诊断和故障排除的功能,能够及时发现和解决设备故障,减少设备停机时间,降低故障率并且可以自动控制胶水流速、点胶位置和胶水量等参数,减少胶水的浪费,从而降低生产成本。
附图说明
图1为本发明所述一种多功能智能工业控制方法步骤图。
具体实施方式
为了能够更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例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
本发明的一个实施例,如图1所示,一种多功能智能工业控制方,所述方法包括:
S1:对点胶参数进行设定,所述点胶参数包括胶水量、胶水流速以及点胶位置;
S2:通过传感器对待点胶物体的图像进行采集,并通过图像识别处理算法对采集的图像进行识别以及定位,根据预设的点胶位置参数,确定点胶的位置;
S3:根据待点胶物体的形状和要求,通过路径规划算法确定胶水点胶的运动轨迹;根据路径规划算法生成的运动轨迹,控制点胶机的执行部件按照设定速度以及位置进行移动;
S4:点胶操作执行过程中,通过传感器对点胶结果数据进行实时采集,并与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格,若检测到点胶质量不合格,则触发反馈控制系统,通过反馈控制系统对点胶参数进行调整,并继续执行点胶操作;
S5:对点胶过程中的点胶参数进行记录和存储,并通过机器学习算法进行分析和处理,根据分析处理结果对点胶参数进行优化。
上述技术方案的工作原理为:根据具体需求,设定点胶参数,包括胶水量、胶水流速以及点胶位置等,例如:在电子元器件封装过程中,需要根据元器件的大小、形状和布局等因素设定合适的胶水流速、点胶位置和胶水量,以确保电子元器件粘附稳定可靠。这些参数将影响到点胶的精度和效果;通过传感器对待点胶物体的图像进行采集,并使用图像识别处理算法对采集的图像进行分析和识别,以确定待点胶物体的位置。根据预设的点胶位置参数,确定点胶的准确位置;根据待点胶物体的形状和要求,通过路径规划算法确定胶水点胶的运动轨迹。根据路径规划算法生成的运动轨迹,控制点胶机的执行部件按照设定的速度和位置进行移动,实现精确的点胶操作;在点胶操作执行过程中,通过传感器对点胶结果数据进行实时采集,并与预设的标准结果进行比对。根据比对结果确定点胶质量是否合格。如果检测到点胶质量不合格,触发反馈控制系统,通过反馈控制系统对点胶参数进行调整,并继续执行点胶操作,以保证点胶质量;对点胶过程中的点胶参数进行记录和存储,并通过机器学习算法进行分析和处理。根据分析处理结果对点胶参数进行优化,以提高点胶的效率和质量。
上述技术方案的效果为:通过对点胶参数进行设定,使用传感器对待点胶物体的图像进行采集,并通过图像识别处理算法对采集的图像进行识别以及定位,可以确定点胶的位置。同时,根据待点胶物体的形状和要求,利用路径规划算法确定运动轨迹,实现精确的点胶操作,提高了点胶的精度和效率;通过机器学习算法对点胶过程中的点胶参数进行分析和处理,可以自动调整点胶参数,避免了人工干预的误差和不稳定性,实现了自动化控制;在点胶操作执行过程中,通过传感器对点胶结果数据进行实时采集,并与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格。如果检测到点胶质量不合格,触发反馈控制系统,通过反馈控制系统对点胶参数进行调整,并继续执行点胶操作,以保证点胶质量。这样可以有效地提高产品质量;对点胶过程中的点胶参数进行记录和存储,并通过机器学习算法进行分析和处理,根据分析处理结果对点胶参数进行优化,可以进一步提高点胶效率和质量,优化工艺流程。
本发明的一个实施例,所述通过传感器对待点胶物体的图像进行采集,并通过图像识别处理算法对采集的图像进行识别以及定位,根据预设的点胶位置参数,确定点胶的位置,包括:
S21:通过传感器对待点胶物体的图像进行采集,获取待点胶物体的图像,所述传感器包括摄像头;
S22:对获取到的待点胶物体的图像进行预处理,并通过图像处理算法进行物体识别,将待点胶物体从图像中分割出来;所述预处理包括图像去噪、增强对比度以及边缘检测,
S23:对识别到的物体进行特征提取,结合预设的点胶参数,通过特征匹配以及几何转换方法,确定点胶物体在图像中的准确位置,并通过投影变换算法,进行位置定位;所述特征包括边缘特征、角点特征以及纹理特征。
上述技术方案的工作原理为:利用传感器,例如摄像头,对待点胶物体进行图像采集,获取待点胶物体的图像;对获取到的待点胶物体图像进行预处理,包括去噪、增强对比度以及边缘检测等操作,以提高图像的质量和清晰度;通过图像处理算法对预处理后的图像进行物体识别,将待点胶物体从图像中分割出来。可以借助于物体的形状、颜色、纹理等特征进行识别;对识别到的物体进行特征提取,例如提取边缘特征、角点特征和纹理特征等。同时,结合预设的点胶参数,通过特征匹配和几何转换方法,确定点胶物体在图像中的准确位置;通过投影变换算法,根据已知的点胶位置参数,对确定的点胶物体位置进行准确的定位。例如,可以通过计算几何关系和坐标变换来实现。
上述技术方案的效果为:通过图像识别处理算法和特征匹配方法,可以准确地定位待点胶物体在图像中的位置。这样可以确保点胶的准确性和精度,避免点胶位置偏差导致的质量问题;采用传感器和图像处理算法可以实现自动化的点胶操作,无需人工干预。这大大提高了生产效率,并减少了人力成本;预处理和特征提取阶段可根据不同的点胶物体和环境进行调整和优化。该方案适用于不同形状、颜色和纹理的待点胶物体,具有较好的适应性;图像采集和处理的速度较快,可以实现实时的点胶物体识别和定位。这对于高效率的生产线非常重要,能够满足对时间响应性的要求;通过精确的定位和投影变换算法,可以确保点胶物体的位置准确无误。这有助于提高产品质量和稳定性,减少生产过程中的不良品率。
本发明的一个实施例,所述根据待点胶物体的形状和要求,通过路径规划算法确定胶水点胶的运动轨迹;根据路径规划算法生成的运动轨迹,控制点胶机的执行部件按照设定速度以及位置进行移动,包括:
S31:根据待点胶物体的形状,进行形状分析,获得形状分析结果,基于形状分析结果,通过路径规划算法生成胶水点胶的运动轨迹;所述形状分析包括边缘提取以及轮廓分析;
S32:根据所述运动轨迹,结合点胶要求,进行点胶速度规划,并根据速度规划结果,利用伺服控制结合步进控制算法控制点胶机的执行部件按照预定的速度以及位置进行点胶操作。
上述技术方案的工作原理为:对待点胶物体进行形状分析,通过边缘提取和轮廓分析等方法,获得物体的几何形状信息。然后,基于形状分析结果,使用路径规划算法生成胶水点胶的运动轨迹。路径规划考虑点胶要求和待点胶物体的形状特征,确保点胶路径覆盖到需要点胶的区域,并尽可能减少点胶的时间和轨迹长度;根据生成的运动轨迹和点胶要求,进行点胶速度规划。通过设定的速度规划算法,确定点胶机的执行部件在运动过程中的速度变化情况,以保证点胶的均匀性和稳定性。然后,利用伺服控制和步进控制算法,控制点胶机的执行部件按照预定的速度和位置进行移动,实现胶水点胶的操作。
上述技术方案的效果为:通过形状分析和路径规划,可以根据待点胶物体的形状和要求,生成能够覆盖需要点胶区域的精确运动轨迹。可以确保点胶的精准度高;在点胶速度规划和执行部件控制过程中,采用了伺服控制和步进控制算法,可以实现点胶机执行部件的稳定移动和点胶操作。可以确保点胶速度和位置的稳定性,从而保证点胶的均匀性和稳定性;通过采用路径规划算法,可以根据不同的待点胶物体的形状和要求,自动生成适合的胶水点胶运动轨迹。可以使得点胶机具有更广泛的适应性,能够适应不同形状的点胶物体的点胶需求;通过自动化的路径规划和点胶操作,可以有效提高生产效率。与传统手工点胶相比,该技术方案可以节省时间和人力成本,降低生产成本。
本发明的一个实施例,所述点胶操作执行过程中,通过传感器对点胶结果数据进行实时采集,并与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格,若检测到点胶质量不合格,则触发反馈控制系统,通过反馈控制系统对点胶参数进行调整,并继续执行点胶操作,包括:
S41:根据确定的运动轨迹,确定点胶的起点、中点以及终点之间的距离长度,并将所述距离长度进行等份划分,所述等份包括第一等份、第二等份、第三等份…第十等份,划分完成后,执行点胶操作;
S42:在点胶操作执行过程中,通过传感器对执行完点胶操作的点胶结果进行实时采集,并对第一等份的数据进行实时分析处理,获得实时分析处理结果;
S43:根据实时分析处理结果,将所述第一等份的点胶结果与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格;
S44:若点胶质量合格,则按照设定的点胶参数继续执行点胶操作,并每间隔一个等份进行一次点胶质量判断,若判断合格则继续执行点胶操作,若判断不合格则进入下一步骤;
S45:若点胶质量不合格,则触发反馈控制系统,所述反馈控制系统,对判断不合格等份的点胶参数进行分析处理,确定不合格原因;
S46:通过确定的不合格原因,对点胶参数进行调整,调整完成后继续执行点胶操作,并对下一等份的点胶操作结果进行采集分析,判断点胶质量是否达到预设的标准结果;
S47:若达到则继续执行点胶操作,若未达到则继续执行上述两步操作。
上述技术方案的工作原理为:根据确定的运动轨迹,确定点胶的起点、中点以及终点之间的距离长度,并将所述距离长度进行等份划分,所述等份包括第一等份、第二等份、第三等份…第十等份,划分完成后,执行点胶操作;在点胶操作执行过程中,通过传感器对执行完点胶操作的点胶结果进行实时采集,并对第一等份的数据进行实时分析处理,获得实时分析处理结果;根据实时分析处理结果,将所述第一等份的点胶结果与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格;若点胶质量合格,则按照设定的点胶参数继续执行点胶操作,并每间隔一个等份进行一次点胶质量判断,若判断合格则继续执行点胶操作,若判断不合格则进入下一步骤;若点胶质量不合格,则触发反馈控制系统,所述反馈控制系统,对判断不合格等份的点胶参数进行分析处理,确定不合格原因;通过确定的不合格原因,对点胶参数进行调整,调整完成后继续执行点胶操作,并对下一等份的点胶操作结果进行采集分析,判断点胶质量是否达到预设的标准结果;若达到则继续执行点胶操作,若未达到则继续执行上述两步操作。
上述技术方案的效果为:通过传感器实时采集和分析点胶结果数据,可以实现对点胶质量的自动化检测和判断,无需人工干预;通过与预设的标准结果进行比对,可以及时发现点胶质量不合格的情况,避免次品产品的产生,提高产品质量稳定性和一致性;当检测到点胶质量不合格时,触发反馈控制系统,通过分析和调整点胶参数,可以快速纠正问题,改善点胶质量,减少不良品率;通过实时采集和分析数据,可以快速响应异常情况,并及时调整点胶参数,避免不良品的进一步产生,提高生产效率;通过循环执行上述步骤,逐步调整点胶参数,直到点胶质量达到预设的标准结果,保证点胶质量的稳定性和可重复性。
本发明的一个实施例,所述实时分析处理的步骤,包括:
S421:对实时采集到的数据进行预处理,并将预处理后的数据划分为多个小块;分割后的数据块之间没有明显的相关性;
S422:将分割后的数据块分配给多个处理器,通过任务调度算法进行负载平衡;并将分配给每个处理器的数据块加载到相应的处理器内存中,并为每个处理器初始化所需的计算环境和资源;
S423:每个处理器独立进行数据分析和处理任务,通过并行计算,执行指定的计算操作、算法或模型;
S424:在每个处理器完成计算任务后,将处理结果从各处理器中收集并整合,形成最终的分析结果。
上述技术方案的工作原理为:首先,采集到的数据经过预处理,包括数据清洗、格式转换、噪声去除等操作,以满足后续处理的要求。然后,将预处理后的数据划分为多个小块,这些数据块之间没有明显的相关性,可以独立进行处理。接下来,使用任务调度算法将数据块分配给多个处理器,以实现负载均衡,保证各处理器的计算负荷相对平衡。同时,将分配给每个处理器的数据块加载到相应的处理器内存中,并初始化所需的计算环境和资源,确保每个处理器能够独立地进行数据分析和处理任务。每个处理器通过并行计算的方式,执行指定的计算操作、算法或模型,以高效地处理数据块。最后,在每个处理器完成计算任务后,将处理结果从各处理器中收集并整合,形成最终的分析结果。这样,通过并行计算和任务分配,可以快速、准确地完成实时数据的分析处理任务。
上述技术方案的效果为:通过将数据划分为多个小块,并将其分配给多个处理器进行并行计算,可以充分发挥多处理器的计算能力,提高数据处理的速度和效率。同时,通过任务调度算法进行负载平衡,保证各处理器之间的负载均衡,进一步提升系统的整体性能;采用实时分析处理方案,能够及时处理实时采集到的数据,快速生成分析结果。通过数据预处理和并行计算,可以大大缩短分析处理的时间,满足实时性要求,及时响应业务需求;该技术方案具有高度的可扩展性和灵活性,可以根据实际需求对处理器数量进行扩展或缩减。同时,通过任务调度算法进行负载平衡,能够应对不同规模和需求的数据处理任务,并实现资源的最大化利用;通过并行计算和多个处理器的协同工作,可以增加数据处理的精度和准确性。每个处理器独立进行数据分析和处理任务,通过多个处理结果的整合,能够得到更准确、完整的分析结果。
本发明的一个实施例,确定不合格原因后并执行完第十等份的点胶操作后,对点胶质量不合格的等份进行进一步处理,所述进一步处理包括清理以及补胶;
所述清理包括使用清洁剂对胶水进行清理,并重新进行点胶;
所述补胶包括在已点过胶水的位置上进行补充胶水。
上述技术方案的工作原理为:首先对点胶质量不合格的等份进行分析和检测,确定其不合格的原因。可能的原因包括胶水不均匀、点胶位置偏移、点胶厚度不足等;在确定不合格原因后,先执行完第十等份的点胶操作。这是为了保持生产流程的连续性,确保其他合格等份的生产不受影响;对不合格的等份进行清洁处理。使用清洁剂对胶水进行清理,将不合格的胶水彻底清除,为后续的处理步骤提供清洁的基础;经过清洁处理后,重新对不合格的等份进行点胶操作。根据不合格的原因,调整点胶位置、厚度等参数,确保点胶胶水均匀、精准;对已经点过胶水的位置进行补充胶水。如果判断不合格的等份只是胶水厚度不足的问题,可以在该位置上进行补胶,以确保胶水的厚度符合要求。
上述技术方案的效果为:通过对点胶质量不合格的等份进行进一步处理,可以有效提高点胶的质量。清理不合格等份可以去除影响胶水均匀性和精确性的因素,重新点胶和补胶操作可以修正不合格等份的问题,使其符合要求;通过进一步处理不合格等份,可以最大程度地减少废品的产生。清理不合格等份后重新点胶和补胶,可以将原本不合格的等份转化为合格的产品,避免了资源的浪费和成本的增加;在确认不合格原因后,先执行完第十等份的点胶操作,可以保障生产流程的连续性。这样可以避免因为中途停止点胶操作而导致其他等份的产量减少或生产进度延迟;通过清理和补胶操作,可以在不重新开始整个点胶过程的情况下,对不合格等份进行修正和改进。这样可以节省时间和资源,提高生产效率,更快地完成点胶任务。
本发明的一个实施例,所述对点胶过程中的点胶参数进行记录和存储,并通过机器学习算法进行分析和处理,根据分析处理结果对点胶参数进行优化,包括:
S51:对点胶执行过程中的参数数据进行预处理,并将预处理后的参数数据存入数据库,并对存入数据库中的参数数据进行特征提取;
S52:针对点胶参数数据,根据实际需求和问题进行标签定义,例如,可以根据点胶质量的合格与否将数据标注为正负样本,或者根据不同的点胶效果进行分级标签。
S53:将标记好的点胶参数数据集划分为训练集、验证集和测试集;所述训练集用于训练机器学习模型,所述验证集用于调整模型参数和进行模型选择,所述测试集用于评估模型的性能;
S54:选择机器学习算法模型,使用训练集对模型进行训练,并通过迭代对模型结构进行优化;所述机器学习算法包括决策树、支持向量机以及神经网络;
S55:使用验证集对训练好的模型进行指标评估,所述指标包括计算准确率、精确率、召回率以及F1值;根据评估结果,进行模型调整和参数优化;
S56:根据机器学习模型的分析结果和预测能力,优化点胶参数。
上述技术方案的工作原理为:通过对点胶参数数据进行预处理,例如去除异常值、归一化等操作,以确保数据质量和一致性。接着,从预处理后的数据中提取有用的特征,例如平均值、方差、最大值、最小值等,这些特征可以反映点胶过程的关键信息;根据实际需求和问题进行标签定义,将点胶参数数据标注为正样本或负样本,或者进行分级标签,以便后续的机器学习算法进行分类或回归任务;将标记好的点胶参数数据集划分为训练集、验证集和测试集。训练集用于训练机器学习模型,验证集用于调整模型参数和选择最佳模型,测试集用于评估模型的性能;在选择机器学习算法模型时,可以考虑决策树、支持向量机、神经网络等多种算法。使用训练集对选定的模型进行训练,并通过迭代优化模型结构和参数,以提高模型的拟合能力和泛化能力;使用验证集对训练好的模型进行指标评估,例如准确率、精确率、召回率和F1值等,根据评估结果进行模型调整和参数优化,以获得更好的性能和泛化能力;根据机器学习模型的分析结果和预测能力,可以对点胶参数进行优化。根据模型的预测结果和特征重要性,调整点胶参数,例如胶水量、胶水流速和点胶位置等,以达到更好的点胶效果和质量。
上述技术方案的效果为:通过自动记录和存储点胶参数数据,可以减少人工操作和避免数据丢失,提高数据的完整性和可追溯性;通过对点胶参数数据进行预处理和特征提取,可以去除异常值、归一化数据,并提取有用的特征,为后续的机器学习模型提供高质量的输入数据;根据实际需求和问题,将点胶参数数据进行合适的标签定义,使机器学习模型能够更好地理解和处理问题,并适应不同的分类或回归任务;通过训练和评估多种机器学习算法模型,选择最适合点胶参数优化的模型,并通过参数调整和结构优化提高模型的性能和泛化能力;利用机器学习模型的分析结果和预测能力,对点胶参数进行优化,例如调整胶水量、胶水流速和点胶位置等,以达到更好的点胶效果和质量;通过优化点胶参数,可以提高生产过程中的点胶效率和准确性,减少不良品率,并增加产品的一致性和稳定性。
本发明的一个实施例,一种多功能智能工业控制系统,所述系统包括:
参数设定模块:对点胶参数进行设定,所述点胶参数包括胶水量、胶水流速以及点胶位置;
信息采集模块:通过传感器对待点胶物体的图像进行采集,并通过图像识别处理算法对采集的图像进行识别以及定位,根据预设的点胶位置参数,确定点胶的位置;
路径规划模块:根据待点胶物体的形状和要求,通过路径规划算法确定胶水点胶的运动轨迹;根据路径规划算法生成的运动轨迹,控制点胶机的执行部件按照设定速度以及位置进行移动;
结果判定模块:点胶操作执行过程中,通过传感器对点胶结果数据进行实时采集,并与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格,若检测到点胶质量不合格,则触发反馈控制系统,通过反馈控制系统对点胶参数进行调整,并继续执行点胶操作;
参数优化模块:对点胶过程中的点胶参数进行记录和存储,并通过机器学习算法进行分析和处理,根据分析处理结果对点胶参数进行优化。
上述技术方案的工作原理为:根据具体需求,设定点胶参数,包括胶水量、胶水流速以及点胶位置等,例如:在电子元器件封装过程中,需要根据元器件的大小、形状和布局等因素设定合适的胶水流速、点胶位置和胶水量,以确保电子元器件粘附稳定可靠。这些参数将影响到点胶的精度和效果;通过传感器对待点胶物体的图像进行采集,并使用图像识别处理算法对采集的图像进行分析和识别,以确定待点胶物体的位置。根据预设的点胶位置参数,确定点胶的准确位置;根据待点胶物体的形状和要求,通过路径规划算法确定胶水点胶的运动轨迹。根据路径规划算法生成的运动轨迹,控制点胶机的执行部件按照设定的速度和位置进行移动,实现精确的点胶操作;在点胶操作执行过程中,通过传感器对点胶结果数据进行实时采集,并与预设的标准结果进行比对。根据比对结果确定点胶质量是否合格。如果检测到点胶质量不合格,触发反馈控制系统,通过反馈控制系统对点胶参数进行调整,并继续执行点胶操作,以保证点胶质量;对点胶过程中的点胶参数进行记录和存储,并通过机器学习算法进行分析和处理。根据分析处理结果对点胶参数进行优化,以提高点胶的效率和质量。
上述技术方案的效果为:通过对点胶参数进行设定,使用传感器对待点胶物体的图像进行采集,并通过图像识别处理算法对采集的图像进行识别以及定位,可以确定点胶的位置。同时,根据待点胶物体的形状和要求,利用路径规划算法确定运动轨迹,实现精确的点胶操作,提高了点胶的精度和效率;通过机器学习算法对点胶过程中的点胶参数进行分析和处理,可以自动调整点胶参数,避免了人工干预的误差和不稳定性,实现了自动化控制;在点胶操作执行过程中,通过传感器对点胶结果数据进行实时采集,并与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格。如果检测到点胶质量不合格,触发反馈控制系统,通过反馈控制系统对点胶参数进行调整,并继续执行点胶操作,以保证点胶质量。这样可以有效地提高产品质量;对点胶过程中的点胶参数进行记录和存储,并通过机器学习算法进行分析和处理,根据分析处理结果对点胶参数进行优化,可以进一步提高点胶效率和质量,优化工艺流程。
本发明的一个实施例,一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述的存储器上运行的计算机程序,所述处理器执行所述程序,以实现如上述任一所述的一种多功能智能工业控制方法。
本发明的一个实施例,一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以实现如上述任一所述的一种多功能智能工业控制方法。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种多功能智能工业控制方法,其特征在于,所述方法包括:
对点胶参数进行设定,所述点胶参数包括胶水量、胶水流速以及点胶位置;
通过传感器对待点胶物体的图像进行采集,并通过图像识别处理算法对采集的图像进行识别以及定位,根据预设的点胶位置参数,确定点胶的位置;
根据待点胶物体的形状和要求,通过路径规划算法确定胶水点胶的运动轨迹;根据路径规划算法生成的运动轨迹,控制点胶机的执行部件按照设定速度以及位置进行移动;
点胶操作执行过程中,通过传感器对点胶结果数据进行实时采集,并与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格,若检测到点胶质量不合格,则触发反馈控制系统,通过反馈控制系统对点胶参数进行调整,并继续执行点胶操作;
对点胶过程中的点胶参数进行记录和存储,并通过机器学习算法进行分析和处理,根据分析处理结果对点胶参数进行优化;
所述点胶操作执行过程中,通过传感器对点胶结果数据进行实时采集,并与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格,若检测到点胶质量不合格,则触发反馈控制系统,通过反馈控制系统对点胶参数进行调整,并继续执行点胶操作,包括:
根据确定的运动轨迹,确定点胶的起点、中点以及终点之间的距离长度,并将所述距离长度进行等份划分,所述等份包括第一等份、第二等份、第三等份…第十等份,划分完成后,执行点胶操作;
在点胶操作执行过程中,通过传感器对执行完点胶操作的点胶结果进行实时采集,并对第一等份的数据进行实时分析处理,获得实时分析处理结果;
根据实时分析处理结果,将所述第一等份的点胶结果与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格;
若点胶质量合格,则按照设定的点胶参数继续执行点胶操作,并每间隔一个等份进行一次点胶质量判断,若判断合格则继续执行点胶操作,若判断不合格则进入下一步骤;
若点胶质量不合格,则触发反馈控制系统,所述反馈控制系统,对判断不合格等份的点胶参数进行分析处理,确定不合格原因;
通过确定的不合格原因,对点胶参数进行调整,调整完成后继续执行点胶操作,并对下一等份的点胶操作结果进行采集分析,判断点胶质量是否达到预设的标准结果;
若达到则继续执行点胶操作,若未达到则继续执行上两步操作。
2.根据权利要求1所述一种多功能智能工业控制方法,其特征在于,所述通过传感器对待点胶物体的图像进行采集,并通过图像识别处理算法对采集的图像进行识别以及定位,根据预设的点胶位置参数,确定点胶的位置,包括:
通过传感器对待点胶物体的图像进行采集,获取待点胶物体的图像,所述传感器包括摄像头;
对获取到的待点胶物体的图像进行预处理,并通过图像处理算法进行物体识别,将待点胶物体从图像中分割出来;所述预处理包括图像去噪、增强对比度以及边缘检测,
对识别到的物体进行特征提取,结合预设的点胶参数,通过特征匹配以及几何转换方法,确定点胶物体在图像中的准确位置,并通过投影变换算法,进行位置定位;所述特征包括边缘特征、角点特征以及纹理特征。
3.根据权利要求1所述一种多功能智能工业控制方法,其特征在于,所述根据待点胶物体的形状和要求,通过路径规划算法确定胶水点胶的运动轨迹;根据路径规划算法生成的运动轨迹,控制点胶机的执行部件按照设定速度以及位置进行移动,包括:
根据待点胶物体的形状,进行形状分析,获得形状分析结果,基于形状分析结果,通过路径规划算法生成胶水点胶的运动轨迹;所述形状分析包括边缘提取以及轮廓分析;
根据所述运动轨迹,结合点胶要求,进行点胶速度规划,并根据速度规划结果,利用伺服控制结合步进控制算法控制点胶机的执行部件按照预定的速度以及位置进行点胶操作。
4.根据权利要求1所述一种多功能智能工业控制方法,其特征在于,所述实时分析处理的步骤,包括:
对实时采集到的数据进行预处理,并将预处理后的数据划分为多个小块;
将分割后的数据块分配给多个处理器,通过任务调度算法进行负载平衡;并将分配给每个处理器的数据块加载到相应的处理器内存中,并为每个处理器初始化所需的计算环境和资源;
每个处理器独立进行数据分析和处理任务,通过并行计算,执行指定的计算操作、算法或模型;
在每个处理器完成计算任务后,将处理结果从各处理器中收集并整合,形成最终的分析结果。
5.根据权利要求1所述一种多功能智能工业控制方法,其特征在于,确定不合格原因后并执行完第十等份的点胶操作后,对点胶质量不合格的等份进行进一步处理,所述进一步处理包括清理以及补胶;
所述清理包括使用清洁剂对胶水进行清理,并重新进行点胶;
所述补胶包括在已点过胶水的位置上进行补充胶水。
6.根据权利要求1所述一种多功能智能工业控制方法,其特征在于,所述对点胶过程中的点胶参数进行记录和存储,并通过机器学习算法进行分析和处理,根据分析处理结果对点胶参数进行优化,包括:
对点胶执行过程中的参数数据进行预处理,并将预处理后的参数数据存入数据库,并对存入数据库中的参数数据进行特征提取;
针对点胶参数数据,根据实际需求和问题进行标签定义;
将标记好的点胶参数数据集划分为训练集、验证集和测试集;所述训练集用于训练机器学习模型,所述验证集用于调整模型参数和进行模型选择,所述测试集用于评估模型的性能;
选择机器学习算法模型,使用训练集对模型进行训练,并通过迭代对模型结构进行优化;
使用验证集对训练好的模型进行指标评估,根据评估结果,进行模型调整和参数优化;
根据机器学习模型的分析结果和预测能力,优化点胶参数。
7.一种多功能智能工业控制系统,其特征在于,所述系统包括:
参数设定模块:对点胶参数进行设定,所述点胶参数包括胶水量、胶水流速以及点胶位置;
信息采集模块:通过传感器对待点胶物体的图像进行采集,并通过图像识别处理算法对采集的图像进行识别以及定位,根据预设的点胶位置参数,确定点胶的位置;
路径规划模块:根据待点胶物体的形状和要求,通过路径规划算法确定胶水点胶的运动轨迹;根据路径规划算法生成的运动轨迹,控制点胶机的执行部件按照设定速度以及位置进行移动;
结果判定模块:点胶操作执行过程中,通过传感器对点胶结果数据进行实时采集,并与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格,若检测到点胶质量不合格,则触发反馈控制系统,通过反馈控制系统对点胶参数进行调整,并继续执行点胶操作;
参数优化模块:对点胶过程中的点胶参数进行记录和存储,并通过机器学习算法进行分析和处理,根据分析处理结果对点胶参数进行优化;
所述结果判定模块,包括:
根据确定的运动轨迹,确定点胶的起点、中点以及终点之间的距离长度,并将所述距离长度进行等份划分,所述等份包括第一等份、第二等份、第三等份…第十等份,划分完成后,执行点胶操作;
在点胶操作执行过程中,通过传感器对执行完点胶操作的点胶结果进行实时采集,并对第一等份的数据进行实时分析处理,获得实时分析处理结果;
根据实时分析处理结果,将所述第一等份的点胶结果与预设的标准结果进行比对,根据比对结果确定点胶质量是否合格;
若点胶质量合格,则按照设定的点胶参数继续执行点胶操作,并每间隔一个等份进行一次点胶质量判断,若判断合格则继续执行点胶操作,若判断不合格则进入下一步骤;
若点胶质量不合格,则触发反馈控制系统,所述反馈控制系统,对判断不合格等份的点胶参数进行分析处理,确定不合格原因;
通过确定的不合格原因,对点胶参数进行调整,调整完成后继续执行点胶操作,并对下一等份的点胶操作结果进行采集分析,判断点胶质量是否达到预设的标准结果;
若达到则继续执行点胶操作,若未达到则继续执行上两步操作。
8.一种电子设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述的存储器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求的1-6中任一所述的一种多功能智能工业控制方法。
9.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以实现如权利要求1-6中任一所述的一种多功能智能工业控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311479576.6A CN117193226B (zh) | 2023-11-08 | 2023-11-08 | 一种多功能智能工业控制系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311479576.6A CN117193226B (zh) | 2023-11-08 | 2023-11-08 | 一种多功能智能工业控制系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117193226A CN117193226A (zh) | 2023-12-08 |
CN117193226B true CN117193226B (zh) | 2024-01-26 |
Family
ID=88985490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311479576.6A Active CN117193226B (zh) | 2023-11-08 | 2023-11-08 | 一种多功能智能工业控制系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117193226B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598761A (zh) * | 2019-08-26 | 2019-12-20 | 深圳大学 | 一种点胶检测方法、装置及计算机可读存储介质 |
CN111617933A (zh) * | 2020-05-22 | 2020-09-04 | 梅卡曼德(北京)机器人科技有限公司 | 涂胶轨迹的获取方法及涂胶方法、装置和涂胶轨迹生成系统 |
US10766137B1 (en) * | 2017-11-03 | 2020-09-08 | Amazon Technologies, Inc. | Artificial intelligence system for modeling and evaluating robotic success at task performance |
CN112495700A (zh) * | 2020-11-25 | 2021-03-16 | 厦门特盈自动化科技股份有限公司 | 全自动点胶智能控制系统及其控制方法 |
CN114798360A (zh) * | 2022-06-29 | 2022-07-29 | 深圳市欧米加智能科技有限公司 | Pcb板点胶的实时检测方法及相关装置 |
CN115032942A (zh) * | 2022-06-02 | 2022-09-09 | 深圳研控自动化科技股份有限公司 | 点胶控制方法、装置、终端设备以及存储介质 |
CN115121451A (zh) * | 2022-06-17 | 2022-09-30 | 深圳研控自动化科技股份有限公司 | 点胶机驱控方法、装置、终端设备以及存储介质 |
CN115311452A (zh) * | 2022-09-20 | 2022-11-08 | 深圳市鑫路远电子设备有限公司 | 一种基于机器视觉的精密灌胶评估方法及系统 |
CN115475737A (zh) * | 2022-09-21 | 2022-12-16 | 深圳芯光智能技术有限公司 | 一种点胶机点胶的规划优化方法及系统 |
CN115591742A (zh) * | 2022-09-30 | 2023-01-13 | 深圳芯光智能技术有限公司(Cn) | 一种点胶质量识别的点胶机自动控制方法及系统 |
CN116051586A (zh) * | 2023-01-18 | 2023-05-02 | 广东工业大学 | 一种适用于检测浅色系胶水轮廓的检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111799080B (zh) * | 2020-06-11 | 2022-04-15 | 山东电力设备有限公司 | 一种滑石片全自动粘接智能控制方法及系统 |
-
2023
- 2023-11-08 CN CN202311479576.6A patent/CN117193226B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10766137B1 (en) * | 2017-11-03 | 2020-09-08 | Amazon Technologies, Inc. | Artificial intelligence system for modeling and evaluating robotic success at task performance |
CN110598761A (zh) * | 2019-08-26 | 2019-12-20 | 深圳大学 | 一种点胶检测方法、装置及计算机可读存储介质 |
CN111617933A (zh) * | 2020-05-22 | 2020-09-04 | 梅卡曼德(北京)机器人科技有限公司 | 涂胶轨迹的获取方法及涂胶方法、装置和涂胶轨迹生成系统 |
WO2021232592A1 (zh) * | 2020-05-22 | 2021-11-25 | 梅卡曼德(北京)机器人科技有限公司 | 涂胶轨迹的获取方法及涂胶方法、装置和涂胶轨迹生成系统 |
CN112495700A (zh) * | 2020-11-25 | 2021-03-16 | 厦门特盈自动化科技股份有限公司 | 全自动点胶智能控制系统及其控制方法 |
CN115032942A (zh) * | 2022-06-02 | 2022-09-09 | 深圳研控自动化科技股份有限公司 | 点胶控制方法、装置、终端设备以及存储介质 |
CN115121451A (zh) * | 2022-06-17 | 2022-09-30 | 深圳研控自动化科技股份有限公司 | 点胶机驱控方法、装置、终端设备以及存储介质 |
CN114798360A (zh) * | 2022-06-29 | 2022-07-29 | 深圳市欧米加智能科技有限公司 | Pcb板点胶的实时检测方法及相关装置 |
CN115311452A (zh) * | 2022-09-20 | 2022-11-08 | 深圳市鑫路远电子设备有限公司 | 一种基于机器视觉的精密灌胶评估方法及系统 |
CN115475737A (zh) * | 2022-09-21 | 2022-12-16 | 深圳芯光智能技术有限公司 | 一种点胶机点胶的规划优化方法及系统 |
CN115591742A (zh) * | 2022-09-30 | 2023-01-13 | 深圳芯光智能技术有限公司(Cn) | 一种点胶质量识别的点胶机自动控制方法及系统 |
CN116051586A (zh) * | 2023-01-18 | 2023-05-02 | 广东工业大学 | 一种适用于检测浅色系胶水轮廓的检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117193226A (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11537615B2 (en) | Using machine learning to estimate query resource consumption in MPPDB | |
Wang et al. | Manifold learning based rescheduling decision mechanism for recessive disturbances in RFID-driven job shops | |
Bulnes et al. | An efficient method for defect detection during the manufacturing of web materials | |
CN108672218A (zh) | 一种集成测试的智能点胶系统及其点胶方法 | |
Bateni et al. | Predjoule: A timing-predictable energy optimization framework for deep neural networks | |
Chalotra et al. | Tuning of cocomo model parameters by using bee colony optimization | |
KR20130141584A (ko) | 웨브-기반의 재료 내의 불균일성의 고속 처리 및 검출 | |
CN113222224A (zh) | 一种基于孪生智能工件的物联车间实时调度方法 | |
CN114708587B (zh) | 一种基于图像识别的数控机床工件加工余量确定方法 | |
CN115690405B (zh) | 一种基于机器视觉的加工轨迹优化方法及相关设备 | |
Müller et al. | Enhancing an intelligent digital twin with a self-organized reconfiguration management based on adaptive process models | |
CN117193226B (zh) | 一种多功能智能工业控制系统及控制方法 | |
Prezas et al. | AI-enhanced vision system for dispensing process monitoring and quality control in manufacturing of large parts | |
CN115358465A (zh) | 船舶焊接定额工时快速预测方法、系统及电子设备、存储介质 | |
US10432800B1 (en) | Apparatus and method for managing three-dimensional printing | |
CN117372433B (zh) | 厚度参数的控制方法、装置、设备及存储介质 | |
CN116985525B (zh) | 一种全自动视觉印刷机的智能管理方法及系统 | |
KR102375880B1 (ko) | 인공지능 모델 기반의 제조 공정에서의 견적 및 설계도 산출 시스템 | |
CN109407630B (zh) | 参数计算的方法、装置、终端及可读存储介质 | |
Fang et al. | An auto-tuning solution to data streams clustering in opencl | |
CN116339145A (zh) | 机台参数调控方法、设备及存储介质 | |
CN114154896B (zh) | 基于mes的智能工厂产品质量监控方法及系统 | |
JP2023516776A (ja) | 製造プロセスのためのシステム、方法及び媒体 | |
US20200202178A1 (en) | Automatic visual data generation for object training and evaluation | |
TWI821666B (zh) | 服務管理系統及服務資訊流程的調適方法 |
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 |