CN117261028A - 一种改性塑料生产自动控制系统和方法 - Google Patents
一种改性塑料生产自动控制系统和方法 Download PDFInfo
- Publication number
- CN117261028A CN117261028A CN202311324486.XA CN202311324486A CN117261028A CN 117261028 A CN117261028 A CN 117261028A CN 202311324486 A CN202311324486 A CN 202311324486A CN 117261028 A CN117261028 A CN 117261028A
- Authority
- CN
- China
- Prior art keywords
- modified plastic
- plastic particles
- preset
- quality
- appearance
- 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.)
- Withdrawn
Links
- 239000004033 plastic Substances 0.000 title claims abstract description 419
- 229920003023 plastic Polymers 0.000 title claims abstract description 419
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims description 49
- 239000002245 particle Substances 0.000 claims abstract description 282
- 238000012545 processing Methods 0.000 claims abstract description 148
- 238000001514 detection method Methods 0.000 claims abstract description 87
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 80
- 239000000203 mixture Substances 0.000 claims abstract description 66
- 238000001816 cooling Methods 0.000 claims abstract description 59
- 238000005520 cutting process Methods 0.000 claims abstract description 58
- 238000010438 heat treatment Methods 0.000 claims abstract description 48
- 238000001125 extrusion Methods 0.000 claims abstract description 44
- 239000002994 raw material Substances 0.000 claims abstract description 33
- 239000000463 material Substances 0.000 claims abstract description 30
- 239000006185 dispersion Substances 0.000 claims abstract description 28
- 238000005070 sampling Methods 0.000 claims abstract description 25
- 238000012797 qualification Methods 0.000 claims abstract description 23
- 238000009826 distribution Methods 0.000 claims description 26
- 239000000178 monomer Substances 0.000 claims description 17
- 230000000877 morphologic effect Effects 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 7
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000000465 moulding Methods 0.000 abstract description 8
- 239000013598 vector Substances 0.000 description 70
- 230000008569 process Effects 0.000 description 25
- 238000012986 modification Methods 0.000 description 12
- 230000004048 modification Effects 0.000 description 12
- 238000012549 training Methods 0.000 description 10
- 238000010792 warming Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 229920000642 polymer Polymers 0.000 description 4
- 229920000426 Microplastic Polymers 0.000 description 3
- 239000004743 Polypropylene Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 229920000515 polycarbonate Polymers 0.000 description 3
- 239000004417 polycarbonate Substances 0.000 description 3
- -1 polypropylene Polymers 0.000 description 3
- 229920001155 polypropylene Polymers 0.000 description 3
- 229920000915 polyvinyl chloride Polymers 0.000 description 3
- 239000004800 polyvinyl chloride Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003063 flame retardant Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000004014 plasticizer Substances 0.000 description 1
- 239000002861 polymer material Substances 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B9/00—Making granules
- B29B9/02—Making granules by dividing preformed material
- B29B9/06—Making granules by dividing preformed material in the form of filamentary material, e.g. combined with extrusion
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/62—Plastics recycling; Rubber recycling
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Processing And Handling Of Plastics And Other Materials For Molding In General (AREA)
- Extrusion Moulding Of Plastics Or The Like (AREA)
Abstract
本说明书实施例提供一种改性塑料生产自动控制系统和方法，该系统包括取料装置、加工仓、混合加温加压装置、冷却成型装置、挤出装置、切割装置、产料接收桶、协作检测装置和处理器；处理器用于：控制取料装置抓取原料塑料和加工剂置入加工仓内；控制混合加温加压装置对原料塑料和加工剂混合并加温加压得到熔融混合物；控制挤出装置将经过冷却成型装置冷却成型的熔融混合物从加工仓挤出，并控制切割装置将其切割成改性塑料颗粒；以及在同一生产批次的每个生产周期，基于至少一次取样获取的改性塑料颗粒的质量特征的分散程度，确定质量平均特征以及质量特征均匀度；基于质量平均特征以及质量特征均匀度中至少一种，确定改性塑料颗粒的合格度。
Description
分案说明
本申请是针对申请日为2023年03月16日，申请号为202310257471.X，发明名称为“一种改性塑料加工系统和方法”的中国申请提出的分案申请。
技术领域
本说明书涉及塑料加工技术领域，特别涉及一种改性塑料生产自动控制系统和方法。
背景技术
高分子塑料产品由于具备优良的力学性能、耐磨性、耐腐蚀性、绝缘性等优点，同时高分子材料的密度又较小，因此在生活和生产中有着越来越广泛的应用。但是在高分子塑料产品的生产过程中，如果不对原料塑料提前进行加工处理，会导致后续生产得到的高分子塑料产品出现诸多瑕疵，例如带有黑点、有严重色差、力学强度差等问题。
因此，有必要提供一种改性塑料生产自动控制方法和系统，以实现对原料塑料的加工处理。
发明内容
本说明书一个或多个实施例提供一种改性塑料生产自动控制系统，所述系统包括：取料装置、加工仓、混合加温加压装置、冷却成型装置、挤出装置、切割装置、产料接收桶、协作检测装置和处理器，所述混合加温加压装置、所述冷却成型装置和所述挤出装置位于所述加工仓内部，所述取料装置和所述切割装置位于所述加工仓外部，所述协作检测装置包括机械手、视觉装置和检测台；所述处理器用于：控制所述取料装置分别抓取原料塑料以及加工剂，置入所述加工仓内；控制所述混合加温加压装置基于混合参数对所述原料塑料以及所述加工剂在所述加工仓内进行混合，并基于加温加压参数进行加温加压，得到熔融混合物，所述混合参数包括混合强度和混合时长中至少一种；在所述加工仓内，控制所述冷却成型装置基于冷却参数对所述熔融混合物进行冷却成型，并控制所述挤出装置将冷却成型后的改性塑料条从所述加工仓的出料孔隙挤出；控制所述切割装置对从所述出料孔隙中挤出的所述改性塑料条进行切割，得到改性塑料颗粒，所述产料接收桶用于接收所述改性塑料颗粒；以及在同一生产批次的每个生产周期，基于至少一次取样获取的所述改性塑料颗粒的质量特征的分散程度，确定质量平均特征以及质量特征均匀度；所述至少一次取样中的每次取样包括：控制所述协作检测装置通过所述机械手从所述产料接收桶中随机抓取若干数量的所述改性塑料颗粒，放置于所述检测台，通过所述检测台底部部署的压力传感器，测量出本次抓取的所述改性塑料颗粒的总重量；控制所述检测台基于预设振动参数进行振动，使所述改性塑料颗粒在所述检测台中分散开；通过所述视觉装置对所述检测台进行拍照，得到包含所述改性塑料颗粒的图像数据；基于所述图像数据，确定本次取样的所述改性塑料颗粒的总数量；基于所述改性塑料颗粒的所述总重量和所述总数量，确定本次取样的所述改性塑料颗粒的所述质量特征；基于所述质量平均特征以及所述质量特征均匀度中至少一种，确定所述改性塑料颗粒的合格度。
本说明书一个或多个实施例提供一种改性塑料生产自动控制方法，所述方法由改性塑料加工系统的处理器执行，所述改性塑料加工系统包括取料装置、加工仓、混合加温加压装置、冷却成型装置、挤出装置、切割装置、产料接收桶、协作检测装置和所述处理器，所述协作检测装置包括机械手、视觉装置和检测台；所述方法包括：控制所述取料装置分别抓取原料塑料以及加工剂，置入所述加工仓内；控制所述混合加温加压装置基于混合参数对所述原料塑料以及所述加工剂在所述加工仓内进行混合，并基于加温加压参数进行加温加压，得到熔融混合物，所述混合参数包括混合强度和混合时长中至少一种；在所述加工仓内，控制所述冷却成型装置基于冷却参数对所述熔融混合物进行冷却成型，并控制所述挤出装置将冷却成型后的改性塑料条从所述加工仓的出料孔隙挤出；控制所述切割装置对从所述出料孔隙中挤出的所述改性塑料条进行切割，得到改性塑料颗粒，所述产料接收桶用于接收所述改性塑料颗粒；以及在同一生产批次的每个生产周期，基于至少一次取样获取的所述改性塑料颗粒的质量特征的分散程度，确定质量平均特征以及质量特征均匀度；所述至少一次取样中的每次取样包括：控制所述协作检测装置通过所述机械手从所述产料接收桶中随机抓取若干数量的所述改性塑料颗粒，放置于所述检测台，通过所述检测台底部部署的压力传感器，测量出本次抓取的所述改性塑料颗粒的总重量；控制所述检测台基于预设振动参数进行振动，使所述改性塑料颗粒在所述检测台中分散开；通过所述视觉装置对所述检测台进行拍照，得到包含所述改性塑料颗粒的图像数据；基于所述图像数据，确定本次取样的所述改性塑料颗粒的总数量；基于所述改性塑料颗粒的所述总重量和所述总数量，确定本次取样的所述改性塑料颗粒的所述质量特征；基于所述质量平均特征以及所述质量特征均匀度中至少一种，确定所述改性塑料颗粒的合格度。
本说明书一个或多个实施例提供一种改性塑料生产自动控制装置，所述装置包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如上述实施例任意一项所述的改性塑料生产自动控制方法。
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，当所述计算机指令被处理器执行时实现如上述实施例任意一项所述的改性塑料生产自动控制方法。
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改性塑料加工系统的示例性示意图；
图2是根据本说明书一些实施例所示的改性塑料加工方法的示例性流程图；
图3是根据本说明书一些实施例所示的确定改性塑料颗粒的合格度的示例性流程图；
图4是根据本说明书一些实施例所示的外观特征确定模型的示例性示意图；
图5是根据本说明书一些实施例所示的确定预设开合度、预设挤出速度和预设切割速度的示例性示意图。
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改性塑料加工系统的示例性示意图。如图1所示，改性塑料加工系统100可以包括取料装置110、加工仓120、混合加温加压装置130、冷却成型装置140、挤出装置150、切割装置160、产料接收桶170和处理器180。
取料装置110可以是用于抓取原料塑料和加工剂的装置设备。在一些实施例中，取料装置110可以位于加工仓120外部。在一些实施例中，取料装置110可以分别抓取原料塑料以及加工剂置入加工仓120内。关于取料装置抓取原料塑料以及加工剂的更多内容可以参见步骤210及其相关描述。
加工仓120可以是为原料塑料和加工剂的改性加工提供场所的装置设备。在一些实施例中，加工仓120内部可以包括混合加温加压装置130、冷却成型装置140和挤出装置150。在一些实施例中，可以在加工仓120内对原料塑料和加工剂进行混合、加温加压、挤出以及冷却成型的操作。
混合加温加压装置130可以是用于对原料塑料和加工剂进行混合，同时进行加温加压的装置设备。在一些实施例中，混合加温加压装置可以基于混合参数对原料塑料和加工剂进行混合，并基于加温加压参数进行加温加压，得到熔融混合物。关于得到熔融混合的更多内容可以参见步骤220及其相关描述。
冷却成型装置140可以是对熔融混合物进行冷却成型的装置设备。在一些实施例中，冷却成型装置140可以对熔融混合物进行挤出并冷却成型得到改性塑料条。关于得到改性塑料条的更多内容可以参见步骤230及其相关描述。
挤出装置150可以是用于对改性塑条进行挤出的装置设备。在一些实施例中，挤出装置150可以将冷却成型后的改性塑料条从加工仓120的出料空隙中挤出。
切割装置160可以是用于对改性塑料条进行切割的装置设备。在一些实施例中，切割装置160可以位于加工仓120外部。在一些实施例中，切割装置160可以对从加工仓的出料孔隙中挤出的改性塑料条进行切割，得到改性塑料颗粒。关于得到改性塑料颗粒的更多内容可以参见步骤240及其相关描述。
产料接收桶170可以是用于接收改性塑料颗粒的接收桶。在一些实施例中，不同生产批次的改性塑料颗粒可以用不同的产料接收桶进行接收。
处理器180可以用于处理与改性塑料加工系统100有关的信息和/数据。处理器180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，处理器180可以控制改性塑料加工系统100中的各个部分执行相关指令。例如，处理器180可以控制取料装置110分别抓取原料塑料以及加工剂，置入所述加工仓120内。
在一些实施例中，处理器180可以包含一个或多个子处理设备(例如，单核处理设备或多核多芯处理设备)。仅作为示例，处理器180可以包括中央处理器(CPU)等。在一些实施例中，处理器180可以是单个服务器或服务器组。在一些实施例中，处理器180可以是本地的、远程的。例如，处理器180可以部署在加工仓120附近或者距离加工仓120较远距离。
图2是根据本说明书一些实施例所示的改性塑料加工方法的示例性流程图。如图2所示，流程200包括下述步骤。在一些实施例中，流程200可以由处理器执行。
步骤210，控制取料装置分别抓取原料塑料以及加工剂，置入加工仓内。关于取料装置和加工仓的更多内容可以参见图1及其相关描述。
原料塑料是指需要进行改性加工的塑料。例如，原料塑料可以包括但不限于聚丙烯、聚氯乙烯和聚碳酸酯等。
加工剂是指改性加工过程中加入的其他材料。例如，加工剂可以包括但不限于稳定剂、增塑剂和阻燃剂等。
在一些实施例中，取料装置可以通过多种方式抓取原料塑料和加工剂置入加工仓内。例如，取料装置可以通过负压吸取的方式抓取原料塑料和加工剂置于加工仓内。
步骤220，控制混合加温加压装置基于混合参数对原料塑料以及加工剂在加工仓内进行混合，并基于加温加压参数进行加温加压，得到熔融混合物。关于加温加压装置的更多内容可以参见图1及其相关描述。
混合参数是指与原料塑料和加工剂混合时有关的参数信息。在一些实施例中，混合参数可以包括混合强度和混合时长中至少一种。
混合强度是指与原料塑料和加工剂混合的程度有关的参数。例如，混合强度可以包括但不限于混合速度、混合功率等。
混合时长是指原料塑料和加工剂混合的时间长度。
在一些实施例中，处理器可以通过多种方式确定混合参数。例如，可以基于原料塑料和加工剂的种类、质量比等，通过经验确定混合参数。
在一些实施例中，混合参数可以基于原料塑料与加工剂的添加量配比、单体体积比和单体质量比中的至少一种确定。
原料塑料与加工剂的添加量配比是指原料塑料与加工剂混合时，两者的总质量比。例如，质量为M1的原料塑料与质量为M2的加工剂进行混合，原料塑料与加工剂的添加量配比为M1：M2。
单体体积比是指单个原料塑料颗粒和单个加工剂颗粒的体积比。例如，单个原料塑料颗粒的体积为V1，单个加工剂颗粒的体积为V2，则单体体积比为V1：V2。
单体质量比是指单个原料塑料颗粒和单个加工剂颗粒的质量比。例如，单个原料塑料颗粒的质量为m1，单个加工剂颗粒的质量为m2，则单体质量比为m1：m2。
在一些实施例中，处理器可以通过多种方式基于原料塑料与加工剂的添加量配比、单体体积比和单体质量比中的至少一种确定混合参数。例如，处理器可以通过原料塑料与加工剂的添加量配比、单体体积比和单体质量比，基于预设数据对照表确定混合参数。其中，预设数据对照表中记录有不同的原料塑料与加工剂的添加量配比、单体体积比和单体质量比等对应的优选混合参数。预设数据对照表可以基于先验知识或历史数据预设得到。
在一些实施例中，混合参数可以在同一批次生产中的不同生产周期中实时调整。其中，实时调整的调整量相关于同一批次中之前生产周期中生产出来的改性塑料颗粒的质量特征均匀度。关于质量特征均匀度的更多内容可以参见图3及其相关描述。
同一批次是指相同的生产条件。例如，同一批次可以是原料塑料的种类、加工剂的种类和生产的改性塑料的要求等都相同。
生产周期是指产品从开始投产到产出的全部时间。例如，生产周期可以是原料塑料和加工剂从开始投产到产出改性塑料颗粒的全部时间。
在一些实施例中，处理器可以通过预设调整方法实时调整同一批次生产中的不同生产周期的混合参数。在一些实施例中，预设调整方法可以包括：在同一批次中，若之前生产周期生产出的改性塑料颗粒的质量特征均匀度的平均值低于质量特征均匀度阈值，则处理器可以加大混合强度，混合强度的加大值正相关于质量特征均匀度阈值与质量特征均匀度的平均值的差值。在一些实施例中，预设调整方法可以包括：在同一批次中，若之前生产周期生产出的改性塑料颗粒的质量特征均匀度的分散程度低于分散程度阈值，则处理器可以增大混合时长，混合时长的增大值正相关于分散程度阈值与质量特征均匀度的分散程度的差值。其中，质量特征均匀度的分散程度可以通过计算之前多个生产周期的质量特征均匀度的方差确定。例如，多个生产周期的质量特征均匀度的方差越小，则质量特征均匀度的分散程度越小。质量特征均匀度阈值和分散程度阈值可以是默认值、经验值、提前预设值等或其任意组合，可以根据实际需求确定，在此不作限制。
本说明书一些实施例中，由于原料塑料和加工剂通常具有不同的单体体积和密度，因此在确定混合参数时将原料塑料和加工剂的添加量配比、单体体积比和单体质量比纳入考虑，同时再根据同一批次的之前几个生产周期生产得到的改性塑料颗粒的质量特征均匀度，对后续的生产周期的混合参数进行实时的调整，能够有效地提高生产得到的改性塑料颗粒的质量。
在一些实施例中，混合加温加压装置可以通过多种方式对原料塑料和加工剂进行混合。例如，混合加温加压装置可以基于混合时长和混合强度，通过螺杆旋转对原料塑料和加工剂进行混合。
加温加压参数是指与原料塑料和加工剂的加温加压有关的参数。例如，加温加压参数可以包括但不限于加热温度、压力大小、加热时间等。
在一些实施例中，处理器可以通过多种方式确定加温加压参数。例如，可以基于原料塑料和加工剂的重量、质量比等，通过经验确定加温加压参数。
在一些实施例中，处理器可以基于原料塑料的组成分布、加工剂的组成分布中至少一种确定加温加压参数。关于确定加温加压参数的更多内容可以参见图5及其相关描述。
在一些实施例中，加温加压装置可以通过多种方式对混合后的原料塑料和加工剂进行加温加压。例如，加温加压装置可以基于加热时间和加热温度，通过电阻进行加温，基于压力大小，通过螺杆旋转进行加压。
熔融混合物是指处于熔融状态的混合物。例如，熔融混合物可以是处于熔融状态的原料塑料和加工剂的混合物。
步骤230，在加工仓内，控制冷却成型装置基于冷却参数对熔融混合物进行冷却成型，并控制挤出装置将冷却成型后的改性塑料条从加工仓的出料孔隙挤出。关于冷却成型装置、挤出装置的更多内容可以参见图1及其相关描述。
冷却参数是指与熔融混合物的冷却有关的参数。例如，冷却参数可以包括但不限于冷却温度、冷却时间等。
在一些实施例中，处理器可以通过多种方式确定冷却参数。例如，可以基于原料塑料的种类、熔融混合物的质量、熔融混合物的温度等，通过经验确定冷却参数。
在一些实施例中，处理器可以基于原料塑料的组成分布、加工剂的组成分布中至少一种确定冷却参数。关于确定冷却参数的更多内容可以参见图5及其相关描述。
在一些实施例中，冷却成型装置可以通过多种方式对熔融混合物进行冷却成型。例如，冷却成型装置可以先将熔融混合物挤出成条状，再通过水冷的方式对其进行冷却，得到改性塑料条。
改性塑料条是指经挤出冷却成型处理后的改性塑料。例如，改性塑料条可以包括但不限于经挤出冷却成型处理后的聚丙烯塑料条、聚氯乙烯塑料条和聚碳酸酯塑料条等。
出料孔隙是指加工仓上用于挤出物料的孔隙。例如，加工仓出料孔隙可以是用于挤出改进塑料条的孔隙。
步骤240，控制切割装置对从出料孔隙中挤出的改性塑料条进行切割，得到改性塑料颗粒。关于切割装置的更多内容可以参见图1及其相关描述。
在一些实施例中，切割装置可以通过多种方式对改性塑料条进行切割。例如，切割装置可以利用旋转刀头对改性塑料条进行切割。
改性塑料颗粒是指经过改性加工处理的塑料颗粒。例如，改性塑料颗粒可以包括但不限于经过改性加工处理的聚丙烯颗粒、聚氯乙烯颗粒和聚碳酸酯颗粒等。
在一些实施例中，产料接收桶可以用于接收改性塑料颗粒。关于产料接收桶的更多内容可以参见图1及其相关描述。
本说明书一些实施例中，通过混合加温加压装置、冷却成型装置、挤出装置和切割装置对原料塑料进行改性加工，得到的改性塑料颗粒在形状、体积、颜色等方面更加均匀，并且可以在改性加工过程中通过添加不同种类的加工剂，使改性塑料颗粒具有不同的特性。
图3是根据本说明书一些实施例所示的确定改性塑料颗粒的合格度的示例性流程图。如图3所示，流程300包括下述步骤。在一些实施例中，流程300可以由处理器执行。
在一些实施例中，改性塑料加工系统100还可以包括协作检测装置。
协作检测装置可以是用于对经过塑料加工系统加工后得到的改性塑料颗粒进行质量检测的装置设备。
在一些实施例中，协作检测装置可以包括机械手、视觉装置和检测台。
机械手可以是用于从产料接收桶中抓取改性塑料颗粒的装置设备。例如，机械手可以包括但不限于液压驱动式机械手、气压驱动式机械手等。
视觉装置可以是用于对检测台进行拍摄的装置设备。例如，视觉装置可以包括但不限于摄像头等。
检测台是指用于放置待检测的改性塑料颗粒的装置设备。在一些实施例中，检测台上可以安装有压力传感器等。在一些实施例中，检测台底部可以开合和关闭，检测台底部可以和产料接收桶连接。
在一些实施例中，处理器可以在同一生产批次的每个生产周期，控制协作检测装置对改性塑料颗粒进行均匀度检测。关于生产批次和生产周期的更多内容可以参见步骤220及其相关描述。
均匀度检测是指针对改性塑料颗粒的均匀程度进行的检测。在一些实施例中，均匀度检测可以包括外观均匀度检测。
外观均匀度检测是指对改性塑料的外观形态的均匀程度进行的检测。
在一些实施例中，均匀度检测还包括质量均匀度检测。关于质量均匀度检测的更多内容可以参见后文相关描述。
在一些实施例中，处理器控制协作检测装置对改性塑料颗粒进行外观均匀度检测的具体过程可以参见步骤310及其相关描述。
步骤310，基于至少一次取样获取的改性塑料颗粒的外观特征的分散程度，确定改性塑料颗粒的外观质量特征。
改性塑料颗粒的外观特征是指与改性塑料颗粒的外观形态有关的特征。例如，改性塑料颗粒的外观特征可以包括但不限于改性塑料颗粒的体积大小、形状、颜色、是否存在外观异常等。
外观异常是指与改性塑料颗粒的外观形态有关的异常。例如，外观异常可以包括但不限于多个改性塑料颗粒连接在一起、改性塑料颗粒表面有黑点、改性塑料颗粒颜色有严重色差等。
在一些实施例中，改性塑料颗粒的外观特征可以用向量形式表示。例如，改性塑料颗粒的外观特征可以表示为(f，g，h)。其中，f代表改性塑料颗粒的体积大小；g代表改性塑料颗粒的颜色与标准颜色的差值；h代表改性塑料颗粒的形状与标准形状的差值。标准颜色、标准形状可以基于改性塑料颗粒的生产要求提前设定。
在一些实施例中，处理器可以通过多种方式确定改性塑料颗粒的外观特征。例如，可以基于改性塑料颗粒的外观形态等，通过经验确定改性塑料颗粒的外观特征。
在一些实施例中，处理器可以通过步骤311～步骤314确定外观均匀度检测中至少一次取样中的每次取样获取的改性塑料颗粒的外观特征。
步骤311，控制协作检测装置通过机械手从产料接收桶中随机抓取若干数量的改性塑料颗粒，放置于检测台。
在一些实施例中，机械手可以通过多种方式从产料接收桶中随机抓取若干数量的改性塑料颗粒。例如，机械手可以通过等距随机抽样的方法从产料接收桶中随机抓取若干数量的改性塑料颗粒。
步骤312，执行预设采集次数的图像采集操作。
预设采集次数是指与图像采集操作执行次数有关的参数。在一些实施例中，处理器可以通过多种方式确定预设采集次数。例如，预设采集次数可以是默认值、经验值、提前预设值等或其任意组合，可以根据实际需求确定，在此不作限制。
在一些实施例中，图像采集操作可以包括：处理器控制检测台基于预设振动参数进行振动，使改性塑料颗粒在检测台中散开；控制视觉装置对检测台进行拍照，以获取包含改性塑料颗粒的图像数据。
预设振动参数是指与检测台的振动有关的参数。例如，预设振动参数可以包括但不限于振动的频率、振动的幅度、振动的时长等。
在一些实施例中，处理器可以通过多种方式确定预设振动参数。例如，预设振动参数可以是默认值、经验值、提前预设值等或其任意组合，可以根据实际需求确定，在此不作限制。
在一些实施例中，预设振动参数和预设采集次数相关于改性塑料颗粒的质量以及改性塑料颗粒的光滑度。
改性塑料颗粒的质量是指改性塑料颗粒的重量大小。例如，改性塑料颗粒的质量可以是m。
改性塑料颗粒的光滑度是指改性塑料颗粒表面的光滑程度。其中，改性塑料颗粒的光滑度可以用0～1之间的实数表示，数值越大，代表改性塑料颗粒表面的光滑程度越大。
在一些实施例中，改性塑料颗粒的质量越大和/或改性塑料颗粒的光滑度越小，预设振动参数的振动幅度和振动时长越大，预设采集次数越大。
本说明书一些实施例中，由于改性塑料颗粒的质量和光滑度会影响改性塑料颗粒被振动后，其姿态的变换概率(例如，改性塑料颗粒原先的底面经过振动后变为侧面或顶面)。改性塑料颗粒的光滑度越小，即粗糙程度越大，改性塑料颗粒越不容易变换姿态，因此需要更大的振动幅度和更长的振动时长以增加改性塑料颗粒的变换概率，同时增大预设采集次数，以便消除由于振动过程中改性塑料颗粒的姿态未发生变化而产生的测量误差。
在一些实施例中，检测台可以通过多种方式进行振动。例如，检测台可以通过自动振动的方式进行振动。
图像数据是指视觉装置获取的相关数据信息。例如，图像数据可以包括视觉装置拍摄的包含改性塑料颗粒的图像。
在一些实施例中，视觉装置可以通过多种方式获取图像数据。例如，视觉装置可以通过摄像头对检测台进行拍摄获取图像数据。在一些实施例中，视觉装置可以通过单个角度或多个角度进行拍摄获取图像数据。在一些实施例中，视觉装置可以在不同时刻多次拍摄获取图像数据。
步骤313，基于预设采集次数采集的图像数据，确定本次取样的改性塑料颗粒的外观特征。
在一些实施例中，处理器可以通过多种方式基于图像数据确定本次取样的改性塑料颗粒的外观特征。例如，可以基于图像数据，根据经验确定本次取样的改性塑料颗粒的外观特征。
在一些实施例中，处理器可以通过外观特征确定模型对图像数据进行处理，确定本次取样的改性塑料颗粒的外观特征。关于基于外观特征确定模型确定本次取样的改性塑料颗粒的外观特征的更多内容可以参见图4及其相关描述。
步骤314，将检测台底部开放，使本次取样的改性塑料颗粒回流至产料接收桶中。
基于前述方式可以获取本次取样的改性塑料颗粒的外观特征，在一些实施例中，处理器可以基于至少一次取样获取的改性塑料颗粒的外观特征，确定改性塑料颗粒的外观特征的分散程度，并进一步基于至少一次取样获取的改性塑料颗粒的外观特征的分散程度，确定改性塑料颗粒的外观质量特征。
外观特征的分散程度是指与改性塑料颗粒的外观特征的均匀程度有关的参数信息。其中，外观特征的分散程度可以用0～1之间的实数表示，数值越小，代表改性塑料颗粒的外观特征越均匀。
在一些实施例中，处理器可以通过多种方式确定改性塑料颗粒的外观特征的分散程度。例如，处理器可以通过计算多次取样获取的多个外观特征的方差，确定改性塑料颗粒的外观特征的分散程度。多次取样获取的多个外观特征的方差越小，改性塑料颗粒的外观特征的分散程度越小。
外观质量特征是指用于总体反映改性塑料颗粒的外观特征的参数信息。在一些实施例中，外观质量特征可以包括外观平均特征、外观特征均匀度中至少一种。
外观平均特征是指多个改性塑料颗粒的外观特征的平均值。
在一些实施例中，处理器可以通过多种方式确定外观平均特征。例如，处理器可以将多次取样获取的多个改性塑料颗粒的外观特征求均值，得到改性塑料颗粒的外观平均特征。
外观特征均匀度是指多个改性塑料颗粒的外观特征的均匀程度。其中，外观特征均匀度可以用0～1之间的实数表示，数值越大，代表多个改性塑料颗粒的外观特征的均匀程度越高。
在一些实施例中，处理器可以通过多种方式确定外观特征均匀度。例如，处理器可以计算多次取样获取的多个改性塑料颗粒的外观特征的方差，再求方差的倒数得到改性塑料颗粒的外观特征均匀度。
步骤320，至少基于改性塑料颗粒的外观质量特征，确定改性塑料颗粒的合格度。
改性塑料颗粒的合格度是指生产的改性塑料颗粒满足生产要求的程度。
在一些实施例中，处理器可以通过多种方式确定改性塑料颗粒的合格度。例如，处理器可以计算改性塑料颗粒的外观平均特征与预设外观特征之间的向量距离，距离越小，改性塑料颗粒的合格度越大。其中，预设外观特征可以基于改性塑料颗粒的生产要求提前设定。向量距离可以包括但不限于余弦距离、欧氏距离、马氏距离等。又例如，改性塑料颗粒的外观特征均匀度越大，改性塑料颗粒的合格度越高。关于预设外观特征的更多内容可以参见图5及其相关描述。
本说明书一些实施例中，通过协作检测装置对每个生产周期生产的改性塑料颗粒进行随机取样检测其外观特征的分散程度，从而确定改性塑料颗粒的合格度，不仅能够随时对生产的改性塑料颗粒进行质量监测，还能够基于该生产周期得到的改性塑料颗粒的合格度对后续的生产周期的加工参数进行适当的调整，以提高整个生产批次的改性塑料颗粒的合格度。
在一些实施例中，改性塑料颗粒的合格度还相关于质量平均特征以及质量特征均匀度。
质量平均特征是指多个改性塑料颗粒的质量特征的平均值。关于改性塑料颗粒的质量特征的更多内容可以参见下文相关描述。
在一些实施例中，处理器可以通过多种方式确定质量平均特征。例如，处理器可以将多次取样获取的多个改性塑料颗粒的质量特征求均值，得到改性塑料颗粒的质量平均特征。
质量特征均匀度是指多个改性塑料颗粒的质量特征的均匀程度。其中，质量特征均匀度可以用0～1之间的实数表示，数值越大，代表多个改性塑料颗粒的质量特征的均匀程度越高。
在一些实施例中，处理器可以通过多种方式确定质量特征均匀度。例如，处理器可以计算多次取样获取的多个改性塑料颗粒的质量特征的方差，再求方差的倒数得到改性塑料颗粒的质量特征均匀度。
在一些实施例中，改性塑料颗粒的质量特征均匀度越大，改性塑料颗粒的合格度越高。改性塑料颗粒的质量平均特征与预设质量特征之间的向量距离越小，改性塑料颗粒的合格度越高。其中，预设质量特征可以基于改性塑料颗粒的生产要求提前设定。关于确定质量平均特征与预设质量特征之间的向量距离的方式可以参见上述确定外观平均特征与预设外观特征之间的向量距离的方式。
在一些实施例中，处理器可以基于质量均匀度检测确定质量平均特征以及质量特征均匀度。在一些实施例中，质量均匀度检测可以包括：基于至少一次取样获取的改性塑料颗粒的质量特征的分散程度，确定质量平均特征以及所述质量特征均匀度。
改性塑料颗粒的质量特征是指与改性塑料颗粒的重量有关的特征。例如，改性塑料颗粒的质量特征可以包括但不限于改性塑料颗粒的总数量和总重量等。
在一些实施例中，改性塑料颗粒的质量特征可以用向量形式表示。例如，改性塑料颗粒的质量特征可以表示为(c，d)。其中，c表示本次取样的改性塑料颗粒的总数量；d表示本次取样的改性塑料颗粒的总重量。
质量特征的分散程度是指与改性塑料颗粒的质量特征的均匀程度有关的参数信息。其中，质量特征的分散程度可以用0～1之间的实数表示，数值越小，代表改性塑料颗粒的质量特征越均匀。
在一些实施例中，处理器可以通过多种方式确定改性塑料颗粒的质量特征的分散程度。例如，处理器可以通过计算多次取样获取的多个质量特征的方差，确定改性塑料颗粒的质量特征的分散程度。多次取样获取的多个质量特征的方差越小，改性塑料颗粒的质量特征的分散程度越小。
在一些实施例中，质量均匀度检测中，至少一次取样中的每次取样包括：控制协作检测装置通过机械手从产料接收桶中随机抓取若干数量的改性塑料颗粒，放置于检测台，通过检测台底部部署的压力传感器，测量出本次抓取的改性塑料颗粒的总重量；控制检测台基于预设振动参数进行振动，使改性塑料颗粒在检测台中分散开；通过视觉装置对检测台进行拍照，得到包含改性塑料颗粒的图像数据；基于图像数据，确定本次取样的改性塑料颗粒的总数量；基于改性塑料颗粒的总重量和总数量，确定本次取样的改性塑料颗粒的质量特征。关于随机抓取、预设振动参数、图像数据的更多内容可以参见前文相关描述。
压力传感器是指用于测量所受压力大小的装置。例如，压力传感器可以包括但不限于电容式压力传感器、压电式压力传感器、压阻式压力传感器等。
在一些实施例中，处理器可以通过多种方式确定本次抓取的改性塑料颗粒的总重量。例如，处理器可以将检测台上压力传感器测得的压力值作为本次抓取的改性塑料颗粒的总重量。
在一些实施例中，处理器可以通过多种方式确定本次取样的改性塑料颗粒的总数量。例如，处理器可以通过数量确定模型对图像数据进行处理，确定本次取样的改性塑料颗粒的总数量。其中，数量确定模型可以包括神经网络模型、卷积神经网络模型等中的一种或其任意组合。
在一些实施例中，处理器可以通过多种方式确定本次取样的改性塑料颗粒的质量特征。例如，处理器可以将本次取样的改性塑料颗粒的总数量和总重量输入嵌入层进行处理，得到本次取样的改性塑料颗粒的质量特征。
本说明书一些实施例中，通过协作检测装置随机取样确定改性塑料颗粒的质量特征，基于多次取样确定本次生产周期的改性塑料颗粒的合格度，避免了仅依靠改性塑料颗粒的外观质量特征确定其合格度的局限性，使得最终确定的改性塑料的合格度更加准确，也为后续对于同一批次的其他生产周期的加工参数的调整提供了依据。
应当注意的是，上述有关流程200和流程300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200和流程300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。
图4是根据本说明书一些实施例所示的外观特征确定模型的示例性示意图。
在一些实施例中，处理器可以通过外观特征确定模型420对图像数据410进行处理，确定改性塑料颗粒的外观特征450。
外观特征确定模型420可以是用于确定改性塑料颗粒的外观特征的机器学习模型。例如，外观特征确定模型可以包括神经网络(Neural Networks,NN)模型、卷积神经网络(Convolutional Neural Networks,CNN)模型等中的一种或其任意组合。
在一些实施例中，外观特征确定模型420的输入可以包括图像数据410；输出可以包括改性塑料颗粒的外观特征450。关于改性塑料颗粒的外观特征、图像数据的更多内容可以参见图3及其相关描述。
在一些实施例中，外观特征确定模型420还可以包括对象检测层421和外观特征识别层422。
对象检测层421是指用于确定对象框以及对象框分类的机器学习模型。在一些实施例中，对象检测层421可以包括深度神经网络模型等。
在一些实施例中，对象检测层421的输入可以包括图像数据410；输出可以包括至少一个包含改性塑料颗粒的对象框430和对象框分类440。
包含改性塑料颗粒的对象框430是指包含改性塑料颗粒的图像框。
对象框分类是指对象框的种类。例如，对象框分类可以包括包含单颗改性塑料颗粒的对象框、包含多颗改性塑料颗粒的对象框等。
外观特征识别层422可以是用于确定改性塑料颗粒的外观特征的机器学习模型。在一些实施例中，外观特征识别层422可以包括深度神经网络模型等。
在一些实施例中，外观特征识别层422的输入可以包括至少一个包含改性塑料颗粒的对象框430和对象框分类440；输出可以包括对象框中的改性塑料颗粒的外观特征450。
在一些实施例中，外观特征识别层422的输入还可以包括预设开合度460、预设挤出速度470和预设切割速度480。
预设开合度是指加工仓的出料孔隙的开合度。
预设挤出速度是指挤出装置将改性塑料条从出料孔隙中挤出的速度。例如，预设挤出速度可以是va厘米每秒。
预设切割速度是指切割装置对改性塑料条的切割速度。例如，预设切割速度可以旋转刀头的转速为vb转每分钟。
在一些实施例中，处理器可以通过多种方式确定预设开合度、预设挤出速度和预设切割速度。例如，预设开合度、预设挤出速度和预设切割速度可以是默认值、经验值、提前预设值等或其任意组合，可以根据实际需求确定，在此不作限制。
在一些实施例中，处理器还可以基于原料塑料的组成分布、加工剂的组成分布、加温加压参数、冷却参数以及当前生产批次对应的改性塑料颗粒的形态需求，确定预设开合度、预设挤出速度和预设切割速度。关于确定预设开合度、预设挤出速度和预设切割速度的更多内容可以参见图5及其相关描述。
本说明书一些实施例中，若只将图像数据作为外观特征确定模型的输入，无论是单个角度或多个角度拍摄得到的图像数据，可能都无法保证能够通过外观特征确定模型准确的识别出体积、形状等外观特征。而预设开合度、预设挤出速度和预设切割速度一定程度上可以从宏观上决定改性塑料颗粒的形态。因此，将预设开合度、预设挤出速度和预设切割速度作为外观特征确定模型的输入，可以提高最后得到的外观特征的准确性。
在一些实施例中，对象检测层421和外观特征识别层422可以联合训练得到。
在一些实施例中，联合训练的第一训练样本可以包括样本改性塑料颗粒的样本图像数据，第一标签可以包括样本改性塑料颗粒的外观特征。其中，样本图像数据可以通过对样本改性塑料颗粒拍摄获得；第一标签可以基于样本改性塑料颗粒的形态(体积、形状等)人工标注获得。
在一些实施例中，将样本图像数据输入初始对象检测层，得到初始对象检测层输出的至少一个包含改性塑料颗粒的对象框和对象框分类；将至少一个包含改性塑料颗粒的对象框和对象框分类作为训练样本，输入初始外观特征识别层，得到初始外观特征识别层输出的改性塑料颗粒的外观特征。基于样本改性塑料颗粒的样本外观特征和初始外观特征识别层输出的改性塑料颗粒的外观特征构建损失函数，基于损失函数同步迭代更新初始对象检测层和初始外观特征识别层的参数。当损失函数满足第一预设条件时，模型训练完成，得到训练好的对象检测层和外观特征识别层。其中，第一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，样本还可以包括样本改性塑料颗粒生产时对弈的样本开合度、样本挤出速度和样本切割速度。
本说明书一些实施例中可以看到，众多特征都可能在一定程度上反映改性塑料颗粒的外观特征。但很多时候有些特征并没有有效的能产生作用的值，很多时候可用的特征值又不足以单独或通过简单的规则来确定改性塑料颗粒的外观特征。因此，使用外观特征确定模型，可以基于大量的、广泛的特征确定改性塑料颗粒的外观特征，打破传统基于规则确定改性塑料颗粒的外观特征的局限。基于规则的方式，受其复杂度的局限，只能基于较少的特征，而且受人为规定规则的限制。而基于机器学习技术进行预测，可以基于更多、更丰富的特征，可以使所确定的改性塑料颗粒的外观特征具有更高的准确度，同时提高了确定的效率。
图5是根据本说明书一些实施例所示的确定预设开合度、预设挤出速度和预设切割速度的示例性示意图。
在一些实施例中，处理器可以基于原料塑料的组成分布510、加工剂的组成分布520中至少一种确定加温加压参数530和/或冷却参数540。
组成分布是指各组分的类型以及质量比。例如，加工剂的组成分布可以是加工剂A的质量：加工剂B的质量：加工剂C的质量＝mA：mB：mC。
在一些实施例中，处理器可以通过多种方式基于原料塑料的组成分布、加工剂的组成分布中至少一种确定加温加压参数和/或冷却参数。例如，处理器可以基于原料塑料的组成分布和加工剂的组成分布中至少一种构建第一目标向量；基于第一目标向量，通过第一向量数据库确定第一关联向量；将第一关联向量对应的参考加温加压参数和/或参考冷却参数确定为第一目标向量对应的加温加压参数和/或冷却参数。
第一目标向量是指基于原料塑料的组成分布和加工剂的组成分布中至少一种构建的向量。构建第一目标向量的方式可以有多种。例如，处理器可以将原料塑料的组成分布和加工剂的组成分布中至少一种输入嵌入层进行处理，得到第一目标向量。
第一向量数据库中包含多个第一参考向量，以及多个第一参考向量中的每一个第一参考向量存在对应的参考温加压参数和/或参考冷却参数。
第一参考向量是指基于历史时间段内生产时的原料塑料的历史组成分布和加工剂的历史组成分布中至少一种构建的向量，第一参考向量对应的参考加温加压参数和/或参考冷却参数可以是历史时间段内生产出的改性塑料颗粒的合格度较高的情况下对应的历史加温加压参数和/或历史冷却参数。第一参考向量的构建方式可以参见上述第一目标向量的构建方式。关于改性塑料颗粒的合格度的更多内容可以参见图3及其相关描述。
在一些实施例中，处理器可以分别计算第一参考向量与第一目标向量之间的向量距离，确定第一目标向量的加温加压参数和/或冷却参数。例如，将与第一目标向量之间的向量距离满足第二预设条件的第一参考向量作为第一关联向量，将第一关联向量对应的参考加温加压参数和/或参考冷却参数作为第一目标向量对应的加温加压参数和/或冷却参数。第二预设条件可以根据情况设定。例如，第二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。向量距离可以包括但不限于余弦距离、马氏距离、欧氏距离等。
在一些实施例中，加工仓的出料孔隙具有预设开合度，挤出装置可以基于预设挤出速度将冷却成型后的改性塑料条从加工仓的出料孔隙中挤出，切割装置可以基于预设切割速度对从加工仓的出料孔隙中挤出的改性塑料条进行切割。关于预设开合度、预设挤出速度和预设切割速度的更多内容可以参见图4及其相关描述。
在一些实施例中，处理器可以基于原料塑料的组成分布510、加工剂的组成分布520、加温加压参数530、冷却参数540以及当前生产批次对应的改性塑料颗粒的形态需求550，确定预设开合度460、预设挤出速度470和预设切割速度480。
形态需求是指与改性塑料颗粒的形态参数有关的需求。例如，形态需求可以包括但不限于改性塑料颗粒的体积大小、颜色、形状等。
在一些实施例中，形态需求可以包括改性塑料颗粒的预设外观特征。
预设外观特征是指与改性塑料颗粒的外观形态有关的参数。例如，预设外观特征可以包括但不限于改性塑料颗粒的体积大小、颜色、形状等。
在一些实施例中，处理器可以通过多种方式确定预设外观特征。例如，可以基于改性塑料颗粒的生产要求，通过经验确定预设外观特征。又例如，处理器可以通过改性塑料颗粒的生产要求，基于预设数据对照表确定预设外观特征。其中，预设数据对照表中记录有不同的改性塑料颗粒的不同的生产要求对应的预设外观特征。预设数据对照表可以基于先验知识或历史数据预设得到。
在一些实施例中，处理器可以通过多种方法确定预设开合度、预设挤出速度和预设切割速度。例如，处理器可以基于原料塑料的组成分布、加工剂的组成分布、加温加压参数、冷却参数以及当前生产批次对应的改性塑料颗粒的形态需求构建第二目标向量；基于第二目标向量，通过第二向量数据库确定第二关联向量；将第二关联向量对应的参考预设开合度、参考预设挤出速度和参考预设切割速度确定为第二目标向量对应的预设开合度、预设挤出速度和预设切割速度。
第二目标向量是指基于原料塑料的组成分布、加工剂的组成分布、加温加压参数、冷却参数以及当前生产批次对应的改性塑料颗粒的形态需求构建的向量。第二目标向量的构建方式可以参见上述第一目标向量的构建方式。
第二向量数据库中包含多个第二参考向量，以及多个第二参考向量中的每一个第二参考向量存在对应的参考预设开合度、参考预设挤出速度和参考预设切割速度。
第二参考向量是指基于历史时间段内生产时的原料塑料的历史组成分布、加工剂的历史组成分布、历史加温加压参数、历史冷却参数以及历史当前生产批次对应的改性塑料颗粒的历史形态需求构建的向量；第二参考向量对应的参考预设开合度、参考预设挤出速度和参考预设切割速度可以是历史时间段内生产出的改性塑料颗粒的合格度较高的情况下对应的历史预设开合度、历史预设挤出速度和历史预设切割速度。第二参考向量的构建方式可以参见上述第一目标向量的构建方式。关于改性塑料颗粒的合格度的更多内容可以参见图3及其相关描述。
在一些实施例中，处理器可以分别计算第二参考向量与第二目标向量之间的向量距离，确定第二目标向量的预设开合度、预设挤出速度和预设切割速度。例如，将与第二目标向量之间的向量距离满足第三预设条件的第二参考向量作为第二关联向量，将第二关联向量对应的参考预设开合度、参考预设挤出速度和参考预设切割速度作为第二目标向量对应的预设开合度、预设挤出速度和预设切割速度。第三预设条件可以根据情况设定。例如，第三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。向量距离可以包括但不限于余弦距离、马氏距离、欧氏距离等。
在一些实施例中，处理器可以通过参数确定模型确定预设开合度、预设挤出速度和预设切割速度。
参数确定模型可以是用于确定预设开合度、预设挤出速度和预设切割速度的机器学习模型。例如，参数确定模型可以包括神经网络(Neural Networks,NN)模型、卷积神经网络(Convolutional Neural Networks,CNN)模型等中的一种或其任意组合。
在一些实施例中，参数确定模型的输入可以包括原料塑料的组成分布、加工剂的组成分布、加温加压参数、冷却参数以及当前生产批次对应的改性塑料颗粒的形态需求；输出可以包括预设开合度、预设挤出速度和预设切割速度。
在一些实施例中，参数确定模型可以通过多个带有第二标签的第二训练样本训练获得。例如，可以将多个带有第二标签的第二训练样本输入初始参数确定模型，通过第二标签和初始参数确定模型的输出构建损失函数，基于损失函数迭代更新初始参数确定模型的参数。当初始参数确定模型的损失函数满足第四预设条件时，模型训练完成，得到训练好的参数确定模型。其中，第四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，参数确定模型的第二训练样本可以包括历史时间段内生产时的原料塑料的历史组成分布、加工剂的历史组成分布、历史加温加压参数、历史冷却参数以及历史当前生产批次对应的改性塑料颗粒的历史形态需求。第二标签可以包括历史时间段内生产出的改性塑料颗粒的合格度较高的情况下对应历史预设开合度、历史预设挤出速度和历史预设切割速度。其中，改性塑料颗粒的合格度可以基于改性塑料颗粒的外观平均特征、外观特征均匀度、质量平均特征以及质量特征均匀度等确定。关于改性塑料颗粒的合格度的更多内容可以参见图3及其相关描述。
本说明书一些实施例中，在确定加温加压参数、冷却参数预设开合度、预设挤出速度和预设切割速度时，不仅考虑了原料塑料的组成分布和加工剂的组成分布，而且考虑了改性塑料颗粒的形态需求，使得最后生产得到的改性塑料颗粒的有更高的合格度。
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 (10)
1.一种改性塑料生产自动控制系统，其特征在于，所述系统包括取料装置、加工仓、混合加温加压装置、冷却成型装置、挤出装置、切割装置、产料接收桶、协作检测装置和处理器，所述混合加温加压装置、所述冷却成型装置和所述挤出装置位于所述加工仓内部，所述取料装置和所述切割装置位于所述加工仓外部，所述协作检测装置包括机械手、视觉装置和检测台；
所述处理器用于：
控制所述取料装置分别抓取原料塑料以及加工剂，置入所述加工仓内；
控制所述混合加温加压装置基于混合参数对所述原料塑料以及所述加工剂在所述加工仓内进行混合，并基于加温加压参数进行加温加压，得到熔融混合物，所述混合参数包括混合强度和混合时长中至少一种；
在所述加工仓内，控制所述冷却成型装置基于冷却参数对所述熔融混合物进行冷却成型，并控制所述挤出装置将冷却成型后的改性塑料条从所述加工仓的出料孔隙挤出；
控制所述切割装置对从所述出料孔隙中挤出的所述改性塑料条进行切割，得到改性塑料颗粒，所述产料接收桶用于接收所述改性塑料颗粒；以及
在同一生产批次的每个生产周期，基于至少一次取样获取的所述改性塑料颗粒的质量特征的分散程度，确定质量平均特征以及质量特征均匀度；其中，所述至少一次取样中的每次取样包括：控制所述协作检测装置通过所述机械手从所述产料接收桶中随机抓取若干数量的所述改性塑料颗粒，放置于所述检测台，通过所述检测台底部部署的压力传感器，测量出本次抓取的所述改性塑料颗粒的总重量；控制所述检测台基于预设振动参数进行振动，使所述改性塑料颗粒在所述检测台中分散开；通过所述视觉装置对所述检测台进行拍照，得到包含所述改性塑料颗粒的图像数据；基于所述图像数据，确定本次取样的所述改性塑料颗粒的总数量；基于所述改性塑料颗粒的所述总重量和所述总数量，确定本次取样的所述改性塑料颗粒的所述质量特征；
基于所述质量平均特征以及所述质量特征均匀度中至少一种，确定所述改性塑料颗粒的合格度。
2.根据权利要求1所述的系统，其特征在于，所述合格度还相关于所述改性塑料颗粒的外观质量特征，所述处理器还用于：
对于所述至少一次取样中的每次取样，
执行预设采集次数的图像采集操作，其中，所述图像采集操作包括：控制所述检测台基于所述预设振动参数进行振动，使所述改性塑料颗粒在所述检测台中散开；控制所述视觉装置对所述检测台进行拍照，以获取包含所述改性塑料颗粒的图像数据；
基于所述预设采集次数采集的所述图像数据，通过外观特征确定模型确定本次取样的所述改性塑料颗粒的外观特征，所述外观特征确定模型为机器学习模型；
基于所述外观特征的分散程度，确定所述改性塑料颗粒的所述外观质量特征，所述外观质量特征包括外观平均特征、外观特征均匀度中至少一种；
基于所述改性塑料颗粒的所述外观质量特征、所述质量平均特征以及所述质量特征均匀度中的至少一个，确定所述合格度。
3.根据权利要求2所述的系统，其特征在于，所述外观特征确定模型包括对象检测层和外观特征识别层，其中，
所述对象检测层的输入包括基于所述预设采集次数采集的所述图像数据，输出包括至少一个包含所述改性塑料颗粒的对象框和对象框分类；
所述外观特征识别层的输入包括预设开合度、预设挤出速度、预设切割速度、所述至少一个包含所述改性塑料颗粒的所述对象框和所述对象框分类，输出包括所述对象框中的所述改性塑料颗粒的所述外观特征。
4.根据权利要求2所述的系统，其特征在于，所述预设振动参数包括振动的频率、振动的幅度、振动的时长中至少一种；所述预设振动参数和所述预设采集次数基于所述改性塑料颗粒的质量以及所述改性塑料颗粒的光滑度中至少一个确定。
5.根据权利要求1所述的系统，其特征在于，所述混合参数基于所述原料塑料与所述加工剂的添加量配比、单体体积比和单体质量比中的至少一种确定,所述混合参数在所述同一生产批次中的不同生产周期中实时调整，当前生产周期的所述实时调整的调整量基于所述同一生产批次中所述当前生产周期之前的生产周期中生产出来的所述改性塑料颗粒的所述质量特征均匀度确定。
6.根据权利要求1所述的系统，其特征在于，所述加工仓的所述出料孔隙具有预设开合度；
所述挤出装置基于预设挤出速度和所述预设开合度将所述冷却成型后的所述改性塑料条从所述出料孔隙中挤出；
所述切割装置基于预设切割速度对从所述出料孔隙中挤出的所述改性塑料条进行切割。
7.根据权利要求6所述的系统，其特征在于，所述处理器还用于：
基于原料塑料的组成分布、加工剂的组成分布中至少一种，确定所述加温加压参数和/或所述冷却参数；
基于所述原料塑料的组成分布、所述加工剂的组成分布、所述加温加压参数、所述冷却参数以及当前生产批次对应的所述改性塑料颗粒的形态需求，通过参数确定模型确定所述预设开合度、所述预设挤出速度和所述预设切割速度，所述参数确定模型为机器学习模型。
8.一种改性塑料生产自动控制方法，其特征在于，所述方法由改性塑料加工系统的处理器执行，所述改性塑料加工系统包括取料装置、加工仓、混合加温加压装置、冷却成型装置、挤出装置、切割装置、产料接收桶、协作检测装置和所述处理器，所述协作检测装置包括机械手、视觉装置和检测台；
所述方法包括：
控制所述取料装置分别抓取原料塑料以及加工剂，置入所述加工仓内；
控制所述混合加温加压装置基于混合参数对所述原料塑料以及所述加工剂在所述加工仓内进行混合，并基于加温加压参数进行加温加压，得到熔融混合物，所述混合参数包括混合强度和混合时长中至少一种；
在所述加工仓内，控制所述冷却成型装置基于冷却参数对所述熔融混合物进行冷却成型，并控制所述挤出装置将冷却成型后的改性塑料条从所述加工仓的出料孔隙挤出；
控制所述切割装置对从所述出料孔隙中挤出的所述改性塑料条进行切割，得到改性塑料颗粒，所述产料接收桶用于接收所述改性塑料颗粒；以及
在同一生产批次的每个生产周期，基于至少一次取样获取的所述改性塑料颗粒的质量特征的分散程度，确定质量平均特征以及质量特征均匀度；其中，所述至少一次取样中的每次取样包括：控制所述协作检测装置通过所述机械手从所述产料接收桶中随机抓取若干数量的所述改性塑料颗粒，放置于所述检测台，通过所述检测台底部部署的压力传感器，测量出本次抓取的所述改性塑料颗粒的总重量；控制所述检测台基于预设振动参数进行振动，使所述改性塑料颗粒在所述检测台中分散开；通过所述视觉装置对所述检测台进行拍照，得到包含所述改性塑料颗粒的图像数据；基于所述图像数据，确定本次取样的所述改性塑料颗粒的总数量；基于所述改性塑料颗粒的所述总重量和所述总数量，确定本次取样的所述改性塑料颗粒的所述质量特征；
基于所述质量平均特征以及所述质量特征均匀度中至少一种，确定所述改性塑料颗粒的合格度。
9.一种改性塑料生产自动控制装置，所述装置包括至少一个处理器以及至少一个存储器；
所述至少一个存储器用于存储计算机指令；
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求8所述的方法。
10.一种计算机可读存储介质，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求8所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311324486.XA CN117261028A (zh) | 2023-03-16 | 2023-03-16 | 一种改性塑料生产自动控制系统和方法 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311324486.XA CN117261028A (zh) | 2023-03-16 | 2023-03-16 | 一种改性塑料生产自动控制系统和方法 |
| CN202310257471.XA CN116214762B (zh) | 2023-03-16 | 2023-03-16 | 一种改性塑料加工系统和方法 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310257471.XA Division CN116214762B (zh) | 2023-03-16 | 2023-03-16 | 一种改性塑料加工系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117261028A true CN117261028A (zh) | 2023-12-22 |
Family
ID=86585613
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311324486.XA Withdrawn CN117261028A (zh) | 2023-03-16 | 2023-03-16 | 一种改性塑料生产自动控制系统和方法 |
| CN202310257471.XA Active CN116214762B (zh) | 2023-03-16 | 2023-03-16 | 一种改性塑料加工系统和方法 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310257471.XA Active CN116214762B (zh) | 2023-03-16 | 2023-03-16 | 一种改性塑料加工系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN117261028A (zh) |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2751225C3 (de) * | 1977-11-16 | 1981-08-13 | Werner & Pfleiderer, 7000 Stuttgart | Vorrichtung mit einer nach dem Siebpaket eines Schneckenextruders angeordneten Schmelzindex-Meßeinrichtung und Verfahren zum Regeln der Viskosität von aufgeschmolzenem und auszuformendem Kunststoff |
| US4919536A (en) * | 1988-06-06 | 1990-04-24 | Northrop Corporation | System for measuring velocity field of fluid flow utilizing a laser-doppler spectral image converter |
| JP4001653B2 (ja) * | 1996-08-29 | 2007-10-31 | ケーエルエー・インストルメンツ・コーポレーション | 試料からの多重チャネル応答を用いた試料の光学的検査 |
| DE19820948C1 (de) * | 1998-05-11 | 1999-09-23 | Ocs Optical Control Systems Gm | Verfahren und Vorrichtung zur Qualitätskontrolle von Kunststoffgranulaten |
| US7310143B2 (en) * | 2003-11-09 | 2007-12-18 | Gerald Walter Budd | NIST traceable automated visual inspection system for an inspection of particles in solution |
| CN203637196U (zh) * | 2013-12-26 | 2014-06-11 | 江苏奔迪新材料科技有限公司 | 一种生产聚烯烃发泡塑料产品的设备 |
| CN106974659A (zh) * | 2017-05-20 | 2017-07-25 | 复旦大学 | 一种基于红色荧光碳点材料的潜指纹检测方法 |
| CN110871520A (zh) * | 2019-12-12 | 2020-03-10 | 成都瑞琦医疗科技有限责任公司 | 一种有机复合材料母粒的造粒系统 |
| CN214187943U (zh) * | 2020-12-28 | 2021-09-14 | 瑞思埃克(成都)新材料科技有限责任公司 | 一种改性塑料生产装置 |
| CN113334609A (zh) * | 2021-06-03 | 2021-09-03 | 金龙鹰电工科技有限公司 | 一种方形低烟无卤塑料颗粒成型挤出装置 |
| CN215283256U (zh) * | 2021-06-15 | 2021-12-24 | 苏州博之顺材料科技有限公司 | 一种用于树脂聚合物生产加工的双螺杆挤出机 |
| CN116277588B (zh) * | 2022-02-08 | 2024-01-02 | 苏州博之顺材料科技有限公司 | 一种改性塑料粒子生产预警方法和系统 |
-
2023
- 2023-03-16 CN CN202311324486.XA patent/CN117261028A/zh not_active Withdrawn
- 2023-03-16 CN CN202310257471.XA patent/CN116214762B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN116214762A (zh) | 2023-06-06 |
| CN116214762B (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE102016009203B9 (de) | Spritzgusssystem zum Berechnen optimaler Betriebsbedingungen und Maschinenlernvorrichtung dafür | |
| CN115122602B (zh) | 一种注塑机智能控制方法及系统 | |
| EP3632650B1 (en) | Injection molding system and injection molding method | |
| CN109968671B (zh) | 3d打印过程故障诊断方法和装置 | |
| JP6573647B2 (ja) | 計算機と複数台の射出成形機とからなる射出成形機システム | |
| CN114474473B (zh) | 一种改性塑料的生产方法和系统 | |
| Huang et al. | Cavity pressure‐based holding pressure adjustment for enhancing the consistency of injection molding quality | |
| Chung et al. | Reinforcement learning-based defect mitigation for quality assurance of additive manufacturing | |
| TW202115510A (zh) | 用於製造程序之預測程序控制 | |
| US20220001586A1 (en) | Method and system for improving a physical production process | |
| CN116214762B (zh) | 一种改性塑料加工系统和方法 | |
| CN114801050B (zh) | 一种注塑机供料装置及其运行方法 | |
| CN118080280A (zh) | 一种基于物联网的薄膜加工用监测系统 | |
| US11660799B2 (en) | Method for controlling film production | |
| US20200086546A1 (en) | Method for controlling film production | |
| CN116494420A (zh) | 一种改性塑料生产控制系统和方法 | |
| CN114986833B (zh) | 一种动态调控的注塑方法、系统、装置及介质 | |
| Alhindawi et al. | Predicting the tensile strength of extrusion-blown high density polyethylene film using machine learning algorithms | |
| WO2022210424A1 (ja) | 品質予測装置及びその方法、プログラム並びに記録媒体 | |
| CN114734601B (zh) | 一种注塑过程的制品瑕疵在线检测方法 | |
| CN113925109B (zh) | 一种冰激凌产品的挤出位置控制方法 | |
| CN114397865B (zh) | 一种回收料混合比例在线检测方法、装置及存储介质 | |
| CN220299292U (zh) | 一种吹塑机物料桶 | |
| US20240359382A1 (en) | Operating condition correction method, operating condition correction device, molding machine and non-transitory computer readable recording medium | |
| CN118817540A (zh) | 一种基于深度学习的沥青混合料质量在线监测方法及装置 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231222 |