CN117288770A - 用于吹塑模具表面缺陷的多维检测方法及系统 - Google Patents
用于吹塑模具表面缺陷的多维检测方法及系统 Download PDFInfo
- Publication number
- CN117288770A CN117288770A CN202311580524.8A CN202311580524A CN117288770A CN 117288770 A CN117288770 A CN 117288770A CN 202311580524 A CN202311580524 A CN 202311580524A CN 117288770 A CN117288770 A CN 117288770A
- Authority
- CN
- China
- Prior art keywords
- detection
- defect
- sub
- points
- surface 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 583
- 230000007547 defect Effects 0.000 title claims abstract description 293
- 238000000071 blow moulding Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 230000003287 optical effect Effects 0.000 claims abstract description 17
- 238000009412 basement excavation Methods 0.000 claims description 78
- 230000006870 function Effects 0.000 claims description 58
- 238000005065 mining Methods 0.000 claims description 51
- 239000002245 particle Substances 0.000 claims description 47
- 238000000465 moulding Methods 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 32
- 238000007689 inspection Methods 0.000 claims description 29
- 231100000241 scar Toxicity 0.000 claims description 24
- 239000011148 porous material Substances 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 239000002131 composite material Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 19
- 238000012360 testing method Methods 0.000 description 9
- 230000002950 deficient Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000007664 blowing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了用于吹塑模具表面缺陷的多维检测方法及系统,涉及模具检测领域,其中,所述方法包括:对多个检测区域进行激光光学检测,获得多个区域检测参数,获得多个凸起缺陷检测结果;构建检出函数、检出条件和多个子检出条件;对多个检测点进行挖掘检出,获得缺陷点集合和多个子缺陷点集;根据多个凸起缺陷检测结果,对缺陷点集合和多个子缺陷点集进行聚类和加权计算,获得综合表面质量等级,结合缺陷点集合和多个子缺陷点集,作为吹塑模具的表面缺陷检测结果。解决了现有技术中针对吹塑模具的表面缺陷检测精准度低,导致吹塑模具的表面缺陷检测效果不佳的技术问题。达到了提升吹塑模具的表面缺陷检测质量的技术效果。
Description
技术领域
本发明涉及模具检测领域,具体地,涉及用于吹塑模具表面缺陷的多维检测方法及系统。
背景技术
吹塑模具是饮料品、药瓶、食品罐等吹塑制品的重要生产设备之一。吹塑模具对于吹塑制品的生产具有重要影响。当吹塑模具表面存在缺陷时,吹塑制品的生产质量也受到影响。
现有技术中,存在针对吹塑模具的表面缺陷检测精准度低,导致吹塑模具的表面缺陷检测效果不佳的技术问题。
发明内容
本申请提供了用于吹塑模具表面缺陷的多维检测方法及系统。解决了现有技术中针对吹塑模具的表面缺陷检测精准度低,导致吹塑模具的表面缺陷检测效果不佳的技术问题。
鉴于上述问题,本申请提供了用于吹塑模具表面缺陷的多维检测方法及系统。
第一方面,本申请提供了一种用于吹塑模具表面缺陷的多维检测方法,其中,所述方法应用于一种用于吹塑模具表面缺陷的多维检测系统,所述方法包括:在待进行检测的吹塑模具的成型表面上,构建检测坐标系,其中,所述检测坐标系内包括多个检测点以及多个点坐标;在所述检测坐标系内,对所述多个检测点进行划分,获得多个检测区域;对所述多个检测区域进行激光光学检测,获得多个区域检测参数,输入激光检测分析通道内,获得多个凸起缺陷检测结果;根据所述吹塑模具的表面质量要求,构建检出函数、检出条件和多个子检出条件,其中,所述表面质量要求包括硬度、粗糙度、孔隙、夹杂物和疤点;在所述检测坐标系内,根据所述检出函数、检出条件和多个子检出条件,对所述多个检测点进行挖掘检出,获得缺陷点集合和多个子缺陷点集,其中,在挖掘检出过程中,通过多个挖掘粒子对进行挖掘,并通过所述检出函数计算挖掘获得的检测点的适应度,将满足所述检出条件和多个子检出条件的检测点检出为缺陷点;根据所述多个凸起缺陷检测结果,对所述缺陷点集合和多个子缺陷点集进行聚类和加权计算,获得综合表面质量等级,结合所述缺陷点集合和多个子缺陷点集,作为所述吹塑模具的表面缺陷检测结果。
第二方面,本申请还提供了一种用于吹塑模具表面缺陷的多维检测系统,其中,所述系统包括:坐标系构建模块,所述坐标系构建模块用于在待进行检测的吹塑模具的成型表面上,构建检测坐标系,其中,所述检测坐标系内包括多个检测点以及多个点坐标;检测点划分模块,所述检测点划分模块用于在所述检测坐标系内,对所述多个检测点进行划分,获得多个检测区域;激光光学检测模块,所述激光光学检测模块用于对所述多个检测区域进行激光光学检测,获得多个区域检测参数,输入激光检测分析通道内,获得多个凸起缺陷检测结果;检出条件构建模块,所述检出条件构建模块用于根据所述吹塑模具的表面质量要求,构建检出函数、检出条件和多个子检出条件,其中,所述表面质量要求包括硬度、粗糙度、孔隙、夹杂物和疤点;挖掘检出模块,所述挖掘检出模块用于在所述检测坐标系内,根据所述检出函数、检出条件和多个子检出条件,对所述多个检测点进行挖掘检出,获得缺陷点集合和多个子缺陷点集,其中,在挖掘检出过程中,通过多个挖掘粒子对进行挖掘,并通过所述检出函数计算挖掘获得的检测点的适应度,将满足所述检出条件和多个子检出条件的检测点检出为缺陷点;缺陷检测结果获得模块,所述缺陷检测结果获得模块用于根据所述多个凸起缺陷检测结果,对所述缺陷点集合和多个子缺陷点集进行聚类和加权计算,获得综合表面质量等级,结合所述缺陷点集合和多个子缺陷点集,作为所述吹塑模具的表面缺陷检测结果。
第三方面,本申请还提供了一种电子设备,包括:存储器,用于存储可执行指令;处理器,用于执行所述存储器中存储的可执行指令时,实现本申请提供的一种用于吹塑模具表面缺陷的多维检测方法。
第四方面,本申请还提供了一种计算机可读存储介质,存储有计算机程序,该程序被处理器执行时,实现本申请提供的一种用于吹塑模具表面缺陷的多维检测方法。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
在待进行检测的吹塑模具的成型表面上,构建检测坐标系;通过检测坐标系进行检测点划分,获得多个检测区域;通过对多个检测区域进行激光光学检测,获得多个区域检测参数,并将多个区域检测参数输入激光检测分析通道内,获得多个凸起缺陷检测结果;根据吹塑模具的表面质量要求,构建检出函数、检出条件和多个子检出条件,基于此,在检测坐标系内,对多个检测点进行挖掘检出,获得缺陷点集合和多个子缺陷点集;根据多个凸起缺陷检测结果,对缺陷点集合和多个子缺陷点集进行聚类和加权计算,获得综合表面质量等级,结合缺陷点集合和多个子缺陷点集,获得吹塑模具的表面缺陷检测结果。达到了提高吹塑模具的表面缺陷检测的精准度、灵活度,提升吹塑模具的表面缺陷检测质量的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请一种用于吹塑模具表面缺陷的多维检测方法的流程示意图;
图2为本申请一种用于吹塑模具表面缺陷的多维检测方法中构建检测坐标系的流程示意图;
图3为本申请一种用于吹塑模具表面缺陷的多维检测系统的结构示意图;
图4为本申请示例性电子设备的结构示意图。
附图标记说明:坐标系构建模块11,检测点划分模块12,激光光学检测模块13,检出条件构建模块14,挖掘检出模块15,缺陷检测结果获得模块16,处理器31,存储器32,输入装置33,输出装置34。
具体实施方式
本申请通过提供用于吹塑模具表面缺陷的多维检测方法及系统。解决了现有技术中针对吹塑模具的表面缺陷检测精准度低,导致吹塑模具的表面缺陷检测效果不佳的技术问题。达到了提高吹塑模具的表面缺陷检测的精准度、灵活度,提升吹塑模具的表面缺陷检测质量的技术效果。
实施例1
请参阅附图1,本申请提供一种用于吹塑模具表面缺陷的多维检测方法,其中,所述方法应用于一种用于吹塑模具表面缺陷的多维检测系统,所述方法具体包括如下步骤:
步骤S100:在待进行检测的吹塑模具的成型表面上,构建检测坐标系,其中,所述检测坐标系内包括多个检测点以及多个点坐标;
进一步的,如附图2所示,本申请步骤S100还包括:
步骤S110:以所述吹塑模具的成型表面的中心点,作为坐标原点;
步骤S120:根据所述吹塑模具的成型表面的最小缺陷面积,对所述成型表面进行划分,获得所述多个检测点;
步骤S130:根据所述坐标原点,对所述多个检测点进行坐标分配,获得所述多个点坐标,构建所述检测坐标系。
步骤S200:在所述检测坐标系内,对所述多个检测点进行划分,获得多个检测区域;
具体而言,将待进行检测的吹塑模具的成型表面的中心点设置为坐标原点。继而,连接所述一种用于吹塑模具表面缺陷的多维检测系统,对所述一种用于吹塑模具表面缺陷的多维检测系统进行多个历史吹塑模具的表面缺陷检测记录查询,获得多个历史吹塑模具的多个历史缺陷面积,并将多个历史缺陷面积中的最小历史缺陷面积设置为最小缺陷面积,例如为1平方毫米。进而,按照最小缺陷面积对待进行检测的吹塑模具的成型表面进行划分,获得多个检测点。按照坐标原点对多个检测点进行坐标分配,获得多个点坐标,结合坐标原点、多个检测点,获得检测坐标系。其中,所述检测坐标系包括坐标原点、多个检测点、多个点坐标。每个检测点包括待进行检测的吹塑模具的成型表面上的任意一个检测区域。且,这个检测区域的面积等于最小缺陷面积。每个点坐标包括每个检测点相对于坐标原点的坐标位置信息。
达到了通过最小缺陷面积对待进行检测的吹塑模具的成型表面进行划分,确定多个检测区域和检测坐标系,从而提高对吹塑模具进行表面缺陷检测的准确性的技术效果。
步骤S300:对所述多个检测区域进行激光光学检测,获得多个区域检测参数,输入激光检测分析通道内,获得多个凸起缺陷检测结果;
进一步的,本申请步骤S300还包括:
步骤S310:采用激光检测装置,分别对所述多个检测区域进行检测,获取所述多个检测区域接收激光并反射的激光参数,作为所述多个区域检测参数;
步骤S320:根据相同的吹塑模具的表面检测数据,获取样本区域检测参数集合和样本凸起缺陷等级集合;
步骤S330:基于所述样本区域检测参数集合和样本凸起缺陷等级集合,构建所述激光检测分析通道,通过监督学习,根据损失函数更新网络参数,获得满足收敛条件的所述激光检测分析通道;
步骤S340:将所述多个区域检测参数输入所述激光检测分析通道内,获得所述多个凸起缺陷检测结果。
具体而言,基于本领域技术人员进行确认,具有凸起缺陷的吹塑模具表面与光滑吹塑模具表面的接收激光并反射的激光参数具有差异,具体体现在反射角度和反射激光强度。根据激光检测装置,分别对待进行检测的吹塑模具的成型表面上的多个检测区域进行检测,获得多个检测区域接收激光并反射的激光参数,将多个检测区域接收激光并反射的激光参数输出为多个区域检测参数。其中,所述激光检测装置可以为现有技术中的激光扫描仪。每个检测区域接收激光并反射的激光参数包括每个检测区域接收激光并反射的激光位置参数、激光强度参数等。
进一步,连接所述一种用于吹塑模具表面缺陷的多维检测系统,对相同的吹塑模具的表面检测数据进行查询,获得样本区域检测参数集合和样本凸起缺陷等级集合。其中,相同的吹塑模具包括多个同类型吹塑模具。每个同类型吹塑模具与待进行检测的吹塑模具的尺寸结构、材料组成等基础参数相同。相同的吹塑模具的表面检测数据包括样本区域检测参数集合和样本凸起缺陷等级集合。所述样本区域检测参数集合包括每个同类型吹塑模具对应的多个历史区域检测参数。样本凸起缺陷等级集合包括样本区域检测参数集合内,每个同类型吹塑模具的每个历史区域检测参数对应的历史凸起缺陷等级。
进一步,基于BP神经网络对样本区域检测参数集合和样本凸起缺陷等级集合进行监督学习,并根据损失函数更新网络参数,获得满足收敛条件的激光检测分析通道。继而,将多个区域检测参数作为输入信息,输入激光检测分析通道,获得多个凸起缺陷检测结果。其中,BP神经网络是一种按照误差逆向传播算法进行训练的多层前馈神经网络。BP神经网络包括输入层、多层神经元、输出层。BP神经网络可以进行正向计算、反向计算。正向计算时,输入信息从输入层经过多层神经元逐层处理,转向输出层,每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出,则转入反向计算,将误差信号沿原来的连接通路返回,通过修改各神经元的权值,使得误差信号最小。监督学习是指利用样本区域检测参数集合和样本凸起缺陷等级集合调整激光检测分析通道的参数,使调整激光检测分析通道满足收敛条件。收敛条件包括预先设置确定的激光检测分析通道的输出准确率阈值。根据损失函数更新网络参数是指根据损失函数更新样本区域检测参数集合、样本凸起缺陷等级集合中每个数据的训练权重,从而提高激光检测分析通道的准确性。训练权重越大,对应的数据的训练次数越多。常用的损失函数有0-1损失函数、绝对值损失函数、log对数损失函数等。采用不同的损失函数,对激光检测分析通道的影响是不同的。通过最小化损失函数,使激光检测分析通道达到收敛条件,减少激光检测分析通道的凸起缺陷检测误差,以达到对输入的多个区域检测参数进行准确凸起缺陷等级标识的目的。所述激光检测分析通道包括输入层、隐含层、输出层。每个凸起缺陷检测结果包括每个区域检测参数对应的凸起缺陷等级。凸起缺陷等级是用于表征区域检测参数对应的检测区域的凸起缺陷程度的数据信息。凸起缺陷越高,对应的检测区域的凸起缺陷程度越高。
达到了通过对多个检测区域进行激光光学检测、激光检测分析,获得准确的多个凸起缺陷检测结果,提高吹塑模具的表面缺陷检测的全面性的技术效果。
步骤S400:根据所述吹塑模具的表面质量要求,构建检出函数、检出条件和多个子检出条件,其中,所述表面质量要求包括硬度、粗糙度、孔隙、夹杂物和疤点;
进一步的,本申请步骤S400还包括:
步骤S410:获取所述吹塑模具的硬度表面质量要求、粗糙度表面质量要求、孔隙表面质量要求、夹杂物表面质量要求和疤点表面质量要求,作为所述表面质量要求;
步骤S420:根据所述表面质量要求,构建所述检出函数,如下式:
;
其中,为表面质量评分,/>和/>为权重,/>为所述吹塑模具的成型表面的标准硬度,/>为对一个检测点进行第i次检测的硬度,T为检测硬度的次数,/>为所述吹塑模具的成型表面的标准粗糙度,/>为检测获得的一个检测点的粗糙度,/>和时,L为1;
步骤S430:根据所述检出函数,构建检出条件,所述检出条件包括L小于等于0时,检出为缺陷点;
步骤S440:将检测点的硬度、粗糙度、以及是否存在孔隙、夹杂物或疤点不满足所述硬度表面质量要求、粗糙度表面质量要求、孔隙表面质量要求、夹杂物表面质量要求或疤点表面质量要求时,检出为子缺陷点,作为所述多个子检出条件。
具体而言,将待进行检测的吹塑模具的硬度表面质量要求、粗糙度表面质量要求、孔隙表面质量要求、夹杂物表面质量要求和疤点表面质量要求输出为表面质量要求。其中,所述表面质量要求包括硬度表面质量要求、粗糙度表面质量要求、孔隙表面质量要求、夹杂物表面质量要求和疤点表面质量要求。硬度表面质量要求包括由所述一种用于吹塑模具表面缺陷的多维检测系统预先设置确定的待进行检测的吹塑模具的标准硬度。粗糙度表面质量要求包括由所述一种用于吹塑模具表面缺陷的多维检测系统预先设置确定的待进行检测的吹塑模具的标准粗糙度。孔隙表面质量要求包括待进行检测的吹塑模具的检测点不存在孔隙。夹杂物表面质量要求包括待进行检测的吹塑模具的检测点不存在夹杂物。所述疤点表面质量要求包括待进行检测的吹塑模具的检测点不存在疤点。
进一步,根据表面质量要求,构建检出函数,检出函数为:
;
其中,为表面质量评分,/>和/>为由所述一种用于吹塑模具表面缺陷的多维检测系统预先设置确定的权重,/>为所述吹塑模具的成型表面的标准硬度,/>为对一个检测点进行第i次检测的硬度,T为检测硬度的次数,/>为所述吹塑模具的成型表面的标准粗糙度,/>为检测获得的一个检测点的粗糙度,/>和/>时,L为1。
进一步,基于检出函数,获得检出条件。所述检出条件包括当检测点的表面质量评分(L)小于等于0时,将这个检测点设置为缺陷点。
进一步,基于表面质量要求,构建多个子检出条件。优选地,多个子检出条件包括第一子检出条件、第二子检出条件、第三子检出条件、第四子检出条件、第五子检出条件。第一子检出条件包括检测点的硬度不满足硬度表面质量要求。第二子检出条件包括检测点的粗糙度不满足粗糙度表面质量要求。第三子检出条件包括检测点存在孔隙,此时,检测点不满足孔隙表面质量要求。第四子检出条件包括检测点存在夹杂物,此时检测点不满足夹杂物表面质量要求。第五子检出条件包括检测点存在疤点,此时,检测点不满足疤点表面质量要求。子缺陷点包括检测点满足的子检出条件。例如,当检测点a的硬度不满足硬度表面质量要求,检测点a的粗糙度不满足粗糙度表面质量要求时,检测点a满足第一子检出条件、第二子检出条件。检测点a具有2个子缺陷点。2个子缺陷点包括第一子检出条件、第二子检出条件。
达到了构建明确的检出函数、检出条件和多个子检出条件,从而提高吹塑模具的表面缺陷检测的全面度、可靠性的技术效果。
步骤S500:在所述检测坐标系内,根据所述检出函数、检出条件和多个子检出条件,对所述多个检测点进行挖掘检出,获得缺陷点集合和多个子缺陷点集,其中,在挖掘检出过程中,通过多个挖掘粒子对进行挖掘,并通过所述检出函数计算挖掘获得的检测点的适应度,将满足所述检出条件和多个子检出条件的检测点检出为缺陷点;
进一步的,本申请步骤S500还包括:
步骤S510:获取包括M个挖掘速度和M个挖掘方向的M个挖掘粒子,并在所述检测坐标系内随机生成M个点坐标,作为M个挖掘位置,M为大于1的整数;
步骤S520:根据所述检出函数,对所述M个点坐标对应的M个检测点进行检测,并计算获得M个适应度;
步骤S530:根据所述检出条件,对所述M个适应度进行判别,根据所述多个子检出条件,对所述M个检测点的检测结果进行判别,在存在至少一个缺陷点时,获得N个缺陷点和多个子缺陷点,N为正整数,且,1≤N≤M;
具体而言,基于检测坐标系内的多个点坐标进行随机选择,获得M个点坐标,并将M个点坐标设置为M个挖掘位置。且,M为大于1的整数。继而,将检测坐标系内的多个检测点与M个点坐标进行匹配,获得M个检测点。进而,基于所述一种用于吹塑模具表面缺陷的多维检测系统预先设置确定的M个挖掘速度和M个挖掘方向,生成M个挖掘粒子。每个挖掘粒子包括挖掘速度、挖掘方向。挖掘速度包括进行迭代挖掘更新时遍历的检测点数量。挖掘方向包括挖掘位置对应的迭代检测方向。例如,M个挖掘位置包括挖掘位置(x,y),
挖掘速度为2,挖掘方向为上方。则,按照该挖掘速度和该挖掘方向对挖掘位置(x,y),进行更新挖掘的下一轮挖掘位置为挖掘位置(x,y)的上方的第2个检测点,即(x,y+2)。
进一步,通过对M个检测点进行检测,具体进行硬度检测、粗糙度检测、是否存在孔隙、夹杂物和疤点的检测,可基于现有技术中的检测方法进行检测,是否存在孔隙、夹杂物和疤点的检测可基于现有技术中的图像处理方法进行检测,以提升检测效率,如此,获得M个检测点对应的M个检测结果。
分别将M个检测结果输入检出函数,通过检出函数对M个检测结果进行计算,获得M个适应度。其中,每个检测结果包括M个检测点中,每个检测点对应的硬度、粗糙度,以及这个检测点是否存在孔隙、是否存在夹杂物、是否存在疤点。M个适应度包括M个检测点对应的M个表面质量评分。
进一步,根据检出条件和多个子检出条件对M个适应度进行判断,获得N个缺陷点和多个子缺陷点,N为正整数,且,1≤N≤M。示例性地,在根据检出条件和多个子检出条件对M个适应度进行判断时,分别判断每个适应度是否小于等于0。当适应度小于等于0时,将该适应度对应的检测点设置为缺陷点。将缺陷点对应的检测结果与多个子检出条件进行比对,获得这个缺陷点对应多个子缺陷点。多个子缺陷点包括这个缺陷点满足的多个子检出条件。达到了通过对M个检测点进行适应度计算、检测结果进行判别,获得M个检测点对应的N个缺陷点和多个子缺陷点,从而提高对吹塑模具进行表面缺陷检测的精确度的技术效果。
步骤S540:将所述M个适应度中的最大值对应的挖掘粒子加入禁忌表,在禁忌迭代次数中不进行挖掘更新;
步骤S550:根据未禁忌的M-1个挖掘粒子的M-1个适应度,对M-1个挖掘粒子的挖掘速度和挖掘方向进行更新,获得M-1个更新挖掘速度和M-1个更新挖掘方向;
进一步的,本申请步骤S550还包括:
步骤S551:计算获得M-1个适应度的均值;
步骤S552:判断每个未禁忌的挖掘粒子的适应度是否大于所述均值,若是,则对挖掘方向进行随机调整,若否,则不进行挖掘方向更新,获得所述M-1个更新挖掘方向;
步骤S553:计算M-1个适应度与所述均值的比值的倒数,对未禁忌的M-1个挖掘粒子的M-1个挖掘速度进行更新,获得所述M-1个更新挖掘速度。
步骤S560:基于所述M-1个更新挖掘速度和M-1个更新挖掘方向,M-1个挖掘粒子进行挖掘更新,获得M-1个更新挖掘位置;
步骤S570:继续进行迭代挖掘,获得所述缺陷点集合和多个子缺陷点集。
具体而言,基于M个适应度进行最大值提取,获得最大适应度。将最大适应度对应的挖掘粒子加入禁忌表,禁忌表中的挖掘粒子在禁忌迭代次数中不进行挖掘更新。禁忌迭代次数包括所述一种用于吹塑模具表面缺陷的多维检测系统预先设置确定的禁忌表中的挖掘粒子的不参与迭代挖掘的次数阈值。最大适应度对应的检测点的表面质量很好,在这个方向上的模具表面质量较高,检测不到缺陷点,故将最大适应度对应的挖掘粒子加入禁忌表,从而对待进行检测的吹塑模具的成型表面进行其他区域的挖掘检出,提升吹塑模具的表面缺陷检测效率。
进一步,对M个适应度中,最大适应度之外的M-1个适应度进行均值计算,获得M-1个适应度的均值。将M个挖掘粒子中,最大适应度对应的挖掘粒子之外的M-1个挖掘粒子设置为未禁忌的M-1个挖掘粒子。继而,判断每个未禁忌的挖掘粒子的适应度是否大于M-1个适应度的均值。如果未禁忌的挖掘粒子的适应度大于M-1个适应度的均值,则,在这个方向上的模具表面质量较高,对该未禁忌的挖掘粒子的挖掘方向进行随机调整,获得更新挖掘方向,并将更新挖掘方向添加至M-1个更新挖掘方向。如果未禁忌的挖掘粒子的适应度小于/等于M-1个适应度的均值,则,在这个方向上的模具表面质量较低,不进行挖掘方向更新,直接将该未禁忌的挖掘粒子对应的挖掘方向添加至M-1个更新挖掘方向,继续进行可能存在的缺陷点的检出。
进一步,将M-1个适应度与M-1个适应度的均值之间的M-1个比值的倒数输出为M-1个挖掘速度更新系数,如此,适应度越大的挖掘粒子的挖掘速度更新系数越大,以提升挖掘速度,尽快找到缺陷点,而适应度越小的挖掘粒子的挖掘速度更新系数越小,以提升挖掘精细度,找到表面质量较差的检测点附近存在的缺陷点,提升表面缺陷检出效果。将M-1个挖掘速度更新系数与M-1个挖掘粒子的M-1个挖掘速度之间的乘积输出为M-1个更新挖掘速度。继而,根据M-1个更新挖掘速度和M-1个更新挖掘方向对M-1个挖掘粒子进行挖掘更新,获得M-1个更新挖掘位置。基于M-1个更新挖掘位置继续进行迭代挖掘,获得缺陷点集合和多个子缺陷点集。其中,基于M-1个更新挖掘位置继续进行迭代挖掘与N个缺陷点的获得方式相同,为了说明书的简洁,在此不再赘述。所述缺陷点集合包括多个缺陷点。且,每个缺陷点对应一个子缺陷点集。每个子缺陷点集包括缺陷点集合内的每个缺陷点对应的多个子缺陷点。多个子缺陷点包括缺陷点集合内的每个缺陷点满足的多个子检出条件。达到了通过对多个检测点内的缺陷点进行多维度挖掘检出,获得准确、全面的缺陷点集合和多个子缺陷点集,从而提高吹塑模具的表面缺陷检测准确度的技术效果。
步骤S600:根据所述多个凸起缺陷检测结果,对所述缺陷点集合和多个子缺陷点集进行聚类和加权计算,获得综合表面质量等级,结合所述缺陷点集合和多个子缺陷点集,作为所述吹塑模具的表面缺陷检测结果。
进一步的,本申请步骤S600还包括:
步骤S610:根据所述多个检测区域,对所述缺陷点集合和多个子缺陷点集进行聚类,获得多个缺陷点聚类结果和多个子缺陷点聚类结果集合;
步骤S620:根据所述多个凸起缺陷检测结果内的凸起缺陷等级的大小,对所述多个缺陷点聚类结果和多个子缺陷点聚类结果集合内缺陷点的数量进行加权计算求和,获得综合缺陷点数量和综合子缺陷点数量;
步骤S630:将所述综合缺陷点数量和综合子缺陷点数量求和,输入缺陷点表面质量标准内,获得所述综合表面质量等级,所述缺陷点表面质量标准内包括多个样本总缺陷点数量区间和多个样本综合表面质量等级的映射关系。
具体而言,根据多个检测区域对缺陷点集合和多个子缺陷点集进行聚类,即,将缺陷点集合中,同一检测区域的缺陷点归为一类,获得多个缺陷点聚类结果。将多个子缺陷点集中,同一检测区域的多个子缺陷点归为一类,获得多个子缺陷点聚类结果集合。其中,每个缺陷点聚类结果包括缺陷点集合中,同一检测区域的缺陷点。每个子缺陷点聚类结果集合包括多个子缺陷点集中,同一检测区域的多个子缺陷点。
进一步,根据多个凸起缺陷检测结果内的多个凸起缺陷等级,分别对多个缺陷点聚类结果和多个子缺陷点聚类结果集合内缺陷点的数量进行加权计算求和,获得综合缺陷点数量和综合子缺陷点数量。示例性地,在对多个缺陷点聚类结果内缺陷点的数量进行加权计算求和时,将多个缺陷点聚类结果内的缺陷点数量设置为多个聚类缺陷点数量。将多个凸起缺陷等级与多个聚类缺陷点数量之间的多个乘积设置为多个加权缺陷点数量。将多个加权缺陷点数量之和输出为综合缺陷点数量。综合子缺陷点数量与综合缺陷点数量的加权计算求和方式相同,为了说明书的简洁,在此不再赘述。
进一步,将综合缺陷点数量、综合子缺陷点数量之和设置为总缺陷点数量。将总缺陷点数量输入缺陷点表面质量标准内,获得综合表面质量等级,结合缺陷点集合和多个子缺陷点集,获得表面缺陷检测结果。其中,表面缺陷检测结果包括综合表面质量等级、缺陷点集合和多个子缺陷点集。综合表面质量等级是用于表征吹塑模具的成型表面质量的数据信息。总缺陷点数量越小,对应的吹塑模具的成型表面质量越好,对应的综合表面质量等级越高。缺陷点表面质量标准包括多个样本总缺陷点数量区间和多个样本综合表面质量等级的映射关系。映射关系包括多个样本总缺陷点数量区间和多个样本综合表面质量等级之间的对应关系。每个样本总缺陷点数量区间包括历史总缺陷点数量范围信息。每个样本综合表面质量等级包括每个样本总缺陷点数量区间对应的历史综合表面质量等级。达到了通过缺陷点表面质量标准对综合缺陷点数量和综合子缺陷点数量进行分析,生成准确的综合表面质量等级,提高吹塑模具的表面缺陷检测质量的技术效果。
综上所述,本申请所提供的一种用于吹塑模具表面缺陷的多维检测方法具有如下技术效果:
1.在待进行检测的吹塑模具的成型表面上,构建检测坐标系;通过检测坐标系进行检测点划分,获得多个检测区域;通过对多个检测区域进行激光光学检测,获得多个区域检测参数,并将多个区域检测参数输入激光检测分析通道内,获得多个凸起缺陷检测结果;根据吹塑模具的表面质量要求,构建检出函数、检出条件和多个子检出条件,基于此,在检测坐标系内,对多个检测点进行挖掘检出,获得缺陷点集合和多个子缺陷点集;根据多个凸起缺陷检测结果,对缺陷点集合和多个子缺陷点集进行聚类和加权计算,获得综合表面质量等级,结合缺陷点集合和多个子缺陷点集,获得吹塑模具的表面缺陷检测结果。达到了提高吹塑模具的表面缺陷检测的精准度、灵活度,提升吹塑模具的表面缺陷检测质量的技术效果。
2.通过对多个检测区域进行激光光学检测、激光检测分析,获得准确的多个凸起缺陷检测结果,提高吹塑模具的表面缺陷检测的全面性。
3.通过对多个检测点进行多维度挖掘检出,获得准确、全面的缺陷点集合和多个子缺陷点集,从而提高吹塑模具的表面缺陷检测准确度。
实施例2
基于与前述实施例中一种用于吹塑模具表面缺陷的多维检测方法,同样发明构思,本发明还提供了一种用于吹塑模具表面缺陷的多维检测系统,请参阅附图3,所述系统包括:
坐标系构建模块11,所述坐标系构建模块11用于在待进行检测的吹塑模具的成型表面上,构建检测坐标系,其中,所述检测坐标系内包括多个检测点以及多个点坐标;
检测点划分模块12,所述检测点划分模块12用于在所述检测坐标系内,对所述多个检测点进行划分,获得多个检测区域;
激光光学检测模块13,所述激光光学检测模块13用于对所述多个检测区域进行激光光学检测,获得多个区域检测参数,输入激光检测分析通道内,获得多个凸起缺陷检测结果;
检出条件构建模块14,所述检出条件构建模块14用于根据所述吹塑模具的表面质量要求,构建检出函数、检出条件和多个子检出条件,其中,所述表面质量要求包括硬度、粗糙度、孔隙、夹杂物和疤点;
挖掘检出模块15,所述挖掘检出模块15用于在所述检测坐标系内,根据所述检出函数、检出条件和多个子检出条件,对所述多个检测点进行挖掘检出,获得缺陷点集合和多个子缺陷点集,其中,在挖掘检出过程中,通过多个挖掘粒子对进行挖掘,并通过所述检出函数计算挖掘获得的检测点的适应度,将满足所述检出条件和多个子检出条件的检测点检出为缺陷点;
缺陷检测结果获得模块16,所述缺陷检测结果获得模块16用于根据所述多个凸起缺陷检测结果,对所述缺陷点集合和多个子缺陷点集进行聚类和加权计算,获得综合表面质量等级,结合所述缺陷点集合和多个子缺陷点集,作为所述吹塑模具的表面缺陷检测结果。
进一步的,所述系统还包括:
坐标原点确定模块,所述坐标原点确定模块用于以所述吹塑模具的成型表面的中心点,作为坐标原点;
多个检测点确定模块,所述多个检测点确定模块用于根据所述吹塑模具的成型表面的最小缺陷面积,对所述成型表面进行划分,获得所述多个检测点;
坐标分配模块,所述坐标分配模块用于根据所述坐标原点,对所述多个检测点进行坐标分配,获得所述多个点坐标,构建所述检测坐标系。
进一步的,所述系统还包括:
区域检测参数确定模块,所述区域检测参数确定模块用于采用激光检测装置,分别对所述多个检测区域进行检测,获取所述多个检测区域接收激光并反射的激光参数,作为所述多个区域检测参数;
样本检测数据获取模块,所述样本检测数据获取模块用于根据相同的吹塑模具的表面检测数据,获取样本区域检测参数集合和样本凸起缺陷等级集合;
激光检测分析通道获得模块,所述激光检测分析通道获得模块用于基于所述样本区域检测参数集合和样本凸起缺陷等级集合,构建所述激光检测分析通道,通过监督学习,根据损失函数更新网络参数,获得满足收敛条件的所述激光检测分析通道;
第一执行模块,所述第一执行模块用于将所述多个区域检测参数输入所述激光检测分析通道内,获得所述多个凸起缺陷检测结果。
进一步的,所述系统还包括:
表面质量要求确定模块,所述表面质量要求确定模块用于获取所述吹塑模具的硬度表面质量要求、粗糙度表面质量要求、孔隙表面质量要求、夹杂物表面质量要求和疤点表面质量要求,作为所述表面质量要求;
检出函数构建模块,所述检出函数构建模块用于根据所述表面质量要求,构建所述检出函数,如下式:
;/>
其中,为表面质量评分,/>和/>为权重,/>为所述吹塑模具的成型表面的标准硬度,/>为对一个检测点进行第i次检测的硬度,T为检测硬度的次数,/>为所述吹塑模具的成型表面的标准粗糙度,/>为检测获得的一个检测点的粗糙度,/>和时,L为1;
缺陷点检出模块,所述缺陷点检出模块用于根据所述检出函数,构建检出条件,所述检出条件包括L小于等于0时,检出为缺陷点;
第二执行模块,所述第二执行模块用于将检测点的硬度、粗糙度、以及是否存在孔隙、夹杂物或疤点不满足所述硬度表面质量要求、粗糙度表面质量要求、孔隙表面质量要求、夹杂物表面质量要求或疤点表面质量要求时,检出为子缺陷点,作为所述多个子检出条件。
进一步的,所述系统还包括:
第三执行模块,所述第三执行模块用于获取包括M个挖掘速度和M个挖掘方向的M个挖掘粒子,并在所述检测坐标系内随机生成M个点坐标,作为M个挖掘位置,M为大于1的整数;
适应度计算模块,所述适应度计算模块用于根据所述检出函数,对所述M个点坐标对应的M个检测点进行检测,并计算获得M个适应度;
第四执行模块,所述第四执行模块用于根据所述检出条件,对所述M个适应度进行判别,根据所述多个子检出条件,对所述M个检测点的检测结果进行判别,在存在至少一个缺陷点时,获得N个缺陷点和多个子缺陷点,N为正整数,且,1≤N≤M;
第五执行模块,所述第五执行模块用于将所述M个适应度中的最大值对应的挖掘粒子加入禁忌表,在禁忌迭代次数中不进行挖掘更新;
第六执行模块,所述第六执行模块用于根据未禁忌的M-1个挖掘粒子的M-1个适应度,对M-1个挖掘粒子的挖掘速度和挖掘方向进行更新,获得M-1个更新挖掘速度和M-1个更新挖掘方向;
更新挖掘位置获得模块,所述更新挖掘位置获得模块用于基于所述M-1个更新挖掘速度和M-1个更新挖掘方向,M-1个挖掘粒子进行挖掘更新,获得M-1个更新挖掘位置;
第七执行模块,所述第七执行模块用于继续进行迭代挖掘,获得所述缺陷点集合和多个子缺陷点集。
进一步的,所述系统还包括:
均值计算模块,所述均值计算模块用于计算获得M-1个适应度的均值;
第八执行模块,所述第八执行模块用于判断每个未禁忌的挖掘粒子的适应度是否大于所述均值,若是,则对挖掘方向进行随机调整,若否,则不进行挖掘方向更新,获得所述M-1个更新挖掘方向;
第九执行模块,所述第九执行模块用于计算M-1个适应度与所述均值的比值的倒数,对未禁忌的M-1个挖掘粒子的M-1个挖掘速度进行更新,获得所述M-1个更新挖掘速度。
进一步的,所述系统还包括:
聚类模块,所述聚类模块用于根据所述多个检测区域,对所述缺陷点集合和多个子缺陷点集进行聚类,获得多个缺陷点聚类结果和多个子缺陷点聚类结果集合;
加权计算求和模块,所述加权计算求和模块用于根据所述多个凸起缺陷检测结果内的凸起缺陷等级的大小,对所述多个缺陷点聚类结果和多个子缺陷点聚类结果集合内缺陷点的数量进行加权计算求和,获得综合缺陷点数量和综合子缺陷点数量;
综合表面质量等级获得模块,所述综合表面质量等级获得模块用于将所述综合缺陷点数量和综合子缺陷点数量求和,输入缺陷点表面质量标准内,获得所述综合表面质量等级,所述缺陷点表面质量标准内包括多个样本总缺陷点数量区间和多个样本综合表面质量等级的映射关系。
实施例3
图4为本发明实施例三提供的电子设备的结构示意图,示出了适于用来实现本发明实施方式的示例性电子设备的框图。图4显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。如图4所示,该电子设备包括处理器31、存储器32、输入装置33及输出装置34;电子设备中处理器31的数量可以是一个或多个,图4中以一个处理器31为例,电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种用于吹塑模具表面缺陷的多维检测方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述一种用于吹塑模具表面缺陷的多维检测方法。
本申请提供了一种用于吹塑模具表面缺陷的多维检测方法,其中,所述方法应用于一种用于吹塑模具表面缺陷的多维检测系统,所述方法包括:在待进行检测的吹塑模具的成型表面上,构建检测坐标系;通过检测坐标系进行检测点划分,获得多个检测区域;通过对多个检测区域进行激光光学检测,获得多个区域检测参数,并将多个区域检测参数输入激光检测分析通道内,获得多个凸起缺陷检测结果;根据吹塑模具的表面质量要求,构建检出函数、检出条件和多个子检出条件,基于此,在检测坐标系内,对多个检测点进行挖掘检出,获得缺陷点集合和多个子缺陷点集;根据多个凸起缺陷检测结果,对缺陷点集合和多个子缺陷点集进行聚类和加权计算,获得综合表面质量等级,结合缺陷点集合和多个子缺陷点集,获得吹塑模具的表面缺陷检测结果。解决了现有技术中针对吹塑模具的表面缺陷检测精准度低,导致吹塑模具的表面缺陷检测效果不佳的技术问题。达到了提高吹塑模具的表面缺陷检测的精准度、灵活度,提升吹塑模具的表面缺陷检测质量的技术效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
本发明实施例所提供的一种用于吹塑模具表面缺陷的多维检测系统可执行本发明任意实施例所提供的一种用于吹塑模具表面缺陷的多维检测方法,具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
Claims (10)
1.一种用于吹塑模具表面缺陷的多维检测方法,其特征在于,所述方法包括:
在待进行检测的吹塑模具的成型表面上,构建检测坐标系,其中,所述检测坐标系内包括多个检测点以及多个点坐标;
在所述检测坐标系内,对所述多个检测点进行划分,获得多个检测区域;
对所述多个检测区域进行激光光学检测,获得多个区域检测参数,输入激光检测分析通道内,获得多个凸起缺陷检测结果;
根据所述吹塑模具的表面质量要求,构建检出函数、检出条件和多个子检出条件,其中,所述表面质量要求包括硬度、粗糙度、孔隙、夹杂物和疤点;
在所述检测坐标系内,根据所述检出函数、检出条件和多个子检出条件,对所述多个检测点进行挖掘检出,获得缺陷点集合和多个子缺陷点集,其中,在挖掘检出过程中,通过多个挖掘粒子对进行挖掘,并通过所述检出函数计算挖掘获得的检测点的适应度,将满足所述检出条件和多个子检出条件的检测点检出为缺陷点;
根据所述多个凸起缺陷检测结果,对所述缺陷点集合和多个子缺陷点集进行聚类和加权计算,获得综合表面质量等级,结合所述缺陷点集合和多个子缺陷点集,作为所述吹塑模具的表面缺陷检测结果。
2.根据权利要求1所述的方法,其特征在于,在待进行检测的吹塑模具的成型表面上,构建检测坐标系,包括:
以所述吹塑模具的成型表面的中心点,作为坐标原点;
根据所述吹塑模具的成型表面的最小缺陷面积,对所述成型表面进行划分,获得所述多个检测点;
根据所述坐标原点,对所述多个检测点进行坐标分配,获得所述多个点坐标,构建所述检测坐标系。
3.根据权利要求1所述的方法,其特征在于,对所述多个检测区域进行激光光学检测,获得多个区域检测参数,输入激光检测分析通道内,获得多个凸起缺陷检测结果,包括:
采用激光检测装置,分别对所述多个检测区域进行检测,获取所述多个检测区域接收激光并反射的激光参数,作为所述多个区域检测参数;
根据相同的吹塑模具的表面检测数据,获取样本区域检测参数集合和样本凸起缺陷等级集合;
基于所述样本区域检测参数集合和样本凸起缺陷等级集合,构建所述激光检测分析通道,通过监督学习,根据损失函数更新网络参数,获得满足收敛条件的所述激光检测分析通道;
将所述多个区域检测参数输入所述激光检测分析通道内,获得所述多个凸起缺陷检测结果。
4.根据权利要求1所述的方法,其特征在于,根据所述吹塑模具的表面质量要求,构建检出函数、检出条件和多个子检出条件,包括:
获取所述吹塑模具的硬度表面质量要求、粗糙度表面质量要求、孔隙表面质量要求、夹杂物表面质量要求和疤点表面质量要求,作为所述表面质量要求;
根据所述表面质量要求,构建所述检出函数,如下式:
;
其中,为表面质量评分,/>和/>为权重,/>为所述吹塑模具的成型表面的标准硬度,/>为对一个检测点进行第i次检测的硬度,T为检测硬度的次数,/>为所述吹塑模具的成型表面的标准粗糙度,/>为检测获得的一个检测点的粗糙度,/>和/>时,L为1;
根据所述检出函数,构建检出条件,所述检出条件包括L小于等于0时,检出为缺陷点;
将检测点的硬度、粗糙度、以及是否存在孔隙、夹杂物或疤点不满足所述硬度表面质量要求、粗糙度表面质量要求、孔隙表面质量要求、夹杂物表面质量要求或疤点表面质量要求时,检出为子缺陷点,作为所述多个子检出条件。
5.根据权利要求4所述的方法,其特征在于,在所述检测坐标系内,根据所述检出函数、检出条件和多个子检出条件,对所述多个检测点进行挖掘检出,获得缺陷点集合和多个子缺陷点集,包括:
获取包括M个挖掘速度和M个挖掘方向的M个挖掘粒子,并在所述检测坐标系内随机生成M个点坐标,作为M个挖掘位置,M为大于1的整数;
根据所述检出函数,对所述M个点坐标对应的M个检测点进行检测,并计算获得M个适应度;
根据所述检出条件,对所述M个适应度进行判别,根据所述多个子检出条件,对所述M个检测点的检测结果进行判别,在存在至少一个缺陷点时,获得N个缺陷点和多个子缺陷点,N为正整数,且,1≤N≤M;
将所述M个适应度中的最大值对应的挖掘粒子加入禁忌表,在禁忌迭代次数中不进行挖掘更新;
根据未禁忌的M-1个挖掘粒子的M-1个适应度,对M-1个挖掘粒子的挖掘速度和挖掘方向进行更新,获得M-1个更新挖掘速度和M-1个更新挖掘方向;
基于所述M-1个更新挖掘速度和M-1个更新挖掘方向,M-1个挖掘粒子进行挖掘更新,获得M-1个更新挖掘位置;
继续进行迭代挖掘,获得所述缺陷点集合和多个子缺陷点集。
6.根据权利要求5所述的方法,其特征在于,根据未禁忌的M-1个挖掘粒子的M-1个适应度,对M-1个挖掘粒子的挖掘速度和挖掘方向进行更新,获得M-1个更新挖掘速度和M-1个更新挖掘方向,包括:
计算获得M-1个适应度的均值;
判断每个未禁忌的挖掘粒子的适应度是否大于所述均值,若是,则对挖掘方向进行随机调整,若否,则不进行挖掘方向更新,获得所述M-1个更新挖掘方向;
计算M-1个适应度与所述均值的比值的倒数,对未禁忌的M-1个挖掘粒子的M-1个挖掘速度进行更新,获得所述M-1个更新挖掘速度。
7.根据权利要求1所述的方法,其特征在于,根据所述多个凸起缺陷检测结果,对所述缺陷点集合和多个子缺陷点集进行聚类和加权计算,获得综合表面质量等级,包括:
根据所述多个检测区域,对所述缺陷点集合和多个子缺陷点集进行聚类,获得多个缺陷点聚类结果和多个子缺陷点聚类结果集合;
根据所述多个凸起缺陷检测结果内的凸起缺陷等级的大小,对所述多个缺陷点聚类结果和多个子缺陷点聚类结果集合内缺陷点的数量进行加权计算求和,获得综合缺陷点数量和综合子缺陷点数量;
将所述综合缺陷点数量和综合子缺陷点数量求和,输入缺陷点表面质量标准内,获得所述综合表面质量等级,所述缺陷点表面质量标准内包括多个样本总缺陷点数量区间和多个样本综合表面质量等级的映射关系。
8.一种用于吹塑模具表面缺陷的多维检测系统,其特征在于,所述系统用于执行权利要求1至7中任一项所述的方法,所述系统包括:
坐标系构建模块,所述坐标系构建模块用于在待进行检测的吹塑模具的成型表面上,构建检测坐标系,其中,所述检测坐标系内包括多个检测点以及多个点坐标;
检测点划分模块,所述检测点划分模块用于在所述检测坐标系内,对所述多个检测点进行划分,获得多个检测区域;
激光光学检测模块,所述激光光学检测模块用于对所述多个检测区域进行激光光学检测,获得多个区域检测参数,输入激光检测分析通道内,获得多个凸起缺陷检测结果;
检出条件构建模块,所述检出条件构建模块用于根据所述吹塑模具的表面质量要求,构建检出函数、检出条件和多个子检出条件,其中,所述表面质量要求包括硬度、粗糙度、孔隙、夹杂物和疤点;
挖掘检出模块,所述挖掘检出模块用于在所述检测坐标系内,根据所述检出函数、检出条件和多个子检出条件,对所述多个检测点进行挖掘检出,获得缺陷点集合和多个子缺陷点集,其中,在挖掘检出过程中,通过多个挖掘粒子对进行挖掘,并通过所述检出函数计算挖掘获得的检测点的适应度,将满足所述检出条件和多个子检出条件的检测点检出为缺陷点;
缺陷检测结果获得模块,所述缺陷检测结果获得模块用于根据所述多个凸起缺陷检测结果,对所述缺陷点集合和多个子缺陷点集进行聚类和加权计算,获得综合表面质量等级,结合所述缺陷点集合和多个子缺陷点集,作为所述吹塑模具的表面缺陷检测结果。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至7任一项所述的一种用于吹塑模具表面缺陷的多维检测方法。
10.一种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时实现如权利要求1至7中任一项所述的一种用于吹塑模具表面缺陷的多维检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311580524.8A CN117288770B (zh) | 2023-11-24 | 2023-11-24 | 用于吹塑模具表面缺陷的多维检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311580524.8A CN117288770B (zh) | 2023-11-24 | 2023-11-24 | 用于吹塑模具表面缺陷的多维检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117288770A true CN117288770A (zh) | 2023-12-26 |
CN117288770B CN117288770B (zh) | 2024-02-06 |
Family
ID=89248405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311580524.8A Active CN117288770B (zh) | 2023-11-24 | 2023-11-24 | 用于吹塑模具表面缺陷的多维检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117288770B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512886A (zh) * | 2012-06-14 | 2014-01-15 | 北汽福田汽车股份有限公司 | 用于测量工件表面畸变的测量仪 |
CN108508021A (zh) * | 2018-03-28 | 2018-09-07 | 中山市剑鸿电子科技有限公司 | 一种用于模具质量监测的探伤装置 |
CN109632825A (zh) * | 2019-01-18 | 2019-04-16 | 创新奇智(重庆)科技有限公司 | 一种钢卷表面异常突起的自动检测方法 |
CN112326673A (zh) * | 2020-11-13 | 2021-02-05 | 南京航空航天大学 | 基于机器视觉的注塑件表面缺陷检测方法和装置 |
CN117076960A (zh) * | 2023-08-16 | 2023-11-17 | 成都数之联科技股份有限公司 | 一种面板缺陷点聚集检测方法、系统、设备及存储介质 |
-
2023
- 2023-11-24 CN CN202311580524.8A patent/CN117288770B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512886A (zh) * | 2012-06-14 | 2014-01-15 | 北汽福田汽车股份有限公司 | 用于测量工件表面畸变的测量仪 |
CN108508021A (zh) * | 2018-03-28 | 2018-09-07 | 中山市剑鸿电子科技有限公司 | 一种用于模具质量监测的探伤装置 |
CN109632825A (zh) * | 2019-01-18 | 2019-04-16 | 创新奇智(重庆)科技有限公司 | 一种钢卷表面异常突起的自动检测方法 |
CN112326673A (zh) * | 2020-11-13 | 2021-02-05 | 南京航空航天大学 | 基于机器视觉的注塑件表面缺陷检测方法和装置 |
CN117076960A (zh) * | 2023-08-16 | 2023-11-17 | 成都数之联科技股份有限公司 | 一种面板缺陷点聚集检测方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117288770B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115311292B (zh) | 基于图像处理的带钢表面缺陷检测方法及系统 | |
CN112287788A (zh) | 基于改进YOLOv3和改进NMS的行人检测方法 | |
CN107688170B (zh) | 一种基于随机森林的雷达目标航迹起始方法 | |
CN115082683A (zh) | 一种基于图像处理的注塑缺陷检测方法 | |
CN101893704A (zh) | 一种基于粗糙集的雷达辐射源信号识别方法 | |
CN114897896B (zh) | 基于灰度变换的建筑木材缺陷检测方法 | |
CN111444769B (zh) | 一种基于多尺度自适应随机森林的激光雷达检测人腿方法 | |
CN110020712B (zh) | 一种基于聚类的优化粒子群bp网络预测方法和系统 | |
CN111444767A (zh) | 一种基于激光雷达的行人检测和追踪方法 | |
CN112200225A (zh) | 基于深度卷积神经网络的钢轨伤损b显图像识别方法 | |
CN111709386B (zh) | 一种水下浅地层剖面图像底质分类方法及系统 | |
CN110428438B (zh) | 一种单木建模方法、装置和存储介质 | |
CN113916894A (zh) | 基于量子鸽群峰谷区间分割的铜冲压件表面裂缝检测方法 | |
CN109766905B (zh) | 基于自组织特征映射网络的目标分群方法 | |
CN116150861B (zh) | 一种高烈度区剪力墙施工数据智能处理系统 | |
CN115496892A (zh) | 工业缺陷检测方法、装置及电子设备、存储介质 | |
CN111738332A (zh) | 基于特征级融合的水下多源声学图像底质分类方法及系统 | |
CN116804668A (zh) | 一种食盐碘含量检测数据标识方法及系统 | |
CN117288770B (zh) | 用于吹塑模具表面缺陷的多维检测方法及系统 | |
CN114966591A (zh) | 一种大目标检测方法、大目标检测装置及电子设备 | |
CN113838099A (zh) | 一种基于孪生神经网络的单目标跟踪方法 | |
CN113065395A (zh) | 一种基于生成对抗网络的雷达目标新类检测方法 | |
CN112085335A (zh) | 一种用于配电网故障预测的改进随机森林算法 | |
CN112418313B (zh) | 一种大数据在线噪声过滤系统与方法 | |
CN115908541A (zh) | 针对室内环境基于曲率信息的车载激光雷达点云聚类算法 |
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 |