CN117314262B - 一种木门多工序自动化集成加工生产线检测方法及系统 - Google Patents
一种木门多工序自动化集成加工生产线检测方法及系统 Download PDFInfo
- Publication number
- CN117314262B CN117314262B CN202311592064.0A CN202311592064A CN117314262B CN 117314262 B CN117314262 B CN 117314262B CN 202311592064 A CN202311592064 A CN 202311592064A CN 117314262 B CN117314262 B CN 117314262B
- Authority
- CN
- China
- Prior art keywords
- wooden door
- production
- door
- parameters
- initial material
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 221
- 238000012545 processing Methods 0.000 title claims abstract description 161
- 238000000034 method Methods 0.000 title claims abstract description 84
- 239000000463 material Substances 0.000 claims abstract description 320
- 239000002023 wood Substances 0.000 claims abstract description 96
- 230000008859 change Effects 0.000 claims abstract description 60
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims description 55
- 238000004458 analytical method Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000003321 amplification Effects 0.000 claims description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 239000000047 product Substances 0.000 description 23
- 238000009826 distribution Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 15
- 238000003754 machining Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 239000007787 solid Substances 0.000 description 6
- 239000002131 composite material Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012797 qualification Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004381 surface treatment Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011094 fiberboard Substances 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/20—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring contours or curvatures, e.g. determining profile
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/28—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
Abstract
本发明公开了一种木门多工序自动化集成加工生产线检测方法及系统，涉及木门加工领域，该木门多工序自动化集成加工生产线检测方法包括以下步骤：S1、获取木门生产规划，并对木门材料进行选择；S2、计量传感器选择，获取木门生产初始材料参数；S3、生成自动化加工方案，并预设木门加工损失阈值；S4、获取木门材料变化参数；S5、将木门材料变化参数与木门加工损失阈值进行比较，并进行损失评估；S6、对自动化加工方案进行优化调整，并进行木门生产；S7、进行合格评判，并根据评判结果对木门生产规划进行调整。本发明使用了传感器对木门进行精确的线性尺寸测量，获取材料参数变化情况，并对生产过程中的每一步进行精确的计量。
Description
技术领域
本发明涉及木门加工领域，具体来说，涉及一种木门多工序自动化集成加工生产线检测方法及系统。
背景技术
木门是指制作门的主要材料为木材的门，广泛适用于民、商用建筑及住宅，而木门的种类有很多包括实木门、实木复合门、木质复合门等，通过使用的木材类型和制作的工艺不同，产生多种多样的木门风格，也导致木门的价格和木门性能上都有区别，但无论哪种类型的木门，都需要经过严格的制作流程，确保木门生产完成后的最终产品质量。
而多工序自动化集成是指在制造过程中，将多个工序通过自动化技术与系统整合在一起进行操作的技术。在木门生产过程中通过自动化设备进行木材的切割、打磨和组装，并通过传感器和测量设备检测木门的尺寸和质量，然后再利用控制系统控制生产过程，以确保生产出的木门满足预定的质量标准，从而提高木门的生产效率，降低木门的生产成本。
但现有的木门多工序自动化集成加工生产线检测方法及系统在进行使用时并未对木门生产时使用的材料进行精确的测量，导致木门加工时的材料损耗及加工效率在进行计算时并不精确，极大的影响了现有的木门多工序自动化集成加工生产线检测方法及系统在进行使用时的精准性，且现有的木门多工序自动化集成加工生产线检测方法及系统在进行使用时无法对生产规划进行实时的调整，导致木门在进行生产时无法根据生产需求的变化，而进行及时的调整，使得木门在进行加工检测时的效率大大降低。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对现有技术的不足，本发明提供了木门多工序自动化集成加工生产线检测方法及系统，具备计算精确、加工检测效率高的优点，进而解决计算不精确、加工检测效率低的问题。
为实现上述计算精确，加工检测效率提高的优点，本发明采用的具体技术方案如下：
根据本发明的一个方面，提供了一种木门多工序自动化集成加工生产线检测方法，包括以下步骤：
S1、获取木门生产规划，并根据木门生产规划进行木门材料的选择；
S2、根据选择后的木门材料进行计量传感器选择，并根据选择的计量传感器对木门材料进行线性尺寸测量，获取木门生产初始材料参数；
S3、根据木门生产规划和木门生产初始材料参数生成自动化加工方案，并预设木门加工损失阈值；
S4、采用计量传感器对自动化加工方案中木门生产初始材料表面积变化进行测量，获取木门材料变化参数；
S5、将木门材料变化参数与木门加工损失阈值进行比较，并根据比较结果进行损失评估；
S6、根据损失评估结果对自动化加工方案进行优化调整，并采用优化调整后的自动化加工方案进行木门生产；
S7、对生产完成后的木门采用计量传感器进行轮廓计量，并根据计量结果进行合格评判，并根据评判结果对木门生产规划进行调整。
作为优选方案，根据选择后的木门材料进行计量传感器选择，并根据选择的计量传感器对木门材料进行线性尺寸测量，获取木门生产初始材料参数包括以下步骤：
S21、预设木门材料与计量传感器的匹配规则，并根据木门材料与计量传感器的匹配规则进行计量传感器选择；
S22、根据选择的计量传感器对木门材料进行线性尺寸参数测量，获取材料线性参数；
S23、对材料线性参数进行数据清洗，并对清洗后的材料线性参数进行分析，获取材料参数特征值；
S24、对材料参数特征值进行异常值处理，并根据异常值处理后的材料参数特征值构建木门生产初始材料参数。
作为优选方案，根据选择的计量传感器对木门材料进行线性尺寸参数测量，获取材料线性参数包括以下步骤：
S221、预设计量传感器测量标准，并根据计量传感器测量标准对木门材料进行线性尺寸参数测量；
S222、对木门材料进行线性尺寸参数的测量结果进行记录分析，获取木门材料的线性尺寸参数；
S223、对木门材料的线性尺寸参数进行分析校准，并将校准后的线性尺寸参数输出。
作为优选方案，采用计量传感器对自动化加工方案中木门生产初始材料表面积变化进行测量，获取木门材料变化参数包括以下步骤：
S41、对自动化加工方案进行加工步骤划分，并根据加工步骤划分结果配置计量传感器；
S42、根据加工步骤划分结果生成加工步骤，并预设加工步骤的损失警报阈值，并根据配置的计量传感器对加工步骤中木门生产初始材料参数的变化进行计量，获取木门材料损失参数；
S43、将损失警报阈值与木门材料损失参数进行比对，并根据比对结果进行加工程序判断；
S44、根据加工程序判断结果对自动化加工方案进行调整，并收集调整后自动化加工方案中木门材料损失参数，作为木门材料变化参数输出。
作为优选方案，根据加工步骤划分结果生成加工步骤，并预设加工步骤的损失警报阈值，并根据配置的计量传感器对加工步骤中木门生产初始材料参数的变化进行计量，获取木门材料损失参数包括以下步骤：
S421、通过计量传感器对木门生产初始材料进行材料初始面积点标注；
S422、通过计量传感器对加工步骤中木门生产初始材料的材料变化面积点标注；
S423、根据材料初始面积点标注计算材料初始面积参数，并根据材料变化面积点标注计算加工步骤中材料变化面积参数；
S424、根据材料初始面积参数和材料变化面积参数计算木门材料损失参数。
作为优选方案，通过计量传感器对木门生产初始材料进行材料初始面积点标注包括以下步骤：
S4211、通过计量传感器获取木门生产初始材料线性参数，并根据木门生产初始材料线性参数构建木门生产初始材料图像；
S4212、对木门生产初始材料图像进行边缘检测，获取木门生产初始材料图像的边缘特征，并对木门生产初始材料图像的边缘特征进行分析，根据分析结果生成初始材料边缘特征点；
S4213、根据自动化加工方案的加工步骤划分结果生成木门边缘特征，并根据木门边缘特征生成木门边缘特征点；
S4214、将木门边缘特征点与初始材料边缘特征点映射至木门生产初始材料。
作为优选方案，通过计量传感器获取木门生产初始材料线性参数，并根据木门生产初始材料线性参数构建木门生产初始材料图像包括以下步骤：
S42111、通过计量传感器测量木门生产初始材料线性参数，并对木门生产初始材料线性参数进行数据清洗；
S42112、根据清洗后的木门生产初始材料线性参数进行构建材料三维图像；
S42113、对材料三维图像进行图像细化，并对图像细化后的材料三维图像进行特征放大；
S42114、对特征放大后的材料三维图像进行图像合理性分析，并根据分析结果对材料三维图像进行调整，获取木门生产初始材料图像。
作为优选方案，对木门生产初始材料图像进行边缘检测，获取木门生产初始材料图像的边缘特征，并对木门生产初始材料图像的边缘特征进行分析，根据分析结果生成初始材料边缘特征点包括以下步骤：
S42121、对木门生产初始材料图像进行梯度大小计算，获取木门生产初始材料图像的边缘特征；
S42122、对图像边缘特征进行角度计算，并根据角度计算结果对图像边缘特征进行统筹分析；
S42123、根据图像边缘特征的统筹分析结果生成边缘特征点。
作为优选方案，对木门生产初始材料图像进行梯度大小计算，获取木门生产初始材料图像的边缘特征的计算公式为：
；
其中，F为木门生产初始材料图像的梯度；W为木门生产初始材料图像的像素强度；为木门生产初始材料图像在x方向的梯度；x为木门生产初始材料图像在x方向的矩阵；为木门生产初始材料图像在y方向的梯度；y为木门生产初始材料图像在y方向的矩阵；为平方根运算函数。
根据本发明的另一个方面，提供了一种木门多工序自动化集成加工生产线检测系统，该系统包括：生产规划获取模块，用于获取木门生产规划，并根据木门生产规划进行木门材料的选择；传感器选择模块，用于根据选择后的木门材料进行计量传感器选择，并根据选择的计量传感器对木门材料进行线性尺寸测量，获取木门生产初始材料参数；加工方案生成模块，用于根据木门生产规划和木门生产初始材料参数生成自动化加工方案，并预设木门加工损失阈值；面积变化采集模块，用于采用计量传感器对自动化加工方案中木门生产初始材料表面积变化进行测量，获取木门材料变化参数；材料损失评估模块，用于将木门材料变化参数与木门加工损失阈值进行比较，并根据比较结果进行损失评估；生产方案优化模块，用于根据损失评估结果对自动化加工方案进行优化调整，并采用优化调整后的自动化加工方案进行木门生产；生产规划调整模块，用于对生产完成后的木门采用计量传感器进行轮廓计量，并根据计量结果进行合格评判，并根据评判结果对木门生产规划进行调整。
与现有技术相比，本发明提供了木门多工序自动化集成加工生产线检测方法及系统，具备以下有益效果：
（1）本发明使用了计量传感器和计量传感器对木门进行精确的线性尺寸测量，获取材料参数获取变化情况，并对生产过程中的每一步进行精确的计量，提高木门生产时的产品质量，并通过自动化加工和优化调整，减少人工干预的需求，提高生产效率，且对材料损失进行阈值设定，并且根据实际的损失参数进行加工方案的调整，使得木门加工时减少材料浪费同时降低生产成本；
（2）本发明根据实际的生产情况进行加工方案的调整，使得生产过程具有较强的灵活性和适应性，并收集大量的生产过程数据，为决策提供强大的数据支持，同时生产完成后对产品进行了质量评估，并根据评估结果调整生产规划，使得木门生产完成的产品质量便于持续维护。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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。
图1是根据本发明实施例的木门多工序自动化集成加工生产线检测方法的方法流程图；
图2是根据本发明实施例的木门多工序自动化集成加工生产线检测系统的系统框图。
图中：1、生产规划获取模块；2、传感器选择模块；3、加工方案生成模块；4、面积变化采集模块；5、材料损失评估模块；6、生产方案优化模块；7、生产规划调整模块。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
根据本发明的实施例，提供了一种木门多工序自动化集成加工生产线检测方法及系统。
现结合附图和具体实施方式对本发明进一步说明，根据本发明的一个实施例，如图1所示，根据本发明实施例的一种木门多工序自动化集成加工生产线检测方法，包括以下步骤：
S1、获取木门生产规划，并根据木门生产规划进行木门材料的选择；具体的，木门生产规划需要分析市场需求，获取客户对不同类型和规格木门的需求情况，包括门板材质、门框材质、门面处理等不同细分需求，并根据市场需求进行产品规划，明确主要产品系列和类型，如实木门、复合木门等，且为每个产品类型设计不同规格和尺寸的产品样品，再根据样品拟定生产计划，同时根据市场预测，制定不同期间的产能安排和产量目标，并结合生产线布局、生产流程设计等因素；再根据产品类型和生产计划，选择门板材质，如实木、中密度纤维板等，选择门框材质，如钢制或铝制门框，选择门把手、锁芯、门铰等辅助部件材质和品牌，并明确每个产品的尺寸、门面处理工艺要求等技术参数，再根据市场变化及时调整产品和生产计划，优化木门原材料和辅助材料的选择；
S2、根据选择后的木门材料进行计量传感器选择，并根据选择的计量传感器对木门材料进行线性尺寸测量，获取木门生产初始材料参数；具体的，根据选择后的木门材料进行计量传感器选择，并根据选择的计量传感器对木门材料进行线性尺寸测量，获取木门生产初始材料参数包括以下步骤：
S21、预设木门材料与计量传感器的匹配规则，并根据木门材料与计量传感器的匹配规则进行计量传感器选择；具体的，明确常用木门材料种类，如实木门板、中密度纤维门板、复合木门板等，并对木门进行研究不同材料的物理特性，如密度、强度、表面光洁度等，同时调研市面上常见的计量传感器类型，如激光距离传感器、红外距离传感器、压力传感器等，再预设木门材料与传感器的匹配规则矩阵，如实木门板适用激光距离传感器，中密度纤维门板适用红外距离传感器，复合木门板适用压力传感器，再根据产品设计需求，获取需要测量的参数，如门板厚度、门框尺寸等，结合产品材料和需要测量参数，从匹配规则矩阵中选择适当的传感器类型，并考虑成本因素，选型具体传感器产品，再建立木门材料-传感器匹配数据库，同时定期评估和优化匹配规则；
S22、根据选择的计量传感器对木门材料进行线性尺寸参数测量，获取材料线性参数；具体的，根据选择的计量传感器对木门材料进行线性尺寸参数测量，获取材料线性参数包括以下步骤：
S221、预设计量传感器测量标准，并根据计量传感器测量标准对木门材料进行线性尺寸参数测量；具体的，明确需要测量的木门材料线性尺寸参数，如门板厚度、门框长宽高等，选定的计量传感器的测量原理和精度要求，如激光传感器门限值等，再预设传感器测量标准，如门板厚度采用±0.5mm作为误差范围标准，并选定传感器采集数据的位置和方式，如门板4个角位采集厚度数据取平均值，再进行测试，采集传感器实测数据，并对采集数据进行统计分析，判断测量结果是否在预设的标准误差范围内，将不合格数据进行分析原因，如传感器本身误差、安装位置误差等，同时基于多次测试结果优化传感器安装位置和采集方式，保存传感器测量数据和判断结果，并定期评估标准必要时进行修订优化；
S222、对木门材料进行线性尺寸参数的测量结果进行记录分析，获取木门材料的线性尺寸参数；具体的，设置测量数据表格，记录产品编号、测量项目、各测点数据和平均值等，使用计量传感器对木门材料进行线性参数测量，记录每个测点实测数据，并对每个测量项目，如门板厚度、门框长度等，进行数据统计分析，计算每个项目的平均值、最大值、最小值、标准差等指标，判断平均值是否在预设的测量标准误差范围内，绘制不同项目测量数据的分布图，观察数据分布情况，分析异常数据点，再将各项目测量结果与标准要求进行对比，并标注合格与不合格；再将分析结果录入产品线性参数数据库，对比历史数据，分析产品线性参数的变化趋势，并根据分析结果调整传感器算法参数，优化测量精度，获取产品线性尺寸参数规格，如门板厚度16mm±0.3mm等；
S223、对木门材料的线性尺寸参数进行分析校准，并将校准后的线性尺寸参数输出。
具体的，从数据库中提取一批木门材料的线性参数测量数据，对每项线性参数，如门板厚度、门框长度等，进行描述统计分析，计算平均值、标准差等指标，分析每项参数的数据分布情况，判断是否符合正态分布，并根据标准差大小评估测量系统的重复精度，再根据历史数据分析，判断参数是否存在漂移趋势，如门板厚度平均值每年增加0.1mm，再根据参数分布特征和趋势变化，给每项参数确定一个校准因子，对原始测量数据进行校准修正，如门板厚度数据全量增加0.1mm，再重新统计每项经校准后参数的平均值、标准差等指标，并输出经校准后的各项线性参数规格，如门板厚度16.1mm±0.2mm，并录入数据库下次测量采用新的线性参数规格进行判断，定期重复上述过程，不断优化线性参数的校准方法与精度。
S23、对材料线性参数进行数据清洗，并对清洗后的材料线性参数进行分析，获取材料参数特征值；具体的，从数据库中提取一批原始的材料线性参数数据，设定数据筛选规则，如删除离群值、空值等，根据筛选规则进行数据预处理，清洗出完整有效的数据集，对每项线性参数，如厚度、长度等，进行描述统计分析，计算统计量如平均值、中值、标准差、最大最小值等，分析每项参数的分布情况，判断是否满足正态分布，将不同参数间的关系绘成散点图，分析相关性，根据相关性，将一些参数合并或分解为新参数，再将清洗后数据集分为训练样本和测试样本，在训练样本上建立线性回归或神经网络模型，使用测试样本验证模型效果，调整模型参数，输出每项线性参数的统计特征值，如平均值代表特征，对比原始参数，分析清洗对特征提取的影响，并将线性参数特征值加入产品数据库；
S24、对材料参数特征值进行异常值处理，并根据异常值处理后的材料参数特征值构建木门生产初始材料参数。
S3、根据木门生产规划和木门生产初始材料参数生成自动化加工方案，并预设木门加工损失阈值；具体的，收集木门生产规划，包括产品规格、产能目标等数据，再收集木门初始材料参数，如门板厚度、长度宽度等规格数据，根据产品规格设计自动化生产流水线布局，再根据材料参数和机床能力设计各工序加工参数，如速度、深度等，运用CAD软件模拟加工过程，识别可能的加工损失点，并统计历史数据，预测各工序的加工损失率，根据损失率预测，为各工序设置加工损失阈值，将加工参数和损失阈值整合为自动化加工方案，方案中加入质量检查工序，判断是否超过损失阈值，将加工方案和损失标准输入生产线控制系统，并定期收集生产数据，评估损失率是否符合预期，如高于损失阈值则优化方案。
S4、采用计量传感器对自动化加工方案中木门生产初始材料表面积变化进行测量，获取木门材料变化参数；具体的，采用计量传感器对自动化加工方案中木门生产初始材料表面积变化进行测量，获取木门材料变化参数包括以下步骤：
S41、对自动化加工方案进行加工步骤划分，并根据加工步骤划分结果配置计量传感器；具体的，分析加工方案中的各个加工工序内容和顺序，根据加工内容将各工序粗略划分为不同的加工步骤，进一步细化划分标准，如是否需要重新定位等，将加工方案中的每个工序明确划分到对应的加工步骤，根据每个加工步骤的操作内容，确定需要监测的工艺参数，再选择适当的计量传感器类型，如激光测距仪、力传感器等，确定每个传感器的安装位置和采集参数，并在CAD系统中建立传感器虚拟模型，模拟传感范围，调整传感器位置，使得每个关键工序都在传感范围内，并记录每个加工步骤对应的传感器，形成加工步骤与传感器对应关系，再将传感器集成到生产线上，与控制系统连接，实现测试传感器的实时采集和传输功能；
S42、根据加工步骤划分结果生成加工步骤，并预设加工步骤的损失警报阈值，并根据配置的计量传感器对加工步骤中木门生产初始材料参数的变化进行计量，获取木门材料损失参数；具体的，根据加工步骤划分结果生成加工步骤，并预设加工步骤的损失警报阈值，并根据配置的计量传感器对加工步骤中木门生产初始材料参数的变化进行计量，获取木门材料损失参数包括以下步骤：
S421、通过计量传感器对木门生产初始材料进行材料初始面积点标注；具体的，通过计量传感器对木门生产初始材料进行材料初始面积点标注包括以下步骤：
S4211、通过计量传感器获取木门生产初始材料线性参数，并根据木门生产初始材料线性参数构建木门生产初始材料图像；具体的，通过计量传感器获取木门生产初始材料线性参数，并根据木门生产初始材料线性参数构建木门生产初始材料图像包括以下步骤：
S42111、通过计量传感器测量木门生产初始材料线性参数，并对木门生产初始材料线性参数进行数据清洗；
S42112、根据清洗后的木门生产初始材料线性参数进行构建材料三维图像；具体的，收集和清洗木门材料线性参数数据，如门板厚度、长度、宽度等数据，并根据参数数据构建木门材料三维几何模型，并确定模型的基本形状尺寸，将清洗后各参数的数据特征值分配到模型的对应位置和属性上，比如门板平均厚度16mm分配到模型的厚度属性上，对模型进行细分，形成多个小面片或体素，再将每个面片或体素的形状属性值设置为对应的线性参数特征值，比如每个面片的厚度属性值设置为16mm±0.2mm的随机值；对模型进行渲染，形成考虑参数不确定性的材料三维图像，再对图像进行旋转、平移等操作观察材料结构，或进行数字切割和测量，验证参数分布情况，并根据实际检测结果不断优化三维图像的精度；
S42113、对材料三维图像进行图像细化，并对图像细化后的材料三维图像进行特征放大；具体的，对原始三维图像进行细化处理，增加模型面片或体素的数量，采用等距细分或不等距细分的方法，增加细节程度，对每个新增的面片或体素，设置与相邻元素相近的形状属性值，例如门板厚度属性可以设置为16mm±0.1mm的随机值，再对图像进行特征提取，识别材料结构中的特征点或区域，例如门板厚度分布的最薄点和最厚点等，将这些特征放大显示，并通过改变特征区域面片或体素的大小来实现放大，或通过颜色或透明度的变化来突出特征，将对比细化前后的图像观察细化效果，多次迭代优化使得特征更清晰地反映在三维图像中；
S42114、对特征放大后的材料三维图像进行图像合理性分析，并根据分析结果对材料三维图像进行调整，获取木门生产初始材料图像；具体的，对比三维图像中特征值的分布与原始参数数据的统计规律，判断特征值在空间上的分布是否合理，是否反映参数的真实分布特征，例如厚度分布是否符合正态分布的趋势等，并通过数字切片和测量，分析特征值在不同方向上的变化规律，再判断特征放大程度是否适度，是否会引入不真实信息，根据分析结果对图像做必要调整，如修改特征值或调整放大比例等，重新提取特征和分析，评估调整效果，并多次迭代调整后形成最终三维图像，将三维模型和相关分析结果保存为木门材料数据库，定期根据新参数数据对图像进行更新优化。
S4212、对木门生产初始材料图像进行边缘检测，获取木门生产初始材料图像的边缘特征，并对木门生产初始材料图像的边缘特征进行分析，根据分析结果生成初始材料边缘特征点；具体的，对木门生产初始材料图像进行边缘检测，获取木门生产初始材料图像的边缘特征，并对木门生产初始材料图像的边缘特征进行分析，根据分析结果生成初始材料边缘特征点包括以下步骤：S42121、对木门生产初始材料图像进行梯度大小计算，获取木门生产初始材料图像的边缘特征；具体的，对木门生产初始材料图像进行梯度大小计算，获取木门生产初始材料图像的边缘特征的计算公式为： ；其中，F 为木门生产初始材料图像的梯度； W 为木门生产初始材料图像的像素强度； />为木门生产初始材料图像在 x 方向的梯度； x 为木门生产初始材料图像在 x 方向的矩阵；/>为木门生产初始材料图像在 y 方向的梯度； y 为木门生产初始材料图像在 y 方向的矩阵； />为平方根运算函数。
S42122、对图像边缘特征进行角度计算，并根据角度计算结果对图像边缘特征进行统筹分析；具体的，从材料三维图像中提取边缘特征，如门板厚度分布的最薄最厚点等，对每个特征点进行标记编号，选择两个特征点作为起点和终点，计算它们连线的角度，采用三角函数计算两个向量间的夹角，对图像中的所有特征点对进行角度计算，将计算结果保存到数据库表中，包含特征点编号和角度值，并对角度数据进行统计分析，计算平均值、频率分布等，分析角度是否呈现某些规律性的分布；再将特征点在图像中的位置和角度值进行可视化处理，判断特征点分布情况是否与材质结构相匹配，根据分析结果，优化特征点的提取方法，或直接修改三维图像中特征点的位置，重复执行至特征分布满足要求；
S42123、根据图像边缘特征的统筹分析结果生成边缘特征点。
S4213、根据自动化加工方案的加工步骤划分结果生成木门边缘特征，并根据木门边缘特征生成木门边缘特征点；
S4214、将木门边缘特征点与初始材料边缘特征点映射至木门生产初始材料。
S422、通过计量传感器对加工步骤中木门生产初始材料的材料变化面积点标注；
S423、根据材料初始面积点标注计算材料初始面积参数，并根据材料变化面积点标注计算加工步骤中材料变化面积参数；具体的，在三维材料图像上标注初始面积的关键点，如四个角点等，根据关键点坐标利用三角函数计算初始面积大小，将初始面积参数录入数据库作为材料基本属性，并在加工步骤三维模拟中，标注每个步骤前后的关键面积变化点，如切割后四个角点发生变化的标注，根据每个步骤前后变化点坐标，计算面积变化值，判断面积是否在公差范围内，符合加工要求，再将各步骤面积变化参数结果录入数据库，整合各步骤数据，得出整体加工后的最终面积参数，并分析面积变化规律，调整加工参数以优化利用率。
S424、根据材料初始面积参数和材料变化面积参数计算木门材料损失参数。
S43、将损失警报阈值与木门材料损失参数进行比对，并根据比对结果进行加工程序判断；
S44、根据加工程序判断结果对自动化加工方案进行调整，并收集调整后自动化加工方案中木门材料损失参数，作为木门材料变化参数输出。
S5、将木门材料变化参数与木门加工损失阈值进行比较，并根据比较结果进行损失评估；
S6、根据损失评估结果对自动化加工方案进行优化调整，并采用优化调整后的自动化加工方案进行木门生产；具体的，分析历史生产数据，评估各工序的实际损失率是否符合预估，判断哪些工序损失率偏高，存在问题需要优化对损失率高的工序进行分析定位原因，如参数设置不当等，根据原因分析，对相关工序的参数如速度、深度等进行调整，或调整工艺流程顺序，优化工序布局，再对需要更换设备等重大调整也将方案修改，重新使用CAD模拟调整后的加工流程，评估优化后各工序的预测损失率是否下降，并将优化后的自动化加工方案导入生产线控制系统，启动生产线，采用优化后的方案进行木门加工，并持续监测生产质量和损失率，评估优化效果，再根据评估结果继续优化不足之处，不断改进方案；
S7、对生产完成后的木门采用计量传感器进行轮廓计量，并根据计量结果进行合格评判，并根据评判结果对木门生产规划进行调整。
具体的，在木门表面设置测量点，并采用激光等传感器进行轮廓测量，获取每个测点的位置坐标数据，根据产品设计图计算每个测点的理论坐标，将实测坐标与理论坐标进行对比，计算偏差值，判断每个测点偏差是否在公差范围内，统计合格率，判断是否达到质量要求，对超差点进行分析，确定可能原因如加工参数错误等，根据合格率分析，评估自动化方案和生产流程的优劣，对方案和流程进行必要调整，如改进参数、优化工序等，重新进行轮廓测量，评估调整效果，如合格率仍不满足，继续调整生产流程，再将优化后的生产规划反馈到生产线上实施。
根据本发明另一个实施例，如图2所示一种木门多工序自动化集成加工生产线检测系统，该系统包括：生产规划获取模块1，用于获取木门生产规划，并根据木门生产规划进行木门材料的选择；传感器选择模块2，用于根据选择后的木门材料进行计量传感器进行选择，并根据选择的计量传感器对木门材料进行线性尺寸测量，获取木门生产初始材料参数；加工方案生成模块3，用于根据木门生产规划和木门生产初始材料参数生成自动化加工方案，并预设木门加工损失阈值；面积变化采集模块4，用于采用计量传感器对自动化加工方案中木门生产初始材料表面积变化进行测量，获取木门材料变化参数；材料损失评估模块5，用于将木门材料变化参数与木门加工损失阈值进行比较，并根据比较结果进行损失评估；生产方案优化模块6，用于根据损失评估结果对自动化加工方案进行优化调整，并采用优化调整后的自动化加工方案进行木门生产；生产规划调整模块7，用于对生产完成后的木门采用计量传感器进行轮廓计量，并根据计量结果进行合格评判，并根据评判结果对木门生产规划进行调整。
综上所述，借助于本发明的上述技术方案，本发明使用了计量传感器和计量传感器对木门进行精确的线性尺寸测量，获取材料参数获取变化情况，并对生产过程中的每一步进行精确的计量，提高木门生产时的产品质量，并通过自动化加工和优化调整，减少人工干预的需求，提高生产效率，且对材料损失进行阈值设定，并且根据实际的损失参数进行加工方案的调整，使得木门加工时减少材料浪费同时降低生产成本。
此外，本发明根据实际的生产情况进行加工方案的调整，使得生产过程具有较强的灵活性和适应性，并收集大量的生产过程数据，为决策提供强大的数据支持，同时生产完成后对产品进行了质量评估，并根据评估结果调整生产规划，使得木门生产完成的产品质量便于持续维护。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种木门多工序自动化集成加工生产线检测方法，其特征在于，包括以下步骤：
S1、获取木门生产规划，并根据木门生产规划进行木门材料的选择；
S2、根据选择后的木门材料进行计量传感器选择，并根据选择的计量传感器对木门材料进行线性尺寸测量，获取木门生产初始材料参数；
S3、根据木门生产规划和木门生产初始材料参数生成自动化加工方案，并预设木门加工损失阈值；
S4、采用计量传感器对自动化加工方案中木门生产初始材料表面积变化进行测量，获取木门材料变化参数；所述采用计量传感器对自动化加工方案中木门生产初始材料表面积变化进行测量，获取木门材料变化参数包括以下步骤：
S41、对自动化加工方案进行加工步骤划分，并根据加工步骤划分结果配置计量传感器；
S42、根据加工步骤划分结果生成加工步骤，并预设加工步骤的损失警报阈值，并根据配置的计量传感器对加工步骤中木门生产初始材料参数的变化进行计量，获取木门材料损失参数；所述根据加工步骤划分结果生成加工步骤，并预设划分后加工步骤的损失警报阈值，并根据配置的计量传感器对加工步骤中木门生产初始材料参数的变化进行计量，获取木门材料损失参数：
S421、通过计量传感器对木门生产初始材料进行材料初始面积点标注；所述通过计量传感器对木门生产初始材料进行材料初始面积点标注包括以下步骤：
S4211、通过计量传感器获取木门生产初始材料线性参数，并根据木门生产初始材料线性参数构建木门生产初始材料图像；
S4212、对木门生产初始材料图像进行边缘检测，获取木门生产初始材料图像的边缘特征，并对木门生产初始材料图像的边缘特征进行分析，根据分析结果生成初始材料边缘特征点；
S4213、根据自动化加工方案的加工步骤划分结果生成木门边缘特征，并根据木门边缘特征生成木门边缘特征点；
S4214、将木门边缘特征点与初始材料边缘特征点映射至木门生产初始材料
S422、通过计量传感器对加工步骤中木门生产初始材料的材料变化面积点标注；
S423、根据材料初始面积点标注计算材料初始面积参数，并根据材料变化面积点标注计算加工步骤中材料变化面积参数；
S424、根据材料初始面积参数和材料变化面积参数计算木门材料损失参数；
S43、将损失警报阈值与木门材料损失参数进行比对，并根据比对结果进行加工程序判断；
S44、根据加工程序判断结果对自动化加工方案进行调整，并收集调整后自动化加工方案中木门材料损失参数，作为木门材料变化参数输出；
S5、将木门材料变化参数与木门加工损失阈值进行比较，并根据比较结果进行损失评估；
S6、根据损失评估结果对自动化加工方案进行优化调整，并采用优化调整后的自动化加工方案进行木门生产；
S7、对生产完成后的木门采用计量传感器进行轮廓计量，并根据计量结果进行合格评判，并根据评判结果对木门生产规划进行调整。
2.根据权利要求1所述的一种木门多工序自动化集成加工生产线检测方法，其特征在于，所述根据选择后的木门材料进行计量传感器选择，并根据选择的计量传感器对木门材料进行线性尺寸测量，获取木门生产初始材料参数包括以下步骤：
S21、预设木门材料与计量传感器的匹配规则，并根据木门材料与计量传感器的匹配规则进行计量传感器选择；
S22、根据选择的计量传感器对木门材料进行线性尺寸参数测量，获取材料线性参数；
S23、对材料线性参数进行数据清洗，并对清洗后的材料线性参数进行分析，获取材料参数特征值；
S24、对材料参数特征值进行异常值处理，并根据异常值处理后的材料参数特征值构建木门生产初始材料参数。
3.根据权利要求2所述的一种木门多工序自动化集成加工生产线检测方法，其特征在于，所述根据选择的计量传感器对木门材料进行线性尺寸参数测量，获取材料线性参数包括以下步骤：
S221、预设计量传感器测量标准，并根据计量传感器测量标准对木门材料进行线性尺寸参数测量；
S222、对木门材料进行线性尺寸参数测量的结果进行记录分析，获取木门材料的线性尺寸参数；
S223、对木门材料的线性尺寸参数进行分析校准，并将校准后的线性尺寸参数输出。
4.根据权利要求1所述的一种木门多工序自动化集成加工生产线检测方法，其特征在于，所述通过计量传感器获取木门生产初始材料线性参数，并根据木门生产初始材料线性参数构建木门生产初始材料图像包括以下步骤：
S42111、通过计量传感器测量木门生产初始材料线性参数，并对木门生产初始材料线性参数进行数据清洗；
S42112、根据清洗后的木门生产初始材料线性参数进行构建材料三维图像；
S42113、对材料三维图像进行图像细化，并对图像细化后的材料三维图像进行特征放大；
S42114、对特征放大后的材料三维图像进行图像合理性分析，并根据分析结果对材料三维图像进行调整，获取木门生产初始材料图像。
5.根据权利要求1所述的一种木门多工序自动化集成加工生产线检测方法，其特征在于，所述对木门生产初始材料图像进行边缘检测，获取木门生产初始材料图像的边缘特征，并对木门生产初始材料图像的边缘特征进行分析，根据分析结果生成初始材料边缘特征点包括以下步骤：
S42121、对木门生产初始材料图像进行梯度大小计算，获取木门生产初始材料图像的边缘特征；
S42122、对图像边缘特征进行角度计算，并根据角度计算结果对图像边缘特征进行统筹分析；
S42123、根据图像边缘特征的统筹分析结果生成边缘特征点。
6.根据权利要求5所述的一种木门多工序自动化集成加工生产线检测方法，其特征在于，所述对木门生产初始材料图像进行梯度大小计算，获取木门生产初始材料图像的边缘特征的计算公式为： ；其中， F 为木门生产初始材料图像的梯度； W 为木门生产初始材料图像的像素强度；Ax为木门生产初始材料图像在 x 方向的梯度； x 为木门生产初始材料图像在 x 方向的矩阵； Ay为木门生产初始材料图像在 y 方向的梯度； y 为木门生产初始材料图像在 y 方向的矩阵；sprt()为平方根运算函数。
7.一种木门多工序自动化集成加工生产线检测系统，用于实现权利要求1-6中任一项所述的木门多工序自动化集成加工生产线检测方法，其特征在于，该系统包括：生产规划获取模块，用于获取木门生产规划，并根据木门生产规划进行木门材料的选择；传感器选择模块，用于根据选择后的木门材料进行计量传感器选择，并根据选择的计量传感器对木门材料进行线性尺寸测量，获取木门生产初始材料参数；加工方案生成模块，用于根据木门生产规划和木门生产初始材料参数生成自动化加工方案，并预设木门加工损失阈值；面积变化采集模块，用于采用计量传感器对自动化加工方案中木门生产初始材料表面积变化进行测量，获取木门材料变化参数；材料损失评估模块，用于将木门材料变化参数与木门加工损失阈值进行比较，并根据比较结果进行损失评估；生产方案优化模块，用于根据损失评估结果对自动化加工方案进行优化调整，并采用优化调整后的自动化加工方案进行木门生产；生产规划调整模块，用于对生产完成后的木门采用计量传感器进行轮廓计量，并根据计量结果进行合格评判，并根据评判结果对木门生产规划进行调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311592064.0A CN117314262B (zh) | 2023-11-27 | 2023-11-27 | 一种木门多工序自动化集成加工生产线检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311592064.0A CN117314262B (zh) | 2023-11-27 | 2023-11-27 | 一种木门多工序自动化集成加工生产线检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117314262A CN117314262A (zh) | 2023-12-29 |
| CN117314262B true CN117314262B (zh) | 2024-03-08 |
Family
ID=89286806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311592064.0A Active CN117314262B (zh) | 2023-11-27 | 2023-11-27 | 一种木门多工序自动化集成加工生产线检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117314262B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62241635A (ja) * | 1986-04-12 | 1987-10-22 | Hitachi Seiki Co Ltd | 工作機械における追加工処理装置 |
| CN102519981A (zh) * | 2011-12-16 | 2012-06-27 | 湖南工业大学 | Pvc建材表面质量在线检测系统 |
| CN110231810A (zh) * | 2019-06-19 | 2019-09-13 | 盐城工学院 | 一种自动化生产线信息控制系统及方法、生产线控制系统 |
| CN113319214A (zh) * | 2021-07-29 | 2021-08-31 | 四川和乐门业有限公司 | 一种门框在线冲孔自动化产线及门框加工工艺 |
| CN113791583A (zh) * | 2021-08-04 | 2021-12-14 | 沈机（上海）智能系统研发设计有限公司 | 门框生产的自动控制系统、方法、介质及门框生产设备 |
| CN114055181A (zh) * | 2021-10-28 | 2022-02-18 | 深圳精匠云创科技有限公司 | 自动化刀具加工、检测、返工系统及方法 |
| CN114648225A (zh) * | 2022-03-23 | 2022-06-21 | 珠海格力电器股份有限公司 | 多工序生产线订单智能切换方法、计算机装置及存储介质 |
| CN116026420A (zh) * | 2023-03-30 | 2023-04-28 | 昆山合力泰汽车检具有限公司 | 一种基于轴承加工的参数检测方法及系统 |
| EP4195142A1 (en) * | 2021-12-08 | 2023-06-14 | Fordaq International S.r.l. | System for detecting the defects of the wooden boards and their classification into quality classes |
| CN116679641A (zh) * | 2023-06-01 | 2023-09-01 | 盐城工学院 | 一种考虑工序刚性约束的自动化装配生产线多目标优化方法 |
| CN116740044A (zh) * | 2023-06-30 | 2023-09-12 | 常州润来科技有限公司 | 基于视觉检测与控制的铜管铣面加工方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112059210B (zh) * | 2020-08-19 | 2023-11-21 | 宁波三韩合金材料有限公司 | 一种车刀刀头型腔的智能产线及使用方法 |
-
2023
- 2023-11-27 CN CN202311592064.0A patent/CN117314262B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62241635A (ja) * | 1986-04-12 | 1987-10-22 | Hitachi Seiki Co Ltd | 工作機械における追加工処理装置 |
| CN102519981A (zh) * | 2011-12-16 | 2012-06-27 | 湖南工业大学 | Pvc建材表面质量在线检测系统 |
| CN110231810A (zh) * | 2019-06-19 | 2019-09-13 | 盐城工学院 | 一种自动化生产线信息控制系统及方法、生产线控制系统 |
| CN113319214A (zh) * | 2021-07-29 | 2021-08-31 | 四川和乐门业有限公司 | 一种门框在线冲孔自动化产线及门框加工工艺 |
| CN113791583A (zh) * | 2021-08-04 | 2021-12-14 | 沈机（上海）智能系统研发设计有限公司 | 门框生产的自动控制系统、方法、介质及门框生产设备 |
| CN114055181A (zh) * | 2021-10-28 | 2022-02-18 | 深圳精匠云创科技有限公司 | 自动化刀具加工、检测、返工系统及方法 |
| EP4195142A1 (en) * | 2021-12-08 | 2023-06-14 | Fordaq International S.r.l. | System for detecting the defects of the wooden boards and their classification into quality classes |
| CN114648225A (zh) * | 2022-03-23 | 2022-06-21 | 珠海格力电器股份有限公司 | 多工序生产线订单智能切换方法、计算机装置及存储介质 |
| CN116026420A (zh) * | 2023-03-30 | 2023-04-28 | 昆山合力泰汽车检具有限公司 | 一种基于轴承加工的参数检测方法及系统 |
| CN116679641A (zh) * | 2023-06-01 | 2023-09-01 | 盐城工学院 | 一种考虑工序刚性约束的自动化装配生产线多目标优化方法 |
| CN116740044A (zh) * | 2023-06-30 | 2023-09-12 | 常州润来科技有限公司 | 基于视觉检测与控制的铜管铣面加工方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 基于机器视觉的竹材尺寸测量系统设计;韩伟聪;鲍光海;;中国测试;20160731(第07期);第74-78页 * |
| 定制条件下木门自动化生产的思考与实践;姚遥;;中国人造板(第10期);第7-9页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117314262A (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106683093B (zh) | 板材外观质量综合量化评价方法 | |
| CN107063099A (zh) | 一种基于视觉系统的机械制造业在线质量监测方法 | |
| CN107742289A (zh) | 一种基于机器视觉回转体工件检测方法 | |
| CN104298171B (zh) | 一种介观尺度零件加工误差预测以及控制方法 | |
| CN115601000B (zh) | 一种复杂环境下的bim5d模型工程造价方法及系统 | |
| CN116618764B (zh) | 一种镜面放电加工机的生产优化方法及系统 | |
| CN118288386A (zh) | 一种预制箱梁梁面布料振捣一体化智能联控系统 | |
| CN114563992A (zh) | 一种提高注塑模具的冲裁精度的方法及系统 | |
| CN106407669A (zh) | 一种切削加工表面粗糙度的预测方法 | |
| CN117314262B (zh) | 一种木门多工序自动化集成加工生产线检测方法及系统 | |
| CN109556533B (zh) | 一种针对多线结构光条纹图像的自动提取方法 | |
| Sonmez et al. | Using accurately measured production amounts to obtain calibration curve corrections of production line speed and stoppage duration consisting of measurement errors | |
| CN117173364B (zh) | 基于建筑立体绘图的切片出图方法及系统 | |
| CN101320258A (zh) | 双阶段虚拟测量方法 | |
| CN102262188B (zh) | 工件抽样检验的方法 | |
| CN113570147B (zh) | 一种薄壁件多工况加工误差快速预测方法及设备 | |
| CN116295141A (zh) | 一种燃料电池双极板平整度检测方法及系统 | |
| CN104635615B (zh) | 铝合金精密压铸件机加工时表面孔洞控制的doe方法 | |
| CN110021027B (zh) | 一种基于双目视觉的切边点计算方法 | |
| CN118470085B (zh) | 基于三维建模的金属配件加工检测系统 | |
| CN111551552B (zh) | 一种圆孔冲孔网的外观质量检测方法 | |
| CN111398968B (zh) | Tof精度检测系统及其精度检测方法 | |
| CN105651216B (zh) | 一种无定位基准面叶片类零件坐标系测量方法 | |
| CN113787101B (zh) | 一种热轧带钢的板型凸度控制方法和装置 | |
| Fu et al. | Measurement system escape and overkill rate analysis |
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 |