CN117392182A - 贴膜精度检测方法、装置、设备及存储介质 - Google Patents
贴膜精度检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117392182A CN117392182A CN202311697361.1A CN202311697361A CN117392182A CN 117392182 A CN117392182 A CN 117392182A CN 202311697361 A CN202311697361 A CN 202311697361A CN 117392182 A CN117392182 A CN 117392182A
- Authority
- CN
- China
- Prior art keywords
- film
- data
- target
- substrate
- sticking
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 title claims description 24
- 239000000758 substrate Substances 0.000 claims abstract description 335
- 230000033001 locomotion Effects 0.000 claims abstract description 170
- 238000004458 analytical method Methods 0.000 claims abstract description 140
- 238000000034 method Methods 0.000 claims abstract description 113
- 238000004088 simulation Methods 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims description 37
- 238000013507 mapping Methods 0.000 claims description 29
- 238000003475 lamination Methods 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 24
- 230000001133 acceleration Effects 0.000 claims description 22
- 230000011218 segmentation Effects 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 16
- 238000006073 displacement reaction Methods 0.000 claims description 13
- 238000010030 laminating Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 11
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 11
- 230000008569 process Effects 0.000 description 83
- 239000007888 film coating Substances 0.000 description 21
- 238000009501 film coating Methods 0.000 description 21
- 239000000463 material Substances 0.000 description 19
- 230000000875 corresponding effect Effects 0.000 description 18
- 230000001276 controlling effect Effects 0.000 description 8
- 238000009826 distribution Methods 0.000 description 6
- 230000008021 deposition Effects 0.000 description 5
- 238000005137 deposition process Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C37/00—Component parts, details, accessories or auxiliary operations, not covered by group B29C33/00 or B29C35/00
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C63/00—Lining or sheathing, i.e. applying preformed layers or sheathings of plastics; Apparatus therefor
- B29C63/0004—Component parts, details or accessories; Auxiliary operations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C63/00—Lining or sheathing, i.e. applying preformed layers or sheathings of plastics; Apparatus therefor
- B29C63/02—Lining or sheathing, i.e. applying preformed layers or sheathings of plastics; Apparatus therefor using sheet or web-like material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C37/00—Component parts, details, accessories or auxiliary operations, not covered by group B29C33/00 or B29C35/00
- B29C2037/90—Measuring, controlling or regulating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manufacturing & Machinery (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Lining Or Joining Of Plastics Or The Like (AREA)
Abstract
本申请涉及图像处理技术领域,公开了一种贴膜精度检测方法、装置、设备及存储介质。方法包括:对工作区域图像进行贴膜基片运动特征分析,得到基片运动特征集合,通过基片运动特征集合进行贴膜机械臂运动轨迹预测,得到运动轨迹数据;对贴膜机械臂进行动态贴膜力度范围分析,得到贴膜机械臂的动态贴膜力度范围数据;对目标贴膜机进行实时三维模型构建,得到目标三维模型;对目标三维模型进行工况模拟运行,得到模拟工况数据,对模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据;对目标贴膜机进行机械臂控制参数分析,得到目标控制参数,并通过目标控制参数控制目标贴膜机,本申请可以提高贴膜精度检测的准确率。
Description
技术领域
本申请涉及图像处理领域,尤其涉及一种贴膜精度检测方法、装置、设备及存储介质。
背景技术
贴膜技术在电子、医疗、光学等多个领域扮演着关键角色,尤其在微电子和纳米技术领域,其重要性日益凸显。随着技术的进步和市场的需求,对贴膜精度的要求不断提高,尤其是在半导体制造、液晶显示屏制造等高科技领域。高精度贴膜对产品性能和可靠性有着直接的影响,因此,开发更加精确、高效的贴膜技术成为了行业的迫切需求。传统的贴膜技术多依赖于人工操作或半自动化设备,这在精度控制、重复性和效率方面存在明显的局限性。
现有的贴膜技术面临着几个主要挑战。首先,人工操作的贴膜过程容易受到操作者技能和经验的影响,难以保证每次贴膜的一致性和重复性。其次,半自动化的贴膜设备虽然提高了生产效率,但在精度控制方面仍有不足,特别是在微米或纳米级别的贴膜作业中,这些设备的精度限制成为了瓶颈。此外,传统贴膜技术在实时监控和数据分析方面也相对落后,这限制了对贴膜过程的精准控制和后续优化的能力。
发明内容
本申请提供了一种贴膜精度检测方法、装置、设备及存储介质,用于可以提高贴膜精度检测的准确率。
第一方面,本申请提供了一种贴膜精度检测方法,所述贴膜精度检测方法包括:通过预置的传感器模组采集目标贴膜机在工作状态下的工作状态数据,其中,所述工作状态数据包括工作区域图像、贴膜基片与膜片的目标距离数据、贴膜基片压力数据以及贴膜基片的目标温度数据;
通过卡尔曼滤波算法对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行贴膜基片状态数据估计,得到初始状态估计数据;
通过预置的运动特征分析模型对所述工作区域图像进行贴膜基片运动特征分析,得到基片运动特征集合,其中,所述基片运动特征集合包括贴膜基片位置特征、贴膜基片方向特征以及贴膜基片表面特征;
通过所述基片运动特征集合对所述目标贴膜机进行贴膜机械臂运动轨迹预测,得到运动轨迹数据;
通过所述初始状态估计数据以及所述运动轨迹数据对所述目标贴膜机的贴膜机械臂进行动态贴膜力度范围分析,得到所述贴膜机械臂的动态贴膜力度范围数据;
基于所述动态贴膜力度范围数据对所述目标贴膜机进行实时三维模型构建,得到目标三维模型;
通过所述工作状态数据对所述目标三维模型进行工况模拟运行,得到模拟工况数据,并对所述模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据;
通过所述目标贴膜精度数据对所述目标贴膜机进行机械臂控制参数分析,得到目标控制参数,并通过所述目标控制参数控制所述目标贴膜机。
结合第一方面,在本申请第一方面的第一种实现方式中,所述通过卡尔曼滤波算法对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行贴膜基片状态数据估计,得到初始状态估计数据,包括:
对所述贴膜基片进行初始状态变量标定,得到所述贴膜基片的初始位置状态数据以及初始速度状态数据;
基于所述初始位置状态数据以及所述初始速度状态数据,对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行映射关系构建,得到目标映射关系;
对所述初始位置状态数据以及所述初始速度状态数据进行协方差矩阵转换,得到初始协方差矩阵;
基于所述目标映射关系以及所述初始协方差矩阵,对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行贴膜基片状态数据预测,得到预测状态估计数据;
基于所述预测状态估计数据,分别对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行状态权重更新,得到更新权重集合;
基于所述更新权重集合,通过所述卡尔曼滤波算法对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行贴膜基片状态数据估计,得到初始状态估计数据。
结合第一方面,在本申请第一方面的第二种实现方式中,所述通过预置的运动特征分析模型对所述工作区域图像进行贴膜基片运动特征分析,得到基片运动特征集合,其中,所述基片运动特征集合包括贴膜基片位置特征、贴膜基片方向特征以及贴膜基片表面特征,包括:
通过所述运动特征分析模型对所述工作区域图像进行贴膜基片图像分割,得到多个分割图像;
分别对每个所述分割图像进行贴膜位置提取,得到每个所述分割图像对应的贴膜位置数据;
对每个所述分割图像对应的贴膜位置数据进行位移变化率分析,得到平均位移变化率;
基于所述平均位移变化率对多个所述分割图像进行筛选,得到多个目标分割图像;
对每个所述目标分割图像进行贴膜基片位置标定,得到多个贴膜基片中心点坐标,并通过多个所述贴膜基片中心点坐标对所述贴膜基片进行位置特征提取,得到所述贴膜基片位置特征;
对每个所述目标分割图像进行基片方向数据提取,得到每个所述目标分割图像对应的基片方向数据;
通过霍夫变换算法对每个所述目标分割图像对应的基片方向数据进行方向特征检测,得到所述贴膜基片方向特征;
对每个所述目标分割图像进行纹理特征提取,得到所述贴膜基片表面特征,并将所述贴膜基片位置特征、所述贴膜基片方向特征以及所述贴膜基片表面特征合并为所述基片运动特征集合。
结合第一方面,在本申请第一方面的第三种实现方式中,所述通过所述基片运动特征集合对所述目标贴膜机进行贴膜机械臂运动轨迹预测,得到运动轨迹数据,包括:
对贴膜基片位置特征进行机械臂标定点坐标分析,得到机械臂标定点坐标集合;
基于所述机械臂标定点坐标集合,通过所述贴膜基片方向特征进行机械臂运动方向映射,得到机械臂运动方向数据;
通过所述机械臂标定点坐标集合以及所述机械臂运动方向数据对所述目标贴膜机进行贴膜机械臂运动轨迹预测,得到所述运动轨迹数据。
结合第一方面,在本申请第一方面的第四种实现方式中,所述通过所述初始状态估计数据以及所述运动轨迹数据对所述目标贴膜机的贴膜机械臂进行动态贴膜力度范围分析,得到所述贴膜机械臂的动态贴膜力度范围数据,包括:
通过所述初始状态估计数据对所述贴膜基片进行形变范围分析,得到标准形变范围数据;
对所述贴膜机械臂进行机械臂受力模型构建,得到机械臂受力模型;
通过所述机械臂受力模型,对所述贴膜基片进行受力点分析,得到所述贴膜基片的受力点坐标数据;
基于所述运动轨迹数据,对所述机械臂受力模型进行机械臂运动加速度分析,得到加速度数据集;
对所述标准形变范围数据以及所述加速度数据集进行映射关系构建,得到受力映射关系;
通过所述受力映射关系对所述贴膜基片进行贴膜力度指标构建,得到贴膜力度指标数据;
基于所述受力点坐标数据,通过所述加速度数据集对所述贴膜力度指标数据进行动态贴膜力度范围分析,得到所述贴膜机械臂的动态贴膜力度范围数据。
结合第一方面,在本申请第一方面的第五种实现方式中,所述通过所述工作状态数据对所述目标三维模型进行工况模拟运行,得到模拟工况数据,并对所述模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据,包括:
对所述工作状态数据进行工况类型匹配,得到多个工况类型;
分别对每个所述工况类型进行模拟运行参数分析,得到每个所述工况类型对应的模拟运行参数集合;
基于每个所述工况类型对应的模拟运行参数集合对所述目标三维模型进行工况模拟运行,得到模拟工况数据,并对所述模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据。
结合第一方面,在本申请第一方面的第六种实现方式中,所述通过所述目标贴膜精度数据对所述目标贴膜机进行机械臂控制参数分析,得到目标控制参数,并通过所述目标控制参数控制所述目标贴膜机,包括:
对所述目标贴膜精度数据进行阈值比对,得到阈值比对结果;
基于所述阈值比对结果对所述目标贴膜精度数据进行精度类型划分,得到对应的精度类型;
基于所述精度类型对所述目标贴膜机进行机械臂控制类型分析,得到目标控制类型;
基于所述目标控制类型对所述目标贴膜机进行机械臂控制参数分析,得到所述目标控制参数,并通过所述目标控制参数控制所述目标贴膜机。
第二方面,本申请提供了一种贴膜精度检测装置,所述贴膜精度检测装置包括:
采集模块,用于通过预置的传感器模组采集目标贴膜机在工作状态下的工作状态数据,其中,所述工作状态数据包括工作区域图像、贴膜基片与膜片的目标距离数据、贴膜基片压力数据以及贴膜基片的目标温度数据;
估计模块,用于通过卡尔曼滤波算法对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行贴膜基片状态数据估计,得到初始状态估计数据;
第一分析模块,用于通过预置的运动特征分析模型对所述工作区域图像进行贴膜基片运动特征分析,得到基片运动特征集合,其中,所述基片运动特征集合包括贴膜基片位置特征、贴膜基片方向特征以及贴膜基片表面特征;
预测模块,用于通过所述基片运动特征集合对所述目标贴膜机进行贴膜机械臂运动轨迹预测,得到运动轨迹数据;
第二分析模块,用于通过所述初始状态估计数据以及所述运动轨迹数据对所述目标贴膜机的贴膜机械臂进行动态贴膜力度范围分析,得到所述贴膜机械臂的动态贴膜力度范围数据;
构建模块,用于基于所述动态贴膜力度范围数据对所述目标贴膜机进行实时三维模型构建,得到目标三维模型;
运行模块,用于通过所述工作状态数据对所述目标三维模型进行工况模拟运行,得到模拟工况数据,并对所述模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据;
控制模块,用于通过所述目标贴膜精度数据对所述目标贴膜机进行机械臂控制参数分析,得到目标控制参数,并通过所述目标控制参数控制所述目标贴膜机。
本申请第三方面提供了一种贴膜精度检测设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述贴膜精度检测设备执行上述的贴膜精度检测方法。
本申请的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的贴膜精度检测方法。
本申请提供的技术方案中,通过预置的传感器模组采集贴膜机的工作状态数据,包括工作区域图像、贴膜基片与膜片的距离、压力和温度数据,这使得整个贴膜过程的监控变得全面且细致,确保了数据的实时性和准确性。这种全方位的数据采集为后续的数据处理和分析提供了可靠的基础。利用卡尔曼滤波算法对采集到的距离、压力和温度数据进行分析,得到贴膜基片的初始状态估计数据,有效提高了数据处理的准确度和估计的可靠性。通过预置的运动特征分析模型对工作区域图像进行分析,得到基片的运动特征集合,这不仅提升了对贴膜过程的理解深度,也为贴膜机械臂的运动轨迹预测提供了关键的输入数据。这种基于图像的运动特征分析,增强了对贴膜过程动态变化的捕捉能力。基于运动特征集合进行的贴膜机械臂运动轨迹预测,使得贴膜过程更加精准和高效。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图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,还可以基于这些附图获得其他的附图。
图1为本申请实施例中贴膜精度检测方法的一个实施例示意图;
图2为本申请实施例中贴膜精度检测装置的一个实施例示意图。
具体实施方式
本申请实施例提供了一种贴膜精度检测方法、装置、设备及存储介质。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本申请实施例的具体流程进行描述,请参阅图1,本申请实施例中贴膜精度检测方法的一个实施例包括:
步骤S101、通过预置的传感器模组采集目标贴膜机在工作状态下的工作状态数据,其中,工作状态数据包括工作区域图像、贴膜基片与膜片的目标距离数据、贴膜基片压力数据以及贴膜基片的目标温度数据;
可以理解的是,本申请的执行主体可以为贴膜精度检测装置,还可以是终端或者服务器,具体此处不做限定。本申请实施例以服务器为执行主体为例进行说明。
具体的,首先,要在贴膜机的关键位置安装一组多功能的传感器模组。这个模组将包括高分辨率的图像传感器,如CCD或CMOS摄像头,其被用来实时捕捉贴膜区域的图像。这些图像不仅能提供关于贴膜机当前工作状态的可视化信息,例如,当贴膜机开始操作时,摄像头捕捉到的图像会被用来检测基片的位置,确保其与预定轨迹保持一致。接下来,涉及距离传感器的应用,这些传感器可以是激光测距仪或超声波传感器,它们的作用是测量贴膜基片与膜片之间的精确距离。这个数据对于维持贴膜过程中的精度至关重要。例如,如果距离传感器检测到基片与膜片之间的距离偏离了预设的范围,系统可以自动调整贴膜机械臂的位置,以恢复到理想的贴膜距离。此外,压力传感器在此过程中也发挥着关键作用。它们被用来监测贴膜过程中施加在基片上的压力。这是因为过大或过小的压力都导致贴膜质量的下降,例如,过大的压力会导致基片损坏,而过小的压力导致膜片粘贴不牢。因此,通过实时监测压力数据,系统能够调整施压力度,确保贴膜过程稳定进行。最后,温度传感器实时监测贴膜基片的温度,因为温度是影响贴膜质量的另一个重要因素。不适当的温度会影响膜片的粘附性能。例如,如果温度过高或过低,会导致膜片与基片之间的粘合力降低,从而影响最终产品的质量。
步骤S102、通过卡尔曼滤波算法对距离数据、贴膜基片压力数据以及目标温度数据进行贴膜基片状态数据估计,得到初始状态估计数据;
具体的,首先,对贴膜基片的初始状态进行变量标定是至关重要的一步。这涉及到确定贴膜基片的初始位置和速度状态数据。例如,在贴膜机开始工作之前,使用定位传感器来确定基片的初始位置,并通过运动传感器来估计其速度。这些数据将为卡尔曼滤波算法提供必要的初始估计。接下来,这些初始状态数据与通过贴膜机收集的实时数据包括贴膜基片与膜片的距离数据、基片压力数据和基片的目标温度数据结合起来,构建一个映射关系。例如,贴膜基片的压力数据可以通过压力传感器获得,而基片的温度数据则由温度传感器提供,这些数据与基片的初始位置和速度状态数据一起,构成了贴膜过程的动态模型。此外,卡尔曼滤波算法需要一个初始协方差矩阵,这是对初始状态估计不确定性的一种量化。初始协方差矩阵越大,表示对初始状态的不确定性越高。在贴膜过程中,这种不确定性源于传感器误差、环境变化或其他不可预见因素。然后,算法将利用这些数据进行状态预测,这涉及到根据当前的状态估计和系统模型来预测下一时刻的状态。在贴膜过程中,这意味着算法将预测在当前贴膜条件下基片的未来位置和状态。例如,如果当前的压力数据显示压力过大,那么卡尔曼滤波器预测出在不调整的情况下,基片会发生变形。进而进行状态更新,这个过程涉及到根据新的测量数据来调整状态估计。这是通过计算状态估计的权重来实现的,这些权重反映了新数据与当前状态估计之间的差异。在贴膜应用中,这意味着根据最新的压力和温度数据来调整对基片位置和状态的估计。最后,这些更新后的权重集合将用于通过卡尔曼滤波算法进行最终的状态估计。
步骤S103、通过预置的运动特征分析模型对工作区域图像进行贴膜基片运动特征分析,得到基片运动特征集合,其中,基片运动特征集合包括贴膜基片位置特征、贴膜基片方向特征以及贴膜基片表面特征;
具体的,高分辨率图像传感器,如CCD或CMOS摄像头,负责捕捉贴膜工作区域的实时图像。这些图像包含了贴膜基片在贴膜过程中的详细视觉信息。例如,在贴膜操作进行时,摄像头连续拍摄的图像能够捕获到基片的每一个动作和状态变化,为后续的分析提供了基础数据。进而,运动特征分析模型,通常基于机器学习或计算机视觉算法,被用于处理和分析这些图像。这个模型的主要任务是从复杂的图像数据中提取出与贴膜基片运动相关的关键特征。例如,模型可以通过图像分割技术将贴膜基片从背景中分离出来,然后对这些分割出的图像进行进一步的分析。第一个关键步骤是位置特征的提取。这通常涉及到识别和追踪贴膜基片在图像中的位置,这可以通过边缘检测、形状识别或其他图像识别技术实现。例如,当基片移动时,能够实时跟踪其在工作区域内的准确位置,确保贴膜过程的精准进行。进而是方向特征的分析。这需要能够识别基片的方向变化,这对于确保贴膜的均匀性和准确性尤为重要。例如,通过分析基片边缘的方向或使用霍夫变换等算法,可以确定基片在贴膜过程中的方向和角度,从而调整贴膜机械臂的操作,确保膜片正确对齐。最后,对基片表面特征的识别是分析的另一个重要部分。这包括对基片表面的纹理、颜色和其他视觉特征的分析。例如,通过对基片表面进行纹理分析,能够检测到任何影响贴膜质量的缺陷或异物。
步骤S104、通过基片运动特征集合对目标贴膜机进行贴膜机械臂运动轨迹预测,得到运动轨迹数据;
具体的,首先,基于贴膜基片的位置特征,分析贴膜机械臂的最佳初始位置和运动路径。包括对贴膜机械臂进行标定点坐标分析,即确定机械臂应该从哪个位置开始移动,以及在整个贴膜过程中应该遵循的轨迹。例如,如果图像分析表明基片位于工作区的特定位置,将计算机械臂从其当前位置到达基片的最佳路径,以保证贴膜的精确性和效率。进而,将基于基片的方向特征进行机械臂运动方向的映射。这意味着不仅考虑基片的位置,还要考虑其朝向,以确保机械臂在接近和操作基片时能够正确地对齐。例如,如果分析显示基片需要旋转到特定角度来进行贴膜,将计算贴膜机械臂需要执行的旋转和移动操作,以确保膜片能够正确地贴合在基片上。此外,还需考虑基片的表面特征,如其纹理和材质,这对于确定贴膜过程中机械臂的压力和速度至关重要。例如,对于表面较为光滑的基片,机械臂需要施加更轻的压力,以避免造成划痕或其他损伤。将这些信息综合起来,预测出在不同阶段贴膜机械臂应该如何移动和调整力度。在所有这些信息的基础上,综合所有数据并预测贴膜机械臂的最佳运动轨迹。例如,预测出在开始贴膜时机械臂需要快速移动到基片上方,然后缓慢下降以适应基片的表面特性。在贴膜过程中,机械臂需要在特定区域停留更长时间,或在某些区域以更高的精度移动,这取决于基片的表面状况和已经贴好的膜片的位置,最后,这个预测出的运动轨迹数据将被传输到贴膜机的控制中,实时指导机械臂的操作。
步骤S105、通过初始状态估计数据以及运动轨迹数据对目标贴膜机的贴膜机械臂进行动态贴膜力度范围分析,得到贴膜机械臂的动态贴膜力度范围数据;
具体的,数据包括贴膜基片与膜片的目标距离、贴膜基片的压力和温度等,为贴膜机械臂提供了当前操作环境的详细描述。例如,如果初始状态数据显示贴膜基片的温度较高,意味着需要调整贴膜力度,以防高温下材料的变形或损伤。接着,运动轨迹数据的引入进一步提升了分析的复杂度和准确度。这些数据来源于对贴膜机械臂运动轨迹的预测,它们考虑了贴膜基片的位置、方向和表面特征等因素。运动轨迹数据不仅指示了机械臂在空间中的运动路径,还暗示了在贴膜过程中需要的速度和精度调整。例如,如果运动轨迹预测指出机械臂需要在某一特定区域进行精细操作,这需要在该区域采用更细致、更精确的力度控制。接着,将对贴膜基片进行形变范围分析,这是通过分析初始状态估计数据来实现的。这一分析帮助确定贴膜过程中基片可以承受的最大和最小力度,确保不会对材料造成损害。同时,结合机械臂的受力模型,能够更好地理解贴膜过程中贴膜机械臂的力度需求。例如,对于较薄或较脆弱的基片,受力模型将指导使用更轻柔的力度进行操作。接下来,将利用运动轨迹数据,特别是机械臂的运动加速度分析,来进一步细化贴膜力度的控制。加速度数据集为提供了机械臂在不同阶段的运动强度信息,这对于确定动态贴膜力度范围至关重要。例如,快速移动的机械臂需要在接触基片时迅速减少施力,以避免因冲击力过大而损害基片。最后,通过映射关系将形变范围数据和加速度数据集结合起来,构建出一组贴膜力度指标。
步骤S106、基于动态贴膜力度范围数据对目标贴膜机进行实时三维模型构建,得到目标三维模型;
具体的,首先,动态贴膜力度范围数据是实时三维模型构建的关键输入。例如,这些数据表明在贴膜过程的不同阶段,机械臂需要在特定的区域以特定的力度进行操作,以保证贴膜的均匀性和质量。这些力度数据不仅反映了机械臂在空间中的运动,还包括了对贴膜基片的物理作用,如压力和摩擦力。接下来,将利用先进的计算机辅助设计(CAD)和计算机辅助工程(CAE)软件,结合这些动态力度数据,进行实时三维模型的构建。这个模型将精确反映贴膜机及其机械臂在实际操作中的行为和动态。例如,模型将显示机械臂在贴膜过程中的确切位置、运动轨迹以及与贴膜基片的相互作用。此外,为了更准确地模拟贴膜过程,三维模型还需要集成基片的物理和化学特性,例如其弹性、热膨胀系数和表面粗糙度。这些特性对于预测贴膜过程中基片的反应至关重要。例如,如果基片在高温下易于膨胀,模型需要考虑在贴膜过程中温度变化对基片尺寸的影响。然后,将使用仿真技术来模拟贴膜过程,这包括对贴膜力度、机械臂速度和方向的动态调整。通过这种方式,可以在虚拟环境中测试和验证贴膜过程,优化操作参数。例如,通过模拟可以发现,在特定的操作条件下,贴膜力度需要细微调整,以防止对基片造成损害或降低贴膜质量。进一步地,实时三维模型还可以用于训练和指导操作人员,或者用于自动化控制的开发和测试。例如,操作人员可以使用这个模型来预测和理解不同操作策略的影响,或者开发者可以利用模型来编程和调试贴膜机的自动化控制算法。最后,通过将动态贴膜力度范围数据与实时三维模型相结合,贴膜机的设计和操作可以达到前所未有的精度和效率。这种集成的方法允许对贴膜过程进行全面的分析和优化,确保了贴膜质量的一致性和可靠性。例如,通过在不同环境条件下重复模拟,可以确保贴膜机在各种工作条件下都能稳定可靠地运行。
步骤S107、通过工作状态数据对目标三维模型进行工况模拟运行,得到模拟工况数据,并对模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据;
具体的,首先,工作状态数据包括贴膜过程中的关键参数,如贴膜基片和膜片之间的距离、贴膜基片的压力和温度等。这些数据为模拟运行提供了基础,反映了贴膜机在实际操作中的具体工作条件。例如,如果传感器收集到的数据显示在贴膜过程中基片的温度升高,这影响贴膜材料的性能,需要在模拟中加以考虑。接着,这些工作状态数据被用于驱动目标三维模型的工况模拟运行。在这一步中,模拟软件使用这些实时数据来复现贴膜过程中的具体条件,包括机械臂的运动、贴膜力度的变化和基片的反应。例如,模拟过程可以展示在不同压力和温度条件下,贴膜材料如何被应用到基片上,以及这些条件如何影响贴膜的均匀性和完整性。然后,分析过程涉及到对模拟结果的详细评估,包括检查贴膜的均匀性、检测的缺陷,以及评估贴膜材料的分布情况。例如,通过分析模拟数据,可以识别出贴膜过程中出现的问题区域,如膜材料在某些区域过厚或过薄。此外,基于这些分析结果,可以计算出目标贴膜精度数据。这些数据提供了贴膜过程的量化评估,包括贴膜的均匀性、厚度和其他关键质量指标。例如,如果精度分析显示贴膜在边缘区域存在偏差,这指示需要调整机械臂的运动轨迹或改变贴膜压力。最后,得到的目标贴膜精度数据不仅用于评估当前的贴膜工艺,还可以用于进一步优化贴膜机的操作。这些数据可以反馈给贴膜机的控制,用于调整操作参数,如改变机械臂的速度、压力或温度设置。例如,如果精度数据显示在高温下贴膜质量下降,控制可以自动降低操作温度,或调整贴膜速度以避免过热。
步骤S108、通过目标贴膜精度数据对目标贴膜机进行机械臂控制参数分析,得到目标控制参数,并通过目标控制参数控制目标贴膜机。
具体的,首先,从先前的工况模拟和贴膜精度分析中得到的目标贴膜精度数据是此过程的关键,包括贴膜的均匀性、厚度、以及与理想标准的偏差。例如,这些数据显示在贴膜过程的某个特定阶段存在精度问题,如膜材料在某些区域过薄或过厚。接着,将这些精度数据用于对贴膜机械臂的控制参数进行分析。这一步骤涉及到利用高级数据分析技术,如机器学习或优化算法,来识别哪些控制参数导致了精度问题。例如,如果分析发现贴膜厚度不均是由于贴膜速度太快或压力不足,可以建议调整这些参数。此外,基于这些分析结果,计算出目标控制参数,这些参数是对贴膜机械臂的操作进行调整的具体数值。这包括对机械臂移动速度、贴膜压力、温度设置或其他关键操作变量的调整。例如,建议降低贴膜速度或增加贴膜压力,以提高特定区域的贴膜精度。接下来,这些目标控制参数被输入到贴膜机的控制中。例如,如果需要减慢贴膜速度,控制将调整其内部指令,以确保机械臂以新的、更慢的速度运动。最后,通过实施这些目标控制参数,贴膜机的操作将被优化,以提高整个贴膜过程的精度和效率。
本申请实施例中,通过预置的传感器模组采集目标贴膜机在工作状态下的工作状态数据,其中,工作状态数据包括工作区域图像、贴膜基片与膜片的目标距离数据、贴膜基片压力数据以及贴膜基片的目标温度数据;通过卡尔曼滤波算法对距离数据、贴膜基片压力数据以及目标温度数据进行贴膜基片状态数据估计,得到初始状态估计数据;通过预置的运动特征分析模型对工作区域图像进行贴膜基片运动特征分析,得到基片运动特征集合,其中,基片运动特征集合包括贴膜基片位置特征、贴膜基片方向特征以及贴膜基片表面特征;通过基片运动特征集合对目标贴膜机进行贴膜机械臂运动轨迹预测,得到运动轨迹数据;通过初始状态估计数据以及运动轨迹数据对目标贴膜机的贴膜机械臂进行动态贴膜力度范围分析,得到贴膜机械臂的动态贴膜力度范围数据;基于动态贴膜力度范围数据对目标贴膜机进行实时三维模型构建,得到目标三维模型;通过工作状态数据对目标三维模型进行工况模拟运行,得到模拟工况数据,并对模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据;通过目标贴膜精度数据对目标贴膜机进行机械臂控制参数分析,得到目标控制参数,并通过目标控制参数控制目标贴膜机。在本申请方案中,通过预置的传感器模组采集贴膜机的工作状态数据,包括工作区域图像、贴膜基片与膜片的距离、压力和温度数据,这使得整个贴膜过程的监控变得全面且细致,确保了数据的实时性和准确性。这种全方位的数据采集为后续的数据处理和分析提供了可靠的基础。利用卡尔曼滤波算法对采集到的距离、压力和温度数据进行分析,得到贴膜基片的初始状态估计数据,有效提高了数据处理的准确度和估计的可靠性。通过预置的运动特征分析模型对工作区域图像进行分析,得到基片的运动特征集合,这不仅提升了对贴膜过程的理解深度,也为贴膜机械臂的运动轨迹预测提供了关键的输入数据。这种基于图像的运动特征分析,增强了对贴膜过程动态变化的捕捉能力。基于运动特征集合进行的贴膜机械臂运动轨迹预测,使得贴膜过程更加精准和高效。
在一具体实施例中,执行步骤S102的过程可以具体包括如下步骤:
(1)对贴膜基片进行初始状态变量标定,得到贴膜基片的初始位置状态数据以及初始速度状态数据;
(2)基于初始位置状态数据以及初始速度状态数据,对距离数据、贴膜基片压力数据以及目标温度数据进行映射关系构建,得到目标映射关系;
(3)对初始位置状态数据以及初始速度状态数据进行协方差矩阵转换,得到初始协方差矩阵;
(4)基于目标映射关系以及初始协方差矩阵,对距离数据、贴膜基片压力数据以及目标温度数据进行贴膜基片状态数据预测,得到预测状态估计数据;
(5)基于预测状态估计数据,分别对距离数据、贴膜基片压力数据以及目标温度数据进行状态权重更新,得到更新权重集合;
(6)基于更新权重集合,通过卡尔曼滤波算法对距离数据、贴膜基片压力数据以及目标温度数据进行贴膜基片状态数据估计,得到初始状态估计数据。
具体的,首先,通过高精度的传感器,如光学传感器或激光测距仪,进行测量。例如,传感器可以测量基片相对于贴膜机械臂的精确位置,以及在贴膜过程开始前的移动速度。这些数据为后续的分析提供了重要的参考点。接着,基于初始位置和速度状态数据,构建映射关系,将这些数据与其他关键参数如贴膜基片压力和目标温度关联起来。这个映射关系可以帮助理解不同状态变量之间的相互作用和影响。例如,如果基片的初始位置较远,需要更大的压力来确保贴膜材料能够正确地附着。此外,初始状态数据还需要转换为协方差矩阵,这是卡尔曼滤波算法中的一个关键组成部分。协方差矩阵提供了关于初始状态估计不确定性的信息,这对于后续的状态预测至关重要。例如,一个较大的协方差值表示对基片初始速度的不确定性较高,这需要在状态预测中加以考虑。然后,使用这些映射关系和协方差矩阵来对贴膜基片的状态进行预测。这包括使用数学模型来预测在贴膜过程中基片的位置、速度、压力和温度等状态变量的变化。例如,预测模型表明,在当前操作条件下,基片的温度将逐渐升高,这影响贴膜材料的性能。进一步地,预测状态估计数据被用于更新状态变量的权重。这一步骤涉及到评估不同状态变量的重要性,以及它们在贴膜过程中的变化对整体操作的影响。例如,如果预测显示基片压力的变化对贴膜质量影响较大,那么压力数据的权重会增加。最后,基于这些更新的权重集合,卡尔曼滤波算法被应用于进一步精炼和优化贴膜基片的状态估计。卡尔曼滤波是一种强大的算法,能够在存在噪声和不确定性的情况下提供准确的状态估计。例如,卡尔曼滤波会考虑到传感器数据的微小误差,以及操作条件的轻微变化,以得到最准确和最可靠的状态估计。
在一具体实施例中,执行步骤S103的过程可以具体包括如下步骤:
(1)通过运动特征分析模型对工作区域图像进行贴膜基片图像分割,得到多个分割图像;
(2)分别对每个分割图像进行贴膜位置提取,得到每个分割图像对应的贴膜位置数据;
(3)对每个分割图像对应的贴膜位置数据进行位移变化率分析,得到平均位移变化率;
(4)基于平均位移变化率对多个分割图像进行筛选,得到多个目标分割图像;
(5)对每个目标分割图像进行贴膜基片位置标定,得到多个贴膜基片中心点坐标,并通过多个贴膜基片中心点坐标对贴膜基片进行位置特征提取,得到贴膜基片位置特征;
(6)对每个目标分割图像进行基片方向数据提取,得到每个目标分割图像对应的基片方向数据;
(7)通过霍夫变换算法对每个目标分割图像对应的基片方向数据进行方向特征检测,得到贴膜基片方向特征;
(8)对每个目标分割图像进行纹理特征提取,得到贴膜基片表面特征,并将贴膜基片位置特征、贴膜基片方向特征以及贴膜基片表面特征合并为基片运动特征集合。
具体的,首先,运动特征分析模型对工作区域图像进行贴膜基片图像分割,这是通过使用先进的图像处理技术,如边缘检测和图像分割算法来实现的。例如,使用算法识别出贴膜基片的边缘和轮廓,将其从背景或其他对象中分离出来,生成多个分割图像。接着,对每个分割图像进行贴膜位置提取。通常涉及到识别每个图像中基片的具体位置,包括使用图像识别算法来确定基片的边界和中心点。例如,通过分析每个分割图像,可以确定基片的确切位置,为后续的分析提供基础数据。然后,对每个分割图像对应的贴膜位置数据进行位移变化率分析。通过计算贴膜过程中基片位置的变化速度来实现的,可以揭示基片在贴膜过程中的动态行为。例如,较高的位移变化率表明基片在贴膜过程中移动得较快,这影响贴膜的均匀性和质量。接着,基于平均位移变化率,对多个分割图像进行筛选,选出具有代表性或关键特征的目标分割图像。例如,优先选择那些位移变化率较高或较低的图像,因为这些图像揭示了贴膜过程中的特殊情况或问题。接下来,对每个目标分割图像进行贴膜基片位置标定,得到多个贴膜基片中心点坐标。这涉及到更精确地确定基片在图像中的位置,可以使用图像处理技术如模板匹配或特征点检测。例如,通过识别基片中心点,可以更准确地追踪和分析贴膜过程。此外,对每个目标分割图像进行基片方向数据提取,并通过霍夫变换算法进行方向特征检测。这可以帮助识别基片在贴膜过程中的方向变化,对于理解和优化贴膜过程至关重要。例如,霍夫变换可以识别基片的旋转或倾斜,这影响贴膜材料的应用方式。最后,对每个目标分割图像进行纹理特征提取,以获得贴膜基片表面特征。涉及到分析基片表面的细节,如粗糙度或纹理模式,这些信息对于理解贴膜材料如何与基片相互作用非常重要。例如,不同的表面纹理需要不同的贴膜压力或温度。
在一具体实施例中,执行步骤S104的过程可以具体包括如下步骤:
(1)对贴膜基片位置特征进行机械臂标定点坐标分析,得到机械臂标定点坐标集合;
(2)基于机械臂标定点坐标集合,通过贴膜基片方向特征进行机械臂运动方向映射,得到机械臂运动方向数据;
(3)通过机械臂标定点坐标集合以及机械臂运动方向数据对目标贴膜机进行贴膜机械臂运动轨迹预测,得到运动轨迹数据。
具体的,首先,贴膜基片的位置特征分析是这一过程的起点。通过先前的图像处理步骤,已经获得了关于贴膜基片在贴膜过程中位置的详细信息。例如,已经识别出基片的中心点坐标、边缘位置等。这些数据为后续的机械臂操作提供了准确的空间参考。接着,这些位置特征被用于进行机械臂标定点坐标分析。将分析贴膜基片的位置数据,并将其转化为机械臂操作的坐标点。这些坐标点代表了机械臂在贴膜过程中需要达到或考虑的关键位置。例如,如果贴膜基片较大,会确定多个标定点,以确保机械臂可以均匀地覆盖整个基片。接着,基于这些机械臂标定点坐标集合,通过贴膜基片的方向特征进行机械臂运动方向映射。这意味着不仅考虑机械臂需要到达的位置,还考虑了贴膜过程中基片的方向变化。例如,如果基片在贴膜过程中有旋转,将相应地调整机械臂的运动方向,以确保贴膜材料正确应用。然后,结合这些标定点坐标集合和机械臂运动方向数据,对目标贴膜机进行贴膜机械臂运动轨迹预测。这个过程涉及到使用复杂的算法和模型来预测机械臂在整个贴膜过程中的运动路径。例如,使用动态规划或其他优化技术来确定最有效的运动轨迹,这不仅考虑了达到所有标定点的需要,还考虑了运动的平滑性和效率。最后,通过这一系列的分析和计算,能够得到机械臂的运动轨迹数据。这些数据为机械臂的实际操作提供了精确的指导,确保了贴膜过程的高效性和精确性。例如,这些轨迹数据可以直接输入到贴膜机的控制中,指导机械臂按照预定路径进行操作,从而实现高精度的贴膜。
在一具体实施例中,执行步骤S105的过程可以具体包括如下步骤:
(1)通过初始状态估计数据对贴膜基片进行形变范围分析,得到标准形变范围数据;
(2)对贴膜机械臂进行机械臂受力模型构建,得到机械臂受力模型;
(3)通过机械臂受力模型,对贴膜基片进行受力点分析,得到贴膜基片的受力点坐标数据;
(4)基于运动轨迹数据,对机械臂受力模型进行机械臂运动加速度分析,得到加速度数据集;
(5)对标准形变范围数据以及加速度数据集进行映射关系构建,得到受力映射关系;
(6)通过受力映射关系对贴膜基片进行贴膜力度指标构建,得到贴膜力度指标数据;
(7)基于受力点坐标数据,通过加速度数据集对贴膜力度指标数据进行动态贴膜力度范围分析,得到贴膜机械臂的动态贴膜力度范围数据。
具体的,首先,基于初始状态估计数据对贴膜基片进行形变范围分析,这是通过评估贴膜过程中基片经历的最大和最小形变来实现的。例如,如果贴膜基片是一种脆弱材料,那么其形变范围相对较小,以避免破裂或损坏。这一步骤的目的是确定贴膜过程中基片可以承受的力度范围,为后续的机械臂受力分析提供基础。接着,对贴膜机械臂进行受力模型构建,这涉及到考虑机械臂在操作过程中施加的不同类型和方向的力。例如,受力模型包括机械臂在贴膜过程中对基片施加的压力、拉力和扭矩。这个模型是为了更好地理解和控制贴膜过程中的力度分布。接着,通过机械臂受力模型,进行贴膜基片的受力点分析,识别出在贴膜过程中受力最大和最小的区域。例如,受力点分析揭示了基片的某个部分在贴膜过程中承受了过多的压力,这需要调整机械臂的运动或力度设置以避免损害基片。然后,基于机械臂的运动轨迹数据,进行机械臂运动加速度分析。这个步骤涉及到计算机械臂在不同阶段的运动加速度,以评估其对基片受力的影响。例如,如果机械臂在某个特定阶段突然加速或减速,这会导致基片受到非预期的力量。随后,对标准形变范围数据以及加速度数据集进行映射关系构建,这是为了理解贴膜过程中不同力度和加速度如何影响基片的形变。例如,映射关系可以揭示在特定的加速度下基片可以承受的最大压力,这有助于优化贴膜机械臂的操作策略。进一步地,通过这些映射关系对贴膜基片进行贴膜力度指标构建,这包括确定在不同操作条件下合适的贴膜力度。例如,力度指标指明在特定的贴膜速度和温度下,应施加的最佳压力范围。最后,基于受力点坐标数据和加速度数据集,对贴膜力度指标数据进行动态贴膜力度范围分析,得到贴膜机械臂的动态贴膜力度范围数据。
在一具体实施例中,执行步骤S107的过程可以具体包括如下步骤:
(1)对工作状态数据进行工况类型匹配,得到多个工况类型;
(2)分别对每个工况类型进行模拟运行参数分析,得到每个工况类型对应的模拟运行参数集合;
(3)基于每个工况类型对应的模拟运行参数集合对目标三维模型进行工况模拟运行,得到模拟工况数据,并对模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据。
具体的,首先,对工作状态数据进行工况类型匹配,这是通过分析在贴膜过程中收集的各种数据,如工作区域图像、贴膜基片与膜片的目标距离数据、贴膜基片压力数据和贴膜基片的目标温度数据来实现的。例如,系统会识别出不同的工作状态,如贴膜速度快、压力高或温度变化大的情况。接着,分别对每个工况类型进行模拟运行参数分析。这涉及到考虑不同工况下贴膜机遇到的具体情况和挑战。例如,对于压力高的工况,系统会分析贴膜机械臂的力度分配和基片的形变范围。这个步骤是为了更好地理解在特定工况下,哪些参数对贴膜精度影响最大。然后,基于每个工况类型对应的模拟运行参数集合,对目标三维模型进行工况模拟运行。这个过程涉及到使用先进的模拟软件和算法,以虚拟的方式模拟贴膜过程。例如,系统会在计算机模型中模拟高压力工况下的贴膜操作,观察基片的反应和贴膜材料的分布。接着,对模拟工况数据进行贴膜精度分析。这一步骤是通过评估模拟过程中贴膜的均匀性、精确性和潜在的错误来实现的。例如,分析揭示在某些工况下,基片的一部分未能获得足够的贴膜材料,这需要调整机械臂的运动轨迹或贴膜参数。最后,通过这一系列的工况匹配、参数分析和模拟运行,系统能够得到关于目标贴膜精度的详细数据。这些数据为贴膜过程的优化和控制提供了重要的参考,确保了贴膜操作的高效性和精确性。例如,精度数据可以直接用于调整贴膜机的设置,改进贴膜技术,以达到更高的质量标准。
在一具体实施例中,执行步骤S108的过程可以具体包括如下步骤:
(1)对目标贴膜精度数据进行阈值比对,得到阈值比对结果;
(2)基于阈值比对结果对目标贴膜精度数据进行精度类型划分,得到对应的精度类型;
(3)基于精度类型对目标贴膜机进行机械臂控制类型分析,得到目标控制类型;
(4)基于目标控制类型对目标贴膜机进行机械臂控制参数分析,得到目标控制参数,并通过目标控制参数控制目标贴膜机。
具体的,首先,对目标贴膜精度数据进行阈值比对,这是通过将模拟运行得到的贴膜精度数据与预设的质量标准进行比较来实现的。例如,会设定一个精度阈值,比如贴膜材料的分布均匀度或基片覆盖率的最低标准。接着,基于阈值比对结果,对目标贴膜精度数据进行精度类型划分。这意味着会将贴膜操作分成几种类别,例如“高精度”、“中等精度”和“低精度”。例如,如果某次模拟运行的结果显示贴膜材料分布非常均匀,则被分类为“高精度”;相反,如果材料分布不均,则被划分为“低精度”。这个步骤是为了更好地理解在不同操作条件下贴膜机的性能。然后,基于这些精度类型,对目标贴膜机进行机械臂控制类型分析。这涉及到考虑不同精度类型所需的贴膜机械臂操作方式。例如,对于“高精度”类型,需要更细致和精确的机械臂运动;对于“低精度”类型,则需要调整运动策略以提高质量。这个步骤是为了确定如何调整贴膜机械臂的操作,以改善或保持所需的贴膜质量。接着,基于目标控制类型对目标贴膜机进行机械臂控制参数分析。这包括评估哪些具体参数需要调整以满足不同精度类别的要求。例如,对于需要高精度的贴膜,会调整机械臂的运动速度、加速度或施加的压力。这一步骤的目的是为机械臂提供最适合的操作参数,以实现预定的贴膜质量。最后,基于这些分析和决策,通过目标控制参数控制目标贴膜机。这意味着贴膜机的操作将根据上述分析进行调整,以确保达到或维持所需的贴膜精度。例如,如果某次模拟运行显示贴膜精度不足,会调整机械臂的压力设置或运动轨迹,以提高覆盖率或均匀度。
上面对本申请实施例中贴膜精度检测方法进行了描述,下面对本申请实施例中贴膜精度检测装置进行描述,请参阅图2,本申请实施例中贴膜精度检测装置一个实施例包括:
采集模块201,用于通过预置的传感器模组采集目标贴膜机在工作状态下的工作状态数据,其中,所述工作状态数据包括工作区域图像、贴膜基片与膜片的目标距离数据、贴膜基片压力数据以及贴膜基片的目标温度数据;
估计模块202,用于通过卡尔曼滤波算法对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行贴膜基片状态数据估计,得到初始状态估计数据;
第一分析模块203,用于通过预置的运动特征分析模型对所述工作区域图像进行贴膜基片运动特征分析,得到基片运动特征集合,其中,所述基片运动特征集合包括贴膜基片位置特征、贴膜基片方向特征以及贴膜基片表面特征;
预测模块204,用于通过所述基片运动特征集合对所述目标贴膜机进行贴膜机械臂运动轨迹预测,得到运动轨迹数据;
第二分析模块205,用于通过所述初始状态估计数据以及所述运动轨迹数据对所述目标贴膜机的贴膜机械臂进行动态贴膜力度范围分析,得到所述贴膜机械臂的动态贴膜力度范围数据;
构建模块206,用于基于所述动态贴膜力度范围数据对所述目标贴膜机进行实时三维模型构建,得到目标三维模型;
运行模块207,用于通过所述工作状态数据对所述目标三维模型进行工况模拟运行,得到模拟工况数据,并对所述模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据;
控制模块208,用于通过所述目标贴膜精度数据对所述目标贴膜机进行机械臂控制参数分析,得到目标控制参数,并通过所述目标控制参数控制所述目标贴膜机。
通过上述各个组成部分的协同合作,通过预置的传感器模组采集目标贴膜机在工作状态下的工作状态数据,其中,工作状态数据包括工作区域图像、贴膜基片与膜片的目标距离数据、贴膜基片压力数据以及贴膜基片的目标温度数据;通过卡尔曼滤波算法对距离数据、贴膜基片压力数据以及目标温度数据进行贴膜基片状态数据估计,得到初始状态估计数据;通过预置的运动特征分析模型对工作区域图像进行贴膜基片运动特征分析,得到基片运动特征集合,其中,基片运动特征集合包括贴膜基片位置特征、贴膜基片方向特征以及贴膜基片表面特征;通过基片运动特征集合对目标贴膜机进行贴膜机械臂运动轨迹预测,得到运动轨迹数据;通过初始状态估计数据以及运动轨迹数据对目标贴膜机的贴膜机械臂进行动态贴膜力度范围分析,得到贴膜机械臂的动态贴膜力度范围数据;基于动态贴膜力度范围数据对目标贴膜机进行实时三维模型构建,得到目标三维模型;通过工作状态数据对目标三维模型进行工况模拟运行,得到模拟工况数据,并对模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据;通过目标贴膜精度数据对目标贴膜机进行机械臂控制参数分析,得到目标控制参数,并通过目标控制参数控制目标贴膜机。在本申请方案中,通过预置的传感器模组采集贴膜机的工作状态数据,包括工作区域图像、贴膜基片与膜片的距离、压力和温度数据,这使得整个贴膜过程的监控变得全面且细致,确保了数据的实时性和准确性。这种全方位的数据采集为后续的数据处理和分析提供了可靠的基础。利用卡尔曼滤波算法对采集到的距离、压力和温度数据进行分析,得到贴膜基片的初始状态估计数据,有效提高了数据处理的准确度和估计的可靠性。通过预置的运动特征分析模型对工作区域图像进行分析,得到基片的运动特征集合,这不仅提升了对贴膜过程的理解深度,也为贴膜机械臂的运动轨迹预测提供了关键的输入数据。这种基于图像的运动特征分析,增强了对贴膜过程动态变化的捕捉能力。基于运动特征集合进行的贴膜机械臂运动轨迹预测,使得贴膜过程更加精准和高效。
本申请还提供一种贴膜精度检测设备,贴膜精度检测设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述贴膜精度检测方法的步骤。
本申请还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述贴膜精度检测方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,系统和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random acceS memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种贴膜精度检测方法,其特征在于,所述贴膜精度检测方法包括:
通过预置的传感器模组采集目标贴膜机在工作状态下的工作状态数据,其中,所述工作状态数据包括工作区域图像、贴膜基片与膜片的目标距离数据、贴膜基片压力数据以及贴膜基片的目标温度数据;
通过卡尔曼滤波算法对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行贴膜基片状态数据估计,得到初始状态估计数据;
通过预置的运动特征分析模型对所述工作区域图像进行贴膜基片运动特征分析,得到基片运动特征集合,其中,所述基片运动特征集合包括贴膜基片位置特征、贴膜基片方向特征以及贴膜基片表面特征;
通过所述基片运动特征集合对所述目标贴膜机进行贴膜机械臂运动轨迹预测,得到运动轨迹数据;
通过所述初始状态估计数据以及所述运动轨迹数据对所述目标贴膜机的贴膜机械臂进行动态贴膜力度范围分析,得到所述贴膜机械臂的动态贴膜力度范围数据;
基于所述动态贴膜力度范围数据对所述目标贴膜机进行实时三维模型构建,得到目标三维模型;
通过所述工作状态数据对所述目标三维模型进行工况模拟运行,得到模拟工况数据,并对所述模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据;
通过所述目标贴膜精度数据对所述目标贴膜机进行机械臂控制参数分析,得到目标控制参数,并通过所述目标控制参数控制所述目标贴膜机。
2.根据权利要求1所述的贴膜精度检测方法,其特征在于,所述通过卡尔曼滤波算法对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行贴膜基片状态数据估计,得到初始状态估计数据,包括:
对所述贴膜基片进行初始状态变量标定,得到所述贴膜基片的初始位置状态数据以及初始速度状态数据;
基于所述初始位置状态数据以及所述初始速度状态数据,对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行映射关系构建,得到目标映射关系;
对所述初始位置状态数据以及所述初始速度状态数据进行协方差矩阵转换,得到初始协方差矩阵;
基于所述目标映射关系以及所述初始协方差矩阵,对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行贴膜基片状态数据预测,得到预测状态估计数据;
基于所述预测状态估计数据,分别对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行状态权重更新,得到更新权重集合;
基于所述更新权重集合,通过所述卡尔曼滤波算法对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行贴膜基片状态数据估计,得到初始状态估计数据。
3.根据权利要求1所述的贴膜精度检测方法,其特征在于,所述通过预置的运动特征分析模型对所述工作区域图像进行贴膜基片运动特征分析,得到基片运动特征集合,其中,所述基片运动特征集合包括贴膜基片位置特征、贴膜基片方向特征以及贴膜基片表面特征,包括:
通过所述运动特征分析模型对所述工作区域图像进行贴膜基片图像分割,得到多个分割图像;
分别对每个所述分割图像进行贴膜位置提取,得到每个所述分割图像对应的贴膜位置数据;
对每个所述分割图像对应的贴膜位置数据进行位移变化率分析,得到平均位移变化率;
基于所述平均位移变化率对多个所述分割图像进行筛选,得到多个目标分割图像;
对每个所述目标分割图像进行贴膜基片位置标定,得到多个贴膜基片中心点坐标,并通过多个所述贴膜基片中心点坐标对所述贴膜基片进行位置特征提取,得到所述贴膜基片位置特征;
对每个所述目标分割图像进行基片方向数据提取,得到每个所述目标分割图像对应的基片方向数据;
通过霍夫变换算法对每个所述目标分割图像对应的基片方向数据进行方向特征检测,得到所述贴膜基片方向特征;
对每个所述目标分割图像进行纹理特征提取,得到所述贴膜基片表面特征,并将所述贴膜基片位置特征、所述贴膜基片方向特征以及所述贴膜基片表面特征合并为所述基片运动特征集合。
4.根据权利要求3所述的贴膜精度检测方法,其特征在于,所述通过所述基片运动特征集合对所述目标贴膜机进行贴膜机械臂运动轨迹预测,得到运动轨迹数据,包括:
对贴膜基片位置特征进行机械臂标定点坐标分析,得到机械臂标定点坐标集合;
基于所述机械臂标定点坐标集合,通过所述贴膜基片方向特征进行机械臂运动方向映射,得到机械臂运动方向数据;
通过所述机械臂标定点坐标集合以及所述机械臂运动方向数据对所述目标贴膜机进行贴膜机械臂运动轨迹预测,得到所述运动轨迹数据。
5.根据权利要求1所述的贴膜精度检测方法,其特征在于,所述通过所述初始状态估计数据以及所述运动轨迹数据对所述目标贴膜机的贴膜机械臂进行动态贴膜力度范围分析,得到所述贴膜机械臂的动态贴膜力度范围数据,包括:
通过所述初始状态估计数据对所述贴膜基片进行形变范围分析,得到标准形变范围数据;
对所述贴膜机械臂进行机械臂受力模型构建,得到机械臂受力模型;
通过所述机械臂受力模型,对所述贴膜基片进行受力点分析,得到所述贴膜基片的受力点坐标数据;
基于所述运动轨迹数据,对所述机械臂受力模型进行机械臂运动加速度分析,得到加速度数据集;
对所述标准形变范围数据以及所述加速度数据集进行映射关系构建,得到受力映射关系;
通过所述受力映射关系对所述贴膜基片进行贴膜力度指标构建,得到贴膜力度指标数据;
基于所述受力点坐标数据,通过所述加速度数据集对所述贴膜力度指标数据进行动态贴膜力度范围分析,得到所述贴膜机械臂的动态贴膜力度范围数据。
6.根据权利要求1所述的贴膜精度检测方法,其特征在于,所述通过所述工作状态数据对所述目标三维模型进行工况模拟运行,得到模拟工况数据,并对所述模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据,包括:
对所述工作状态数据进行工况类型匹配,得到多个工况类型;
分别对每个所述工况类型进行模拟运行参数分析,得到每个所述工况类型对应的模拟运行参数集合;
基于每个所述工况类型对应的模拟运行参数集合对所述目标三维模型进行工况模拟运行,得到模拟工况数据,并对所述模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据。
7.根据权利要求1所述的贴膜精度检测方法,其特征在于,所述通过所述目标贴膜精度数据对所述目标贴膜机进行机械臂控制参数分析,得到目标控制参数,并通过所述目标控制参数控制所述目标贴膜机,包括:
对所述目标贴膜精度数据进行阈值比对,得到阈值比对结果;
基于所述阈值比对结果对所述目标贴膜精度数据进行精度类型划分,得到对应的精度类型;
基于所述精度类型对所述目标贴膜机进行机械臂控制类型分析,得到目标控制类型;
基于所述目标控制类型对所述目标贴膜机进行机械臂控制参数分析,得到所述目标控制参数,并通过所述目标控制参数控制所述目标贴膜机。
8.一种贴膜精度检测装置,其特征在于,所述贴膜精度检测装置包括:
采集模块,用于通过预置的传感器模组采集目标贴膜机在工作状态下的工作状态数据,其中,所述工作状态数据包括工作区域图像、贴膜基片与膜片的目标距离数据、贴膜基片压力数据以及贴膜基片的目标温度数据;
估计模块,用于通过卡尔曼滤波算法对所述距离数据、所述贴膜基片压力数据以及所述目标温度数据进行贴膜基片状态数据估计,得到初始状态估计数据;
第一分析模块,用于通过预置的运动特征分析模型对所述工作区域图像进行贴膜基片运动特征分析,得到基片运动特征集合,其中,所述基片运动特征集合包括贴膜基片位置特征、贴膜基片方向特征以及贴膜基片表面特征;
预测模块,用于通过所述基片运动特征集合对所述目标贴膜机进行贴膜机械臂运动轨迹预测,得到运动轨迹数据;
第二分析模块,用于通过所述初始状态估计数据以及所述运动轨迹数据对所述目标贴膜机的贴膜机械臂进行动态贴膜力度范围分析,得到所述贴膜机械臂的动态贴膜力度范围数据;
构建模块,用于基于所述动态贴膜力度范围数据对所述目标贴膜机进行实时三维模型构建,得到目标三维模型;
运行模块,用于通过所述工作状态数据对所述目标三维模型进行工况模拟运行,得到模拟工况数据,并对所述模拟工况数据进行贴膜精度分析,得到目标贴膜精度数据;
控制模块,用于通过所述目标贴膜精度数据对所述目标贴膜机进行机械臂控制参数分析,得到目标控制参数,并通过所述目标控制参数控制所述目标贴膜机。
9.一种贴膜精度检测设备,其特征在于,所述贴膜精度检测设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述贴膜精度检测设备执行如权利要求1-7中任一项所述的贴膜精度检测方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任一项所述的贴膜精度检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311697361.1A CN117392182B (zh) | 2023-12-12 | 2023-12-12 | 贴膜精度检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311697361.1A CN117392182B (zh) | 2023-12-12 | 2023-12-12 | 贴膜精度检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117392182A true CN117392182A (zh) | 2024-01-12 |
CN117392182B CN117392182B (zh) | 2024-02-06 |
Family
ID=89466995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311697361.1A Active CN117392182B (zh) | 2023-12-12 | 2023-12-12 | 贴膜精度检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117392182B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060023936A1 (en) * | 2004-07-29 | 2006-02-02 | Dainippon Screen Mfg. Co., Ltd. | Film detection apparatus for detecting organic film formed on printed circuit board, inspection system, and method of inspecting printed circuit board |
CN107743185A (zh) * | 2017-10-20 | 2018-02-27 | 江苏唯侓机器人科技有限公司 | 一种手机贴膜远程在线检测系统 |
WO2021164276A1 (zh) * | 2020-07-31 | 2021-08-26 | 平安科技(深圳)有限公司 | 目标跟踪方法、装置、计算机设备及存储介质 |
CN114445402A (zh) * | 2022-04-02 | 2022-05-06 | 深圳市龙图光电有限公司 | 半导体芯片用掩模版贴膜精度检测方法及检测装置 |
CN114919792A (zh) * | 2022-06-01 | 2022-08-19 | 中迪机器人(盐城)有限公司 | 一种钢带贴膜异常检测系统及方法 |
CN115272291A (zh) * | 2022-08-24 | 2022-11-01 | 广东拓斯达科技股份有限公司 | 一种贴膜的缺陷检测方法、装置、设备及存储介质 |
-
2023
- 2023-12-12 CN CN202311697361.1A patent/CN117392182B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060023936A1 (en) * | 2004-07-29 | 2006-02-02 | Dainippon Screen Mfg. Co., Ltd. | Film detection apparatus for detecting organic film formed on printed circuit board, inspection system, and method of inspecting printed circuit board |
CN107743185A (zh) * | 2017-10-20 | 2018-02-27 | 江苏唯侓机器人科技有限公司 | 一种手机贴膜远程在线检测系统 |
WO2021164276A1 (zh) * | 2020-07-31 | 2021-08-26 | 平安科技(深圳)有限公司 | 目标跟踪方法、装置、计算机设备及存储介质 |
CN114445402A (zh) * | 2022-04-02 | 2022-05-06 | 深圳市龙图光电有限公司 | 半导体芯片用掩模版贴膜精度检测方法及检测装置 |
CN114919792A (zh) * | 2022-06-01 | 2022-08-19 | 中迪机器人(盐城)有限公司 | 一种钢带贴膜异常检测系统及方法 |
CN115272291A (zh) * | 2022-08-24 | 2022-11-01 | 广东拓斯达科技股份有限公司 | 一种贴膜的缺陷检测方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
苑玮琦等: "圆柱形覆膜锂电池圆周面破膜检测方法研究", 信息与电脑(理论版), no. 2, pages 108 - 110 * |
Also Published As
Publication number | Publication date |
---|---|
CN117392182B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
He et al. | Profile monitoring based quality control method for fused deposition modeling process | |
CN111929309B (zh) | 一种基于机器视觉的铸造件外观缺陷检测方法及系统 | |
Kamguem et al. | Evaluation of machined part surface roughness using image texture gradient factor | |
CN107462587B (zh) | 一种柔性ic基板凹凸痕缺陷的精密视觉检测系统及方法 | |
EP3607264B1 (en) | Machine vision system | |
CN110889091B (zh) | 基于温度敏感区间分段的机床热误差预测方法与系统 | |
CN102473301B (zh) | 动作解析装置及动作解析方法 | |
US10549423B2 (en) | Controller and machine learning device | |
CN110716500B (zh) | 用于确定温度敏感区间分段建模点的方法与系统 | |
CN112734858B (zh) | 一种双目标定精度在线检测方法及装置 | |
CN110567963A (zh) | 合金分析视觉定位方法、装置及合金分析系统 | |
CN117260815A (zh) | 基于视觉定位的机械手精准定位方法及系统 | |
CN105258642A (zh) | 基于数字图像相关的实时光学引伸计测量方法 | |
CN117392182B (zh) | 贴膜精度检测方法、装置、设备及存储介质 | |
KR101782364B1 (ko) | 케이평균군집화를 통한 학습기반의 비전검사 방법 | |
CN113532341B (zh) | 用于确定测量测量物体的测量策略的方法和设备及程序 | |
Jourdan et al. | A computer vision system for saw blade condition monitoring | |
Zhang et al. | Deep learning-based robot vision: High-end tools for smart manufacturing | |
CN115958609B (zh) | 基于智能机器人自动控制系统的指令数据安全预警方法 | |
Okaro et al. | Automatic Fault Detection for Selective Laser Melting using Semi-Supervised Machine Learning | |
Kwon et al. | Integrated remote control of the process capability and the accuracy of vision calibration | |
JP2018140471A (ja) | 制御装置及び機械学習装置 | |
CN117074181B (zh) | 曲面柔性屏的压力测试方法、装置、设备及存储介质 | |
CN117253568B (zh) | 一种制备氧化钇坩埚的涂层工艺优化方法及系统 | |
CN117784826B (zh) | 一种自动化涂布机纠偏控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |