CN117440308B - 一种麦克风话筒生产产线智能控制方法及系统 - Google Patents
一种麦克风话筒生产产线智能控制方法及系统 Download PDFInfo
- Publication number
- CN117440308B CN117440308B CN202311764669.3A CN202311764669A CN117440308B CN 117440308 B CN117440308 B CN 117440308B CN 202311764669 A CN202311764669 A CN 202311764669A CN 117440308 B CN117440308 B CN 117440308B
- Authority
- CN
- China
- Prior art keywords
- spraying
- preset
- dimensional model
- working condition
- actual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 42
- 238000005507 spraying Methods 0.000 claims abstract description 337
- 238000010586 diagram Methods 0.000 claims abstract description 141
- 239000007921 spray Substances 0.000 claims abstract description 71
- 239000011248 coating agent Substances 0.000 claims description 76
- 238000000576 coating method Methods 0.000 claims description 76
- 230000008439 repair process Effects 0.000 claims description 73
- 238000012545 processing Methods 0.000 claims description 16
- 239000003973 paint Substances 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000001502 supplementing effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 description 41
- 230000007547 defect Effects 0.000 description 27
- 239000000047 product Substances 0.000 description 21
- 230000008569 process Effects 0.000 description 9
- 238000003860 storage Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 230000002950 deficient Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000011265 semifinished product Substances 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 239000011247 coating layer Substances 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001746 injection moulding Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R31/00—Apparatus or processes specially adapted for the manufacture of transducers or diaphragms therefor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R1/00—Details of transducers, loudspeakers or microphones
- H04R1/08—Mouthpieces; Microphones; Attachments therefor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Manufacturing & Machinery (AREA)
- Application Of Or Painting With Fluid Materials (AREA)
Abstract
本发明涉及智能制造设备控制技术领域,特别是一种麦克风话筒生产产线智能控制方法及系统。基于标准三维模型图对实际三维模型图进行判别,得到第一判别结果或第二判别结果;若为第一判别结果,则直接基于所述预设喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;若为第二判别结果,则对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂,获取相应预设子区域的实际喷涂工况图像信息,并对所述实际喷涂工况图像信息进行识别,得到第一工况结果或第二工况结果,能够有效提高产品喷涂质量,提高产品良率,实现了智能化生产控制。
Description
技术领域
本发明涉及智能制造设备控制技术领域,特别是一种麦克风话筒生产产线智能控制方法及系统。
背景技术
麦克风话筒是广泛应用于音频录制、通信和音响设备中的重要组件。随着科技的不断进步,现代麦克风话筒生产产线已经开始采用智能控制方法,以提高生产效率、质量和可持续性。麦克风话筒生产产线通常包括注塑成型、切割、打磨、喷漆、组装、测试、包装等生产工作站。其中,喷漆生产工作站是生产产线的重要组成工作站,涂漆可以美化产品外观、提供保护、增加标识和标志,同时还可以提高产品的性能和可靠性。现有的喷漆工作站的控制方法智能程度较低,无法针对壳体不同位置、不同大小的缺陷制定出与之相适配的喷漆参数,导致喷漆后的涂层质量不理想,废品率较高;并且工作站无法智能识别喷漆过程中产品质量,经常出现产品是废品依旧对其继续进行喷漆加工现象,浪费加工资源,降低生产效率。
发明内容
本发明克服了现有技术的不足,提供了一种麦克风话筒生产产线智能控制方法及系统。
为达到上述目的本发明采用的技术方案为:
本发明第一方面公开了一种麦克风话筒生产产线智能控制方法,包括以下步骤:
获取待喷涂麦克风话筒的各个预设子区域的点云数据,根据所述点云数据生成待喷涂麦克风话筒的实际三维模型图;
获取待喷涂麦克风话筒的标准三维模型图,以及获取喷涂工作站的预设喷涂参数;基于所述标准三维模型图对所述实际三维模型图进行判别,得到第一判别结果或第二判别结果;
若为第一判别结果,则直接基于所述预设喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;
若为第二判别结果,则对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;
对各个预设子区域进行喷涂完毕后,获取相应预设子区域的实际喷涂工况图像信息,并对所述实际喷涂工况图像信息进行识别,得到第一工况结果或第二工况结果;
若为第一工况结果,则控制喷涂工作站对下一预设子区域进行喷涂;若为第二工况结果,则控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂,或控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理。
具体地,获取待喷涂麦克风话筒的各个预设子区域的点云数据,根据所述点云数据生成待喷涂麦克风话筒的实际三维模型图,具体为:
通过激光点云扫描设备对待喷涂麦克风话筒的各个预设子区域进行扫描,并获取各个预设子区域所反馈的点云数据,构建数据库,并将所述点云数据导入所述数据库中;
扫描完毕后,通过局部离群因子算法计算各点云数据的局部密度与相对局部密度,并根据各点云数据的局部密度与相对局部密度计算出各点云数据的局部离群因子值;
将局部离群因子值大于预设阈值的点云数据在所述数据库中剔除,并将局部离群因子值不大于预设阈值的点云数据在所述数据库中保留,以将离群的点云数据筛除,得到离群筛选后的点云数据;
构建三维坐标系,将所述离群筛选后的点云数据导入所述三维坐标系中,并获取所述离群筛选后的点云数据的点云属性;其中,所述点云属性包括法向量与颜色;
将点云属性相同的点云数据在所述三维坐标系中进行配准,以对各个预设子区域的点云数据进行拼接,得到一个完整的点云模型;
获取所述点云模型中各点云数据在所述三维坐标系中的相对坐标值,根据所述相对坐标值构件坐标数集,将所述坐标数集导入三维建模软件中,生成待喷涂麦克风话筒的实际三维模型图。
具体地,基于所述标准三维模型图对所述实际三维模型图进行判别,得到第一判别结果或第二判别结果,具体为:
构建配准空间,将所述标准三维模型图与实际三维模型图输入所述配准空间中,并获取所述标准三维模型图与实际三维模型图的点云数据;
将所述标准三维模型图作为参考模型,将所述实际三维模型图作为目标模型,基于旋转与平移的方式随机选择一个初始变换矩阵;
计算目标模型中各点云数据与参考模型中各点云数据之间的欧氏距离,并将欧氏距离最短的目标模型与参考模型的点云数据进行配对,生成目标模型与参考模型中各点云数据之间的对齐关系;
根据目标模型与参考模型中各点云数据之间的对齐关系,基于最小乘二法,对各对齐的点云数据进行刚体变换,并重新预估一个新的变换矩阵,以最小化各对齐的点云数据之间的距离;
将刚体应用于参考模型上,在所述配准空间中更新参考模型的位置,重复以上步骤,直至达到最大迭代次数,将所述标准三维模型图与实际三维模型图配准完毕,得到配准后的三维模型图;
根据所述配准后的三维模型图计算出所述标准三维模型图与实际三维模型图之间的重合度,并将所述重合度与预设重合度进行比较;
若所述重合度大于预设重合度,则生成第一判别结果;若所述重合度不大于预设重合度,则生成第二判别结果。
具体地,若为第二判别结果,则对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂,具体为:
若为第二判别结果,则根据所述配准后的三维模型图将所述标准三维模型图与实际三维模型图相叠交的模型区域剔除,并将所述标准三维模型图与实际三维模型图不相叠交的模型区域保留,得到一个或多个偏差模型图;
判断各偏差模型图所属的预设子区域,并将各偏差模型图所属的预设子区域标记为需修正喷涂参数区域;
基于体素化法计算各偏差模型图的模型体积值,根据所述模型体积值生成对相应需修正喷涂参数区域进行喷涂时的涂料补充量;
根据所述预设喷涂参数得到对需修正喷涂参数区域进行喷涂时的预设涂料喷涂量,根据所述预设涂料喷涂量与涂料补充量得到对各需修正喷涂参数区域进行喷涂所需的实际涂料喷涂量;
根据对各需修正喷涂参数区域进行喷涂所需的实际涂料喷涂量对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂。
具体地,对所述实际喷涂工况图像信息进行识别,得到第一工况结果或第二工况结果,具体为:
通过大数据网络获取对麦克风话筒进行喷涂时发生各种喷涂裂缝工况所对应的历史裂缝工况图像信息,构建知识图谱,并将各种历史裂缝工况图像信息导入所述知识图谱中;
通过感知哈希算法计算所述实际喷涂工况图像信息与知识图谱中各历史裂缝工况图像信息之间的哈希值,根据所述哈希值确定出所述实际喷涂工况图像信息与各历史裂缝工况图像信息之间的相似度,得到多个相似度;
将多个所述相似度逐一与预设相似度进行比较;若所述相似度均不大于预设相似度,则说明该预设子区域的喷涂工况正常,则生成第一工况结果;
若存在至少一个相似度大于预设相似度的情况,则说明该预设子区域的喷涂工况异常,则生成第二工况结果。
具体地,若为第二工况结果,则控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂,或控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理,具体为:
若为第二工况结果,则通过ORB算法对所述实际喷涂工况图像信息进行特征提取处理,得到若干特征点;
随机选取一特征点作为坐标原点,根据所述坐标原点构建空间坐标系,并获取各特征点在所述空间坐标系中的坐标信息;根据所述坐标信息生成坐标信息集,将所述坐标信息集导入三维建模软件中,得到实际喷涂工况三维模型图;
对所述实际喷涂工况三维模型图进行特征匹配处理,得到该预设子区域中的裂缝三维模型图;根据所述裂缝三维模型图,结合体素化法计算出该预设子区域的裂缝总体积值;
根据所述裂缝总体积值计算出对该预设子区域进行喷涂修复所需的修复涂料量;将所述修复涂料量与实际喷涂工况三维模型图导入三维仿真软件中,基于所述修复涂料量对所述实际喷涂工况三维模型图进行仿真喷涂,得到仿真喷涂三维模型图;
根据所述仿真喷涂三维模型图确定出该预设子区域喷涂修复后多个预设位置节点的涂层厚度值;并将多个预设位置节点的涂层厚度值逐一与预设厚度值进行比较;
若各个预设位置节点的涂层厚度值均不大于预设厚度值,则基于修复涂料量控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂;
若存在至少一个预设位置节点的涂层厚度值均大于预设厚度值的情况,则控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理。
本发明第二方面公开了一种麦克风话筒生产产线智能控制系统,所述智能控制系统包括存储器与处理器,所述存储器中存储有智能控制方法程序,当所述智能控制方法程序被所述处理器执行时,实现如下步骤:
获取待喷涂麦克风话筒的各个预设子区域的点云数据,根据所述点云数据生成待喷涂麦克风话筒的实际三维模型图;
获取待喷涂麦克风话筒的标准三维模型图,以及获取喷涂工作站的预设喷涂参数;基于所述标准三维模型图对所述实际三维模型图进行判别,得到第一判别结果或第二判别结果;
若为第一判别结果,则直接基于所述预设喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;
若为第二判别结果,则对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;
对各个预设子区域进行喷涂完毕后,获取相应预设子区域的实际喷涂工况图像信息,并对所述实际喷涂工况图像信息进行识别,得到第一工况结果或第二工况结果;
若为第一工况结果,则控制喷涂工作站对下一预设子区域进行喷涂;若为第二工况结果,则控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂,或控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理。
本发明解决了背景技术中存在的技术缺陷,本发明具备以下有益效果:基于标准三维模型图对实际三维模型图进行判别,得到第一判别结果或第二判别结果;若为第一判别结果,则直接基于所述预设喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;若为第二判别结果,则对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;对各个预设子区域进行喷涂完毕后,获取相应预设子区域的实际喷涂工况图像信息,并对所述实际喷涂工况图像信息进行识别,得到第一工况结果或第二工况结果;若为第一工况结果,则控制喷涂工作站对下一预设子区域进行喷涂;若为第二工况结果,则控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂,或控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理。能够有效提高产品喷涂质量,提高产品良率,实现了智能化生产控制,还能够对修复后依旧是废品的半成品及时进行报废处理,能够较大程度节省生产成本。
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,下面将对实施例或现有技术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实施例的附图。
图1为一种麦克风话筒生产产线智能控制方法的第一方法流程图;
图2为一种麦克风话筒生产产线智能控制方法的第二方法流程图;
图3为一种麦克风话筒生产产线智能控制系统的系统框图。
实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示,本发明第一方面公开了一种麦克风话筒生产产线智能控制方法,包括以下步骤:
S102:获取待喷涂麦克风话筒的各个预设子区域的点云数据,根据所述点云数据生成待喷涂麦克风话筒的实际三维模型图;
S104:获取待喷涂麦克风话筒的标准三维模型图,以及获取喷涂工作站的预设喷涂参数;基于所述标准三维模型图对所述实际三维模型图进行判别,得到第一判别结果或第二判别结果;
S106:若为第一判别结果,则直接基于所述预设喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;
S108:若为第二判别结果,则对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;
S110:对各个预设子区域进行喷涂完毕后,获取相应预设子区域的实际喷涂工况图像信息,并对所述实际喷涂工况图像信息进行识别,得到第一工况结果或第二工况结果;
S112:若为第一工况结果,则控制喷涂工作站对下一预设子区域进行喷涂;若为第二工况结果,则控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂,或控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理。
具体地,获取待喷涂麦克风话筒的各个预设子区域的点云数据,根据所述点云数据生成待喷涂麦克风话筒的实际三维模型图,具体为:
通过激光点云扫描设备对待喷涂麦克风话筒的各个预设子区域进行扫描,并获取各个预设子区域所反馈的点云数据,构建数据库,并将所述点云数据导入所述数据库中;
扫描完毕后,通过局部离群因子算法计算各点云数据的局部密度与相对局部密度,并根据各点云数据的局部密度与相对局部密度计算出各点云数据的局部离群因子值;
将局部离群因子值大于预设阈值的点云数据在所述数据库中剔除,并将局部离群因子值不大于预设阈值的点云数据在所述数据库中保留,以将离群的点云数据筛除,得到离群筛选后的点云数据;
构建三维坐标系,将所述离群筛选后的点云数据导入所述三维坐标系中,并获取所述离群筛选后的点云数据的点云属性;其中,所述点云属性包括法向量与颜色;
将点云属性相同的点云数据在所述三维坐标系中进行配准,以对各个预设子区域的点云数据进行拼接,得到一个完整的点云模型;
获取所述点云模型中各点云数据在所述三维坐标系中的相对坐标值,根据所述相对坐标值构件坐标数集,将所述坐标数集导入三维建模软件中,生成待喷涂麦克风话筒的实际三维模型图。
需要说明的是,在喷涂工作站对待喷涂麦克风话筒(壳体)进行喷涂前,通过激光点云扫描设备获取待喷涂麦克风话筒中各预设子区域的激光点云数据。而由于扫描设备的设备精度以及扫描环境等因素的影响,所获得的点云数据中会存现失真、漂移等奇异现象,此些点云数据为离群点,因此通过局部离群因子算法筛选出这些离群点,从而提高后续建模的精度,以更加真实的还原待喷涂麦克风话筒实际尺寸形状参数。接着,再将各个预设子区域的点云数据进行拼接,得到一个完整的点云模型,然后获取点云模型中各点云数据之间的相对坐标值,并利用这些相对坐标值,结合如SolidWorks、3Dmax等三维建模软件绘制得到待喷涂麦克风话筒的实际三维模型图。通过本步骤能够快速重构得到待喷涂麦克风话筒的实际三维模型图,并且所得的模型精度高、还原度高,能够进一步提高后续对待喷涂麦克风话筒缺陷的识别精度,提高控制精度。
具体地,基于所述标准三维模型图对所述实际三维模型图进行判别,得到第一判别结果或第二判别结果,具体为:
构建配准空间,将所述标准三维模型图与实际三维模型图输入所述配准空间中,并获取所述标准三维模型图与实际三维模型图的点云数据;
将所述标准三维模型图作为参考模型,将所述实际三维模型图作为目标模型,基于旋转与平移的方式随机选择一个初始变换矩阵;
计算目标模型中各点云数据与参考模型中各点云数据之间的欧氏距离,并将欧氏距离最短的目标模型与参考模型的点云数据进行配对,生成目标模型与参考模型中各点云数据之间的对齐关系;
根据目标模型与参考模型中各点云数据之间的对齐关系,基于最小乘二法,对各对齐的点云数据进行刚体变换,并重新预估一个新的变换矩阵,以最小化各对齐的点云数据之间的距离;
将刚体应用于参考模型上,在所述配准空间中更新参考模型的位置,重复以上步骤,直至达到最大迭代次数,将所述标准三维模型图与实际三维模型图配准完毕,得到配准后的三维模型图;
根据所述配准后的三维模型图计算出所述标准三维模型图与实际三维模型图之间的重合度,并将所述重合度与预设重合度进行比较;
若所述重合度大于预设重合度,则生成第一判别结果;若所述重合度不大于预设重合度,则生成第二判别结果。
其中,所述标准三维模型图表征的是麦克风话筒(壳体)不存在任何存在的理想模型图。
需要说明的是,在对麦克风话筒(壳体)注塑成型过程中,麦克风话筒难免存在凹陷、裂缝等缺陷,由于这些缺陷的缺陷,在对麦克风话筒进行喷涂时,会导致喷涂的涂料不均匀,出现色差或者厚薄不一的问题,从而影响产品质量,导致产品报废,并且由于这些缺陷的位置与大小存在随机性,因此在通过喷涂工作站对各麦克风话筒进行喷涂前,需要进一步识别出麦克风话筒是否存在这些缺陷。具体而言,通过ICP算法对标准三维模型图与实际三维模型图进行配准对齐,然后得到配准后的三维模型图,然后在配准后的三维模型图中判断标准三维模型图与实际三维模型图之间模型重叠与不相重叠部分的情况,从而分析出标准三维模型图与实际三维模型图之间的重合度。若所述重合度大于预设重合度,说明实际三维模型图与标准三维模型图高度重合,可以理解的是,实际三维模型图中不存在或仅存在少量的缺陷,此时生成第一判别结果,并直接基于所述预设喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂即可,不需要对工作站的喷涂参数进行调控。若所述重合度不大于预设重合度,说明实际三维模型图与标准三维模型图重合度较低,可以理解的是,实际三维模型图中存在较为严重的缺陷情况,此时生成第二判别结果,并对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂。通过本步骤能够智能判断出待喷涂麦克风话筒是否存在缺陷,并能够判断出是否对喷涂参数进行修正后再进行喷涂,提高产品喷涂质量,提高产品良率,实现了智能控制。
如图2所示,具体地,若为第二判别结果,则对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂,具体为:
S202:若为第二判别结果,则根据所述配准后的三维模型图将所述标准三维模型图与实际三维模型图相叠交的模型区域剔除,并将所述标准三维模型图与实际三维模型图不相叠交的模型区域保留,得到一个或多个偏差模型图;
S204:判断各偏差模型图所属的预设子区域,并将各偏差模型图所属的预设子区域标记为需修正喷涂参数区域;
S206:基于体素化法计算各偏差模型图的模型体积值,根据所述模型体积值生成对相应需修正喷涂参数区域进行喷涂时的涂料补充量;
S208:根据所述预设喷涂参数得到对需修正喷涂参数区域进行喷涂时的预设涂料喷涂量,根据所述预设涂料喷涂量与涂料补充量得到对各需修正喷涂参数区域进行喷涂所需的实际涂料喷涂量;
S210:根据对各需修正喷涂参数区域进行喷涂所需的实际涂料喷涂量对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂。
需要说明的是,若为第二判别结果,则根据所述配准后的三维模型图将所述标准三维模型图与实际三维模型图相叠交的模型区域剔除,并将所述标准三维模型图与实际三维模型图不相叠交的模型区域保留,得到一个或多个偏差模型图,此步骤的目的在于获取得到待喷涂麦克风话筒中各预设子区域的缺陷三维模型图,即偏差模型图。然后计算各偏差模型图的模型体积值,根据所述模型体积值生成对相应需修正喷涂参数区域进行喷涂时的涂料补充量,根据对各需修正喷涂参数区域进行喷涂所需的实际涂料喷涂量对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂。通过本步骤能够根据缺陷情况智能修正喷涂参数,实现了智能化生产,能够较大程度提高产品良率,提高生产效益。
具体地,对所述实际喷涂工况图像信息进行识别,得到第一工况结果或第二工况结果,具体为:
通过大数据网络获取对麦克风话筒进行喷涂时发生各种喷涂裂缝工况所对应的历史裂缝工况图像信息,构建知识图谱,并将各种历史裂缝工况图像信息导入所述知识图谱中;
通过感知哈希算法计算所述实际喷涂工况图像信息与知识图谱中各历史裂缝工况图像信息之间的哈希值,根据所述哈希值确定出所述实际喷涂工况图像信息与各历史裂缝工况图像信息之间的相似度,得到多个相似度;
将多个所述相似度逐一与预设相似度进行比较;若所述相似度均不大于预设相似度,则说明该预设子区域的喷涂工况正常,则生成第一工况结果;
若存在至少一个相似度大于预设相似度的情况,则说明该预设子区域的喷涂工况异常,则生成第二工况结果。
需要说明的是,喷涂裂缝是喷涂主要的缺陷,是报废产品的主要缺陷,涂料流动不佳、麦克风话筒表面粗糙度不达标等都可能导致喷涂裂缝。现有工作站无法智能识别喷漆过程中产品是否存在喷涂裂缝,经常出现产品是废品依旧对其继续进行喷漆加工现象,浪费加工资源,降低生产效率。在本发明中,首先,通过大数据网络获取对麦克风话筒进行喷涂时发生各种喷涂裂缝工况所对应的历史裂缝工况图像信息,构建知识图谱,并将各种历史裂缝工况图像信息导入所述知识图谱中,然后在对各个预设子区域进行喷涂完毕后,通过摄像机构获取相应预设子区域的实际喷涂工况图像信息,通过感知哈希算法计算所述实际喷涂工况图像信息与知识图谱中各历史裂缝工况图像信息之间相似度,若所述相似度均不大于预设相似度,则说明该预设子区域的喷涂工况正常,不存在喷涂裂缝情况,则生成第一工况结果,则控制喷涂工作站对下一预设子区域进行喷涂。若存在至少一个相似度大于预设相似度的情况,则说明该预设子区域的喷涂工况异常,存在喷涂裂缝,则生成第二工况结果,需要进一步分析。通过本步骤能够智能分析出在喷涂过程中各个预设子喷涂区域是否存在喷涂缺陷情况。
具体地,若为第二工况结果,则控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂,或控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理,具体为:
若为第二工况结果,则通过ORB算法对所述实际喷涂工况图像信息进行特征提取处理,得到若干特征点;
随机选取一特征点作为坐标原点,根据所述坐标原点构建空间坐标系,并获取各特征点在所述空间坐标系中的坐标信息;根据所述坐标信息生成坐标信息集,将所述坐标信息集导入三维建模软件中,得到实际喷涂工况三维模型图;
对所述实际喷涂工况三维模型图进行特征匹配处理,得到该预设子区域中的裂缝三维模型图;根据所述裂缝三维模型图,结合体素化法计算出该预设子区域的裂缝总体积值;
根据所述裂缝总体积值计算出对该预设子区域进行喷涂修复所需的修复涂料量;将所述修复涂料量与实际喷涂工况三维模型图导入三维仿真软件中,基于所述修复涂料量对所述实际喷涂工况三维模型图进行仿真喷涂,得到仿真喷涂三维模型图;
根据所述仿真喷涂三维模型图确定出该预设子区域喷涂修复后多个预设位置节点的涂层厚度值;并将多个预设位置节点的涂层厚度值逐一与预设厚度值进行比较;
若各个预设位置节点的涂层厚度值均不大于预设厚度值,则基于修复涂料量控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂;
若存在至少一个预设位置节点的涂层厚度值均大于预设厚度值的情况,则控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理。
需要说明的是,若为第二工况结果,则构建实际喷涂工况三维模型图,并在实际喷涂工况三维模型图中检索出裂缝三维模型图,并计算出各预设子区域的裂缝总体积值,从而确定出对该预设子区域进行喷涂修复所需的修复涂料量,即填充修复该预设子区域中裂缝所需的修复涂料量。然后根据修复涂料量,结合实际喷涂工况三维模型图,利用如SolidWorks、UG等三维仿真软件对相应的预设子区域进行仿真喷涂,仿真完毕后,得到仿真喷涂三维模型图,根据所述仿真喷涂三维模型图确定出该预设子区域喷涂修复后多个预设位置节点的涂层厚度值,若各个预设位置节点的涂层厚度值均不大于预设厚度值,说明对该预设子区域进行喷涂修复后,其涂层厚度仍在尺寸要求范围内,此时则基于修复涂料量控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂。若存在至少一个预设位置节点的涂层厚度值均大于预设厚度值的情况,说明对该预设子区域进行喷涂修复后,其涂层厚度已经不再尺寸要求范围内,此时则控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理。通过本步骤不仅能够对出现喷涂裂缝的区域及时进行修复,提高产品良率,省去后续修复工艺步骤,提高生产效率,实现了智能化生产控制,并且还能够精准判断出修复后的产品是否为废品,从而及时对修复后依旧是废品的半成品进行报废,能够较大程度节省生产成本。
此外,本控制方法还包括以下步骤:
当对各预设子区域喷涂完毕后,通过X摄像探测器对喷涂完毕的预设子区域进行扫描探测,并获取该预设子区域所反馈的X射线信号;
对所述X射线信号进行特征提取处理,得到气孔缺陷特征信号,根据所述气孔缺陷特征信号构建得到该预设子区域的气孔缺陷模型图,根据所述气孔缺陷模型图计算得到该预设子区域在喷涂后的气孔缺陷总体积值;
获取该预设子区域的实际喷涂工况三维模型图,并根据所述实际喷涂工况三维模型图计算得到该预设子区域在喷涂后的喷涂区域总体积值;
将所述气孔缺陷总体积值与喷涂区域总体积值进行比值处理,得到该预设子区域在喷涂后的气孔缺陷占比度;并将所述气孔缺陷占比度与预设占比度进行比较;
若所述气孔缺陷占比度不大于预设占比度,则控制喷涂工作站对下一预设子区域进行喷涂;
若所述气孔缺陷占比度大于预设占比度,则控制喷涂工作站停止对下一预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理。
需要说明的是,气孔缺陷通常出现在涂层中,这通常是由于涂料中含有气体,或者在喷涂时涂料未完全附着在物体表面而引起的,气孔会降低涂层的粘结强度。当对各个预设子区域喷涂完毕后,通过本步骤能够快速精准的计算出各预设子区域的气孔缺陷占比度,从而判断出气孔浓度是否达标,从而对存在气孔不及格的半成品及时报废,降低加工成本。
此外,本控制方法还包括以下步骤:
通过大数据网络获取喷涂工作站在各种预设工作环境组合条件之下的标准运行参数,构建信息库,并喷涂工作站在各种预设工作环境组合条件之下的标准运行参数导入所述信息库中;
获取喷涂工作站在工作过程中的实际工作环境条件,并通过局部敏感注意力机制计算所述实际工作环境条件与各预设工作环境组合之间的注意力分数,根据所述注意力分数确定出所述实际工作环境条件与各预设工作环境组合之间的关联度,得到多个关联度;
构建排序表,将多个所述关联度导入所述排序表中进行排序,以排序得到最大关联度,获取与最大关联度对应的预设工作环境组合,根据与最大关联度对应的预设工作环境组合对所述信息库进行检索,得到喷涂工作站在当前实际工作环境条件工作时的标准运行参数;
获取喷涂工作站在工作过程中的实际运行参数,引入灰色关联分析法,并通过灰色关联分析法计算所述实际运行参数与标准运行参数之间的关联性;将所述关联性与预设关联性进行比较;
若所述关联性不大于预设关联性,则控制生产工作站停止生产,并生成故障警报信息。
需要说明的是,所述运行参数包括喷涂工作站中的各子设备的运行参数,如步进电机的转速、电压以及电流值等。通过将喷涂工作站在工作过程中的实际运行参数与对应工作环境条件之下的标准运行参数进行比较,从而判断出喷涂工作站是否处于异常工作状态,当出现异常工作状态时,及时控制喷涂工作站停止生产,避免出现产生大批量不良品现象,并且能够生成故障警报信息,及时知会检修人员进行检修。
此外,本控制方法还包括以下步骤:
通过大数据网络获取在各种预设环境因子组合条件之下的涂料喷涂至麦克风话筒上的预设流动速度范围;
基于深度学习网络构建预测模型,并将在各种预设环境因子组合条件之下的涂料喷涂至麦克风话筒上的预设流动速度范围导入所述预测模型中进行训练,得到训练好的预测模型;
获取喷涂工作站在工作过程中的实时环境因子,将所述实时环境因子导入所述训练好的预测模型中进行预测,预测得到涂料在当前实时环境因子条件下的标准流动速度范围;
在对麦克风话筒的各个预设子区域喷涂过程中,在第一预设时间节点获取预设子区域的第一涂层图像信息,以及在第二预设时间节点获取预设子区域的第二涂层图像信息;
根据所述第一涂层图像信息构建得到第一涂层状态三维模型图,根据所述第二涂层图像信息构建得到第二涂层状态三维模型图;根据所述第一涂层状态三维模型图、第二涂层状态三维模型图、第一预设时间节点以及第二预设时间节点计算得到涂料的实际流动速度;
判断所述实际流动速度是否位于标准流动速度范围内;若不位于,则控制生产工作站停止生产,并生成故障警报信息。
需要说明的是,涂料的流动速度过大或过小在麦克风话筒喷涂过程中都可能会带来不良影。流动速度过大可能导致喷涂厚度不一致,涂料在一侧过厚,另一侧过薄,并且流动速度过大可能导致喷涂厚度不一致,涂料在一侧过厚,另一侧过薄。流动速度过小可能导致喷涂涂料量不足,喷涂厚度不够,无法达到设计要求的涂层厚度。因此在本步骤中,通过判断涂料在喷涂后的流动速度情况,从判断出是否发了异常情况,当出现异常工作情况时,及时控制喷涂工作站停止生产,避免出现产生大批量不良品现象,并且能够生成故障警报信息,及时知会检修人员进行检修。
如图3所示,本发明第二方面公开了一种麦克风话筒生产产线智能控制系统,所述智能控制系统包括存储器20与处理器30,所述存储器20中存储有智能控制方法程序,当所述智能控制方法程序被所述处理器30执行时,实现如下步骤:
获取待喷涂麦克风话筒的各个预设子区域的点云数据,根据所述点云数据生成待喷涂麦克风话筒的实际三维模型图;
获取待喷涂麦克风话筒的标准三维模型图,以及获取喷涂工作站的预设喷涂参数;基于所述标准三维模型图对所述实际三维模型图进行判别,得到第一判别结果或第二判别结果;
若为第一判别结果,则直接基于所述预设喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;
若为第二判别结果,则对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;
对各个预设子区域进行喷涂完毕后,获取相应预设子区域的实际喷涂工况图像信息,并对所述实际喷涂工况图像信息进行识别,得到第一工况结果或第二工况结果;
若为第一工况结果,则控制喷涂工作站对下一预设子区域进行喷涂;若为第二工况结果,则控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂,或控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的技术方案本质上或者说对现有技术做出贡献的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)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种麦克风话筒生产产线智能控制方法,其特征在于,包括以下步骤:
获取待喷涂麦克风话筒的各个预设子区域的点云数据,根据所述点云数据生成待喷涂麦克风话筒的实际三维模型图;
获取待喷涂麦克风话筒的标准三维模型图,以及获取喷涂工作站的预设喷涂参数;基于所述标准三维模型图对所述实际三维模型图进行判别,得到第一判别结果或第二判别结果;
若为第一判别结果,则直接基于所述预设喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;
若为第二判别结果,则对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;
对各个预设子区域进行喷涂完毕后,获取相应预设子区域的实际喷涂工况图像信息,并对所述实际喷涂工况图像信息进行识别,得到第一工况结果或第二工况结果;
若为第一工况结果,则控制喷涂工作站对下一预设子区域进行喷涂;若为第二工况结果,则控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂,或控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理;
其中,对所述实际喷涂工况图像信息进行识别,得到第一工况结果或第二工况结果,具体为:
通过大数据网络获取对麦克风话筒进行喷涂时发生各种喷涂裂缝工况所对应的历史裂缝工况图像信息,构建知识图谱,并将各种历史裂缝工况图像信息导入所述知识图谱中;
通过感知哈希算法计算所述实际喷涂工况图像信息与知识图谱中各历史裂缝工况图像信息之间的哈希值,根据所述哈希值确定出所述实际喷涂工况图像信息与各历史裂缝工况图像信息之间的相似度,得到多个相似度;
将多个所述相似度逐一与预设相似度进行比较;若所述相似度均不大于预设相似度,则说明该预设子区域的喷涂工况正常,则生成第一工况结果;
若存在至少一个相似度大于预设相似度的情况,则说明该预设子区域的喷涂工况异常,则生成第二工况结果;
其中,若为第二工况结果,则控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂,或控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理,具体为:
若为第二工况结果,则通过ORB算法对所述实际喷涂工况图像信息进行特征提取处理,得到若干特征点;
随机选取一特征点作为坐标原点,根据所述坐标原点构建空间坐标系,并获取各特征点在所述空间坐标系中的坐标信息;根据所述坐标信息生成坐标信息集,将所述坐标信息集导入三维建模软件中,得到实际喷涂工况三维模型图;
对所述实际喷涂工况三维模型图进行特征匹配处理,得到该预设子区域中的裂缝三维模型图;根据所述裂缝三维模型图,结合体素化法计算出该预设子区域的裂缝总体积值;
根据所述裂缝总体积值计算出对该预设子区域进行喷涂修复所需的修复涂料量;将所述修复涂料量与实际喷涂工况三维模型图导入三维仿真软件中,基于所述修复涂料量对所述实际喷涂工况三维模型图进行仿真喷涂,得到仿真喷涂三维模型图;
根据所述仿真喷涂三维模型图确定出该预设子区域喷涂修复后多个预设位置节点的涂层厚度值;并将多个预设位置节点的涂层厚度值逐一与预设厚度值进行比较;
若各个预设位置节点的涂层厚度值均不大于预设厚度值,则基于修复涂料量控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂;
若存在至少一个预设位置节点的涂层厚度值均大于预设厚度值的情况,则控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理。
2.根据权利要求1所述的一种麦克风话筒生产产线智能控制方法,其特征在于,获取待喷涂麦克风话筒的各个预设子区域的点云数据,根据所述点云数据生成待喷涂麦克风话筒的实际三维模型图,具体为:
通过激光点云扫描设备对待喷涂麦克风话筒的各个预设子区域进行扫描,并获取各个预设子区域所反馈的点云数据,构建数据库,并将所述点云数据导入所述数据库中;
扫描完毕后,通过局部离群因子算法计算各点云数据的局部密度与相对局部密度,并根据各点云数据的局部密度与相对局部密度计算出各点云数据的局部离群因子值;
将局部离群因子值大于预设阈值的点云数据在所述数据库中剔除,并将局部离群因子值不大于预设阈值的点云数据在所述数据库中保留,以将离群的点云数据筛除,得到离群筛选后的点云数据;
构建三维坐标系,将所述离群筛选后的点云数据导入所述三维坐标系中,并获取所述离群筛选后的点云数据的点云属性;其中,所述点云属性包括法向量与颜色;
将点云属性相同的点云数据在所述三维坐标系中进行配准,以对各个预设子区域的点云数据进行拼接,得到一个完整的点云模型;
获取所述点云模型中各点云数据在所述三维坐标系中的相对坐标值,根据所述相对坐标值构建坐标数集,将所述坐标数集导入三维建模软件中,生成待喷涂麦克风话筒的实际三维模型图。
3.根据权利要求1所述的一种麦克风话筒生产产线智能控制方法,其特征在于,基于所述标准三维模型图对所述实际三维模型图进行判别,得到第一判别结果或第二判别结果,具体为:
构建配准空间,将所述标准三维模型图与实际三维模型图输入所述配准空间中,并获取所述标准三维模型图与实际三维模型图的点云数据;
将所述标准三维模型图作为参考模型,将所述实际三维模型图作为目标模型,基于旋转与平移的方式随机选择一个初始变换矩阵;
计算目标模型中各点云数据与参考模型中各点云数据之间的欧氏距离,并将欧氏距离最短的目标模型与参考模型的点云数据进行配对,生成目标模型与参考模型中各点云数据之间的对齐关系;
根据目标模型与参考模型中各点云数据之间的对齐关系,基于最小乘二法,对各对齐的点云数据进行刚体变换,并重新预估一个新的变换矩阵,以最小化各对齐的点云数据之间的距离;
将刚体应用于参考模型上,在所述配准空间中更新参考模型的位置,重复以上步骤,直至达到最大迭代次数,将所述标准三维模型图与实际三维模型图配准完毕,得到配准后的三维模型图;
根据所述配准后的三维模型图计算出所述标准三维模型图与实际三维模型图之间的重合度,并将所述重合度与预设重合度进行比较;
若所述重合度大于预设重合度,则生成第一判别结果;若所述重合度不大于预设重合度,则生成第二判别结果。
4.根据权利要求3所述的一种麦克风话筒生产产线智能控制方法,其特征在于,若为第二判别结果,则对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂,具体为:
若为第二判别结果,则根据所述配准后的三维模型图将所述标准三维模型图与实际三维模型图相叠交的模型区域剔除,并将所述标准三维模型图与实际三维模型图不相叠交的模型区域保留,得到一个或多个偏差模型图;
判断各偏差模型图所属的预设子区域,并将各偏差模型图所属的预设子区域标记为需修正喷涂参数区域;
基于体素化法计算各偏差模型图的模型体积值,根据所述模型体积值生成对相应需修正喷涂参数区域进行喷涂时的涂料补充量;
根据所述预设喷涂参数得到对需修正喷涂参数区域进行喷涂时的预设涂料喷涂量,根据所述预设涂料喷涂量与涂料补充量得到对各需修正喷涂参数区域进行喷涂所需的实际涂料喷涂量;
根据对各需修正喷涂参数区域进行喷涂所需的实际涂料喷涂量对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂。
5.一种麦克风话筒生产产线智能控制系统,其特征在于,所述智能控制系统包括存储器与处理器,所述存储器中存储有智能控制方法程序,当所述智能控制方法程序被所述处理器执行时,实现如下步骤:
获取待喷涂麦克风话筒的各个预设子区域的点云数据,根据所述点云数据生成待喷涂麦克风话筒的实际三维模型图;
获取待喷涂麦克风话筒的标准三维模型图,以及获取喷涂工作站的预设喷涂参数;基于所述标准三维模型图对所述实际三维模型图进行判别,得到第一判别结果或第二判别结果;
若为第一判别结果,则直接基于所述预设喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;
若为第二判别结果,则对所述预设喷涂参数进行修正,得到修正后的喷涂参数,并基于修正后的喷涂参数控制喷涂工作站对该待喷涂麦克风话筒的各预设子区域进行喷涂;
对各个预设子区域进行喷涂完毕后,获取相应预设子区域的实际喷涂工况图像信息,并对所述实际喷涂工况图像信息进行识别,得到第一工况结果或第二工况结果;
若为第一工况结果,则控制喷涂工作站对下一预设子区域进行喷涂;若为第二工况结果,则控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂,或控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理;
其中,对所述实际喷涂工况图像信息进行识别,得到第一工况结果或第二工况结果,具体为:
通过大数据网络获取对麦克风话筒进行喷涂时发生各种喷涂裂缝工况所对应的历史裂缝工况图像信息,构建知识图谱,并将各种历史裂缝工况图像信息导入所述知识图谱中;
通过感知哈希算法计算所述实际喷涂工况图像信息与知识图谱中各历史裂缝工况图像信息之间的哈希值,根据所述哈希值确定出所述实际喷涂工况图像信息与各历史裂缝工况图像信息之间的相似度,得到多个相似度;
将多个所述相似度逐一与预设相似度进行比较;若所述相似度均不大于预设相似度,则说明该预设子区域的喷涂工况正常,则生成第一工况结果;
若存在至少一个相似度大于预设相似度的情况,则说明该预设子区域的喷涂工况异常,则生成第二工况结果;
其中,若为第二工况结果,则控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂,或控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理,具体为:
若为第二工况结果,则通过ORB算法对所述实际喷涂工况图像信息进行特征提取处理,得到若干特征点;
随机选取一特征点作为坐标原点,根据所述坐标原点构建空间坐标系,并获取各特征点在所述空间坐标系中的坐标信息;根据所述坐标信息生成坐标信息集,将所述坐标信息集导入三维建模软件中,得到实际喷涂工况三维模型图;
对所述实际喷涂工况三维模型图进行特征匹配处理,得到该预设子区域中的裂缝三维模型图;根据所述裂缝三维模型图,结合体素化法计算出该预设子区域的裂缝总体积值;
根据所述裂缝总体积值计算出对该预设子区域进行喷涂修复所需的修复涂料量;将所述修复涂料量与实际喷涂工况三维模型图导入三维仿真软件中,基于所述修复涂料量对所述实际喷涂工况三维模型图进行仿真喷涂,得到仿真喷涂三维模型图;
根据所述仿真喷涂三维模型图确定出该预设子区域喷涂修复后多个预设位置节点的涂层厚度值;并将多个预设位置节点的涂层厚度值逐一与预设厚度值进行比较;
若各个预设位置节点的涂层厚度值均不大于预设厚度值,则基于修复涂料量控制喷涂工作站对该预设子区域进行喷涂修复后再对下一预设子区域进行喷涂;
若存在至少一个预设位置节点的涂层厚度值均大于预设厚度值的情况,则控制喷涂工作站停止对该预设子区域进行喷涂修复,并立即对该麦克风话筒进行报废处理。
6.根据权利要求5所述的一种麦克风话筒生产产线智能控制系统,其特征在于,基于所述标准三维模型图对所述实际三维模型图进行判别,得到第一判别结果或第二判别结果,具体为:
构建配准空间,将所述标准三维模型图与实际三维模型图输入所述配准空间中,并获取所述标准三维模型图与实际三维模型图的点云数据;
将所述标准三维模型图作为参考模型,将所述实际三维模型图作为目标模型,基于旋转与平移的方式随机选择一个初始变换矩阵;
计算目标模型中各点云数据与参考模型中各点云数据之间的欧氏距离,并将欧氏距离最短的目标模型与参考模型的点云数据进行配对,生成目标模型与参考模型中各点云数据之间的对齐关系;
根据目标模型与参考模型中各点云数据之间的对齐关系,基于最小乘二法,对各对齐的点云数据进行刚体变换,并重新预估一个新的变换矩阵,以最小化各对齐的点云数据之间的距离;
将刚体应用于参考模型上,在所述配准空间中更新参考模型的位置,重复以上步骤,直至达到最大迭代次数,将所述标准三维模型图与实际三维模型图配准完毕,得到配准后的三维模型图;
根据所述配准后的三维模型图计算出所述标准三维模型图与实际三维模型图之间的重合度,并将所述重合度与预设重合度进行比较;
若所述重合度大于预设重合度,则生成第一判别结果;若所述重合度不大于预设重合度,则生成第二判别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311764669.3A CN117440308B (zh) | 2023-12-21 | 2023-12-21 | 一种麦克风话筒生产产线智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311764669.3A CN117440308B (zh) | 2023-12-21 | 2023-12-21 | 一种麦克风话筒生产产线智能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117440308A CN117440308A (zh) | 2024-01-23 |
CN117440308B true CN117440308B (zh) | 2024-04-26 |
Family
ID=89548404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311764669.3A Active CN117440308B (zh) | 2023-12-21 | 2023-12-21 | 一种麦克风话筒生产产线智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117440308B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117608259B (zh) * | 2024-01-24 | 2024-05-28 | 深圳市富温传感技术有限公司 | 一种储存芯片生产设备的控制方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109261407A (zh) * | 2018-10-19 | 2019-01-25 | 飞码机器人私人有限公司 | 一种表面涂装机器人作业系统及方法 |
CN109972827A (zh) * | 2019-05-09 | 2019-07-05 | 广东博智林机器人有限公司 | 喷涂机器人及控制方法和控制装置、计算机可读存储介质 |
CN111389623A (zh) * | 2020-05-07 | 2020-07-10 | 上海振华港机重工有限公司 | 一种自动喷涂机器人的控制系统及其控制方法 |
CN114407548A (zh) * | 2021-12-29 | 2022-04-29 | 株洲飞鹿高新材料技术股份有限公司 | 车身标识的智能喷涂方法及装置 |
CN115563732A (zh) * | 2022-09-29 | 2023-01-03 | 武汉湾流科技股份有限公司 | 基于虚拟现实的喷涂轨迹仿真优化方法及装置 |
CN116341389A (zh) * | 2023-04-25 | 2023-06-27 | 武汉湾流科技股份有限公司 | 一种基于神经网络的汽车零部件智能喷漆方法 |
CN116452644A (zh) * | 2023-04-21 | 2023-07-18 | 北京石油化工学院 | 基于特征描述子的三维点云配准方法、装置及存储介质 |
WO2023142608A1 (zh) * | 2022-01-26 | 2023-08-03 | 上海飞机制造有限公司 | 获得飞机面型的系统和方法 |
CN116758234A (zh) * | 2023-06-27 | 2023-09-15 | 华南农业大学 | 一种基于多点云数据融合的山地地形建模方法 |
-
2023
- 2023-12-21 CN CN202311764669.3A patent/CN117440308B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109261407A (zh) * | 2018-10-19 | 2019-01-25 | 飞码机器人私人有限公司 | 一种表面涂装机器人作业系统及方法 |
CN109972827A (zh) * | 2019-05-09 | 2019-07-05 | 广东博智林机器人有限公司 | 喷涂机器人及控制方法和控制装置、计算机可读存储介质 |
CN111389623A (zh) * | 2020-05-07 | 2020-07-10 | 上海振华港机重工有限公司 | 一种自动喷涂机器人的控制系统及其控制方法 |
CN114407548A (zh) * | 2021-12-29 | 2022-04-29 | 株洲飞鹿高新材料技术股份有限公司 | 车身标识的智能喷涂方法及装置 |
WO2023142608A1 (zh) * | 2022-01-26 | 2023-08-03 | 上海飞机制造有限公司 | 获得飞机面型的系统和方法 |
CN115563732A (zh) * | 2022-09-29 | 2023-01-03 | 武汉湾流科技股份有限公司 | 基于虚拟现实的喷涂轨迹仿真优化方法及装置 |
CN116502366A (zh) * | 2022-09-29 | 2023-07-28 | 武汉湾流科技股份有限公司 | 一种基于三维模型的喷涂对象变形调整方法 |
CN116452644A (zh) * | 2023-04-21 | 2023-07-18 | 北京石油化工学院 | 基于特征描述子的三维点云配准方法、装置及存储介质 |
CN116341389A (zh) * | 2023-04-25 | 2023-06-27 | 武汉湾流科技股份有限公司 | 一种基于神经网络的汽车零部件智能喷漆方法 |
CN116758234A (zh) * | 2023-06-27 | 2023-09-15 | 华南农业大学 | 一种基于多点云数据融合的山地地形建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117440308A (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117440308B (zh) | 一种麦克风话筒生产产线智能控制方法及系统 | |
CN110992317B (zh) | 一种基于语义分割的pcb板缺陷检测方法 | |
CN109741323A (zh) | 锂电池的极片检测方法、装置、计算机设备和存储介质 | |
CN110544231B (zh) | 基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法 | |
CN111814850A (zh) | 缺陷检测模型训练方法、缺陷检测方法及相关装置 | |
CN113658325B (zh) | 数字孪生环境下的生产线不确定对象智能识别与预警方法 | |
CN113920107A (zh) | 一种基于改进yolov5算法的绝缘子破损检测方法 | |
CN110297852B (zh) | 一种基于pca-粗糙集的船舶涂装缺陷知识获取方法 | |
CN113856938B (zh) | 一种石墨烯防腐涂料的喷涂均匀性检测方法及系统 | |
CN115937170A (zh) | 电路板检测方法、装置、计算机设备及存储介质 | |
CN116985525B (zh) | 一种全自动视觉印刷机的智能管理方法及系统 | |
EP3712846A1 (en) | Recoater automated monitoring systems and methods for additive manufacturing machines | |
CN112686322A (zh) | 零件差异识别方法、装置、设备及存储介质 | |
CN113592814A (zh) | 新能源动力电池安全防爆阀激光焊接表面缺陷检测方法 | |
CN116862913A (zh) | 基于机器视觉的复合镍铜散热底板缺陷检测方法及系统 | |
CN117152123A (zh) | 一种用于锡膏印刷的检测定位优化方法、系统及存储介质 | |
CN116309313A (zh) | 一种电池表面焊接缺陷检测方法 | |
CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN116943995B (zh) | 一种基于数据分析的高精密点胶机评估方法及系统 | |
CN117161582B (zh) | 一种基于计算机视觉的激光切割方法 | |
CN108268899B (zh) | 一种电子元件的检测方法、装置和设备 | |
CN113012088A (zh) | 一种电路板故障检测及孪生网络的训练方法、装置和设备 | |
CN114693554A (zh) | 一种大数据图像处理方法及系统 | |
CN117734332B (zh) | 一种模内标签加工设备智能控制方法及系统 | |
CN110816902B (zh) | 卫星结构平台孔内多余物检测系统、实时检测方法及介质 |
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 |