CN117495192A - 一种基于视觉识别的产品质量数据建模方法 - Google Patents
一种基于视觉识别的产品质量数据建模方法 Download PDFInfo
- Publication number
- CN117495192A CN117495192A CN202311519260.5A CN202311519260A CN117495192A CN 117495192 A CN117495192 A CN 117495192A CN 202311519260 A CN202311519260 A CN 202311519260A CN 117495192 A CN117495192 A CN 117495192A
- Authority
- CN
- China
- Prior art keywords
- product quality
- quality data
- product
- function
- visual recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000000007 visual effect Effects 0.000 title claims abstract description 21
- 238000013179 statistical model Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 32
- 230000002950 deficient Effects 0.000 claims description 22
- 238000005315 distribution function Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 16
- 238000007726 management method Methods 0.000 description 13
- 238000009826 distribution Methods 0.000 description 7
- 238000003908 quality control method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 208000034804 Product quality issues Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000013068 supply chain management Methods 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Manufacturing & Machinery (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Factory Administration (AREA)
Abstract
一种基于视觉识别的产品质量数据建模方法，涉及质量管理技术领域，所采用的技术方案包括S1，针对某一数据，预设统计学函数的类型和产品质量分类标准，根据所述统计学函数特点布置质量分类点；S2，机器视觉系统输出产品质量数据，根据所述质量分类点的布置方式将所述产品质量数据处理后，再根据预设的所述统计学函数进行拟合，统计模型建立完毕；S3，将统计模型应用到质量管理。本发明利用机器视觉系统获取产品质量数据并建立有序的统计模型，不仅能够快速准确地分析概率，控制产品缺陷率，预测未来产品质量数据，还能发现和纠正质量数据的正确性，找出质量数据不符合统计模型的原因，并提出针对此原因的改进措施。
Description
技术领域
本发明涉及质量管理技术领域，尤其涉及一种基于视觉识别的产品质量数据建模方法。
背景技术
在制造业中，产品质量管理是一项至关重要的任务，采用机器视觉识别产品质量好坏是业界普遍采用的方法。视觉识别会生成大量的数据，这些数据包括原始数据和经分析处理后的数据，要进行存储和管理。若数据处理不当，存储需求过大、数据混乱、数据无法快速访问，得不到想要数据信息。然而，现有的质量管理方法往往无法准确、快速地分析产品质量数据，这导致了质量控制的困难。因此，有必要发展一种方法，利用视觉识别技术和统计函数对产品质量数据进行准确的获取、分析和预测。
发明内容
针对现有技术方案中无法准确、快速地分析产品质量数据导致数据混乱、质量控制困难的问题，本发明提供了一种基于视觉识别的产品质量数据建模方法。
本发明提供如下的技术方案： 一种基于视觉识别的产品质量数据建模方法，包括以下步骤：
S1，针对某一数据，预设统计学函数的类型和产品质量分类标准，根据所述统计学函数特点布置质量分类点；
S2，机器视觉系统根据所述产品质量分类标准识别并输出产品质量数据，按照所述质量分类点的布置方式将所述产品质量数据处理后，再根据预设的所述统计学函数进行拟合，统计模型建立完毕；
S3，将统计模型应用到质量管理。
优选地，还包括步骤S4，提高机器视觉系统的精确度和效率。
优选地，在步骤S1中，所述数据包括产品外观质量的严重度；预设的所述统计学函数为正态分布函数；所述产品质量分类标准为：将产品的严重度从高到低依次分为S、A、B、C四个类别。
优选地，在步骤S1中，所述质量分类点的布置方式为：将严重度按A、B、C、S的顺序进行排列。
优选地，在步骤S1中，所述质量分类点的布置方式为：将严重度按S、B、C、A的顺序进行排列。
优选地，所述步骤S2具体为：机器视觉系统识别并输出S、A、B、C四个类别严重度的产品数量，并将产品数量按质量分类点的布置方式处理后，再拟合为函数，所述函数为正态分布函数。
优选地，所述步骤S3具体为：如果出现不符合统计模型的产品质量数据，或将不同时间段拟合的函数进行对比后发现变化幅度较大，找出变化原因。
优选地，在步骤S1中，所述数据还包括缺陷产品的出现概率；预设的所述统计学函数为泊松分布函数；所述产品质量分类标准为有缺陷和无缺陷；所述质量分类点的布置方式为：单位时间内生产的产品中缺陷产品的平均数量。
优选地，所述步骤S2具体为：机器视觉系统识别并输出一定时间段内缺陷产品的数量，并将产品数量按质量分类点的布置方式处理后，再拟合为函数，所述函数为泊松分布函数。
优选地，所述步骤S3具体为：根据拟合的函数预测产品质量数据，并参与成本管理，计算成本的期望值。
本发明的有益效果是：利用机器视觉系统快速准确地获取产品质量数据并建立有序的统计模型，不仅能够快速准确地分析概率，控制产品缺陷率，预测未来产品质量数据，还能发现和纠正质量数据的正确性，找出产生质量数据不符合统计模型的原因，如工艺失控、设计缺陷等，并提出针对此原因的改进措施。从而，将解决问题的角度从质量或者工艺的人员的从业经验转变为数据发现问题、解决问题。
附图说明
图1为实施例1的拟合示意图。
实施方式
以下结合附图及附图标记对本发明的实施方式做更详细的说明，使熟悉本领域的技术人在研读本说明书后能据以实施。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例
本发明提供了一种基于视觉识别的产品质量数据建模方法，可广泛应用于制造业的质量控制系统，特别是那些产品种类繁多、质量标准复杂的行业，如汽车制造、家电制造等。本发明采用视觉识别系统识别产品质量数据，进行分析、预测，为质量管理提供数据支持。
本实施例参与某焊接产品外观质量的质量管理，需要获取其外观质量的严重度，在此基础上进行分析，并将分析结果应用到质量管理。本实施例的具体步骤如下。
S1，针对焊接产品外观质量的严重度，将产品的严重度从高度到底依次划分为S、A、B、C四个类别，其中S表示最严重，A表示严重度其次，B表示严重度次之，C表示严重度最低。
预先设定其严重度服从正态分布，正态分布函数的公式为：
可根据统计学函数特点布置质量分类点。所述统计学函数特点包括函数的参数及其含义、函数的图形特征等。所述质量分类点是用于评估、确定和分类产品或服务质量的基本要素或标准，是用来衡量产品或服务在特定质量属性上的表现的参考点，通常根据特定目标和要求来确定。
在一批次正常生产的产品中，S出现的数量应为最少，A、B出现的数量依次次之，C出现的数量应最多。将各个严重度的产品数量按一定顺序排列绘制直方图，使直方图贴近正态分布的图形，便于拟合为预设的正态分布函数。因此，根据正态分布函数的特征布置质量分类点，质量分类点的布置方式是按照A、B、C、S或S、B、C、A的顺序将4个严重度各自的产品数量进行排列，而不是按照严重度的高低从高到低排列，使绘制形成的图形贴近正态分布函数的图形特征。
S2，在生产线上安装工业相机等图像采集设备捕捉产品图像，利用机器视觉系统对产品图像处理后进行识别，最终输出检测结果。考虑到诸多因素，如光线、角度等，图像采集设备应具备自动调整功能，以确保捕捉到的图像质量。机器视觉系统可参考相关技术，采用深度学习算法和计算机视觉技术，并经过大量数据训练，以提高其准确识别产品外观并按上述严重度标准进行分类的能力。
机器视觉系统根据上述4个严重度对一个时间段内或一个批次内的产品进行分类，输出4个严重度各自的产品数量。将各个严重度的产品数量按A、B、C、S的顺序排列并绘制直方图或散点图，如图1所示，再根据预设的正态分布函数进行拟合，拟合后，产品外观质量的严重度服从正态分布。
S3，将统计模型应用到质量管理。在本实施例中，利用拟合后的统计学函数可以发现和纠正质量数据的正确性。具体地，如果某个时间段出现不符合正态分布的函数的严重度数据，说明整个生产系统失控，需要针对性地寻找产生变化的原因，完善质量管理。对不同的时间段，将不同时间段的拟合的统计学函数进行对比，如果发现变化幅度较大，也需要找出产生变化的原因，并提出针对此原因的改进措施。
质量数据也可以用于进一步的预测性维护和生产优化：通过将收集的质量控制数据与其他生产数据（如设备状态、生产速度、材料源等）融合，机器学习模型可以进一步优化，使其能预测和识别更丰富的产品质量问题，或者通过工厂信息系统（如工业物联网系统、制造执行系统），机器视觉系统的输出可以与其他系统（如供应链管理系统、仓储分发系统等）联接，进一步提高生产和运营的效率。
S4，提高机器视觉系统的精确度和效率。机器视觉系统会连续采集和存储严重度等质量数据，并定期对机器识别系统进行训练和微调，以提高识别质量的精确度。收集的产品质量数据以及模型预测结果，不仅可用于当前生产线的问题检测，也可以分析和预测其他相似生产线或产品的状况。这为管理者提供更全面和深入的见解，有助于制定改进生产效率和产品质量的策略。随着深度学习技术的发展，机器视觉系统的识别和预测能力将得到进一步提升。同样，统计模型可以选择更复杂的模型，如混合模型等，以提升分析结果的准确性和稳定性。
实施例
本发明提供了一种基于视觉识别的产品质量数据建模方法。在实际生产中，生产的产品中有很小的概率出现缺陷，本实施例参与某产品中缺陷产品出现概率的质量管理，具体步骤如下。
S1，产品质量分类标准为有缺陷和无缺陷。针对缺陷产品的出现概率，预设单位时间dt内出现缺陷产品的数量服从泊松分布函数，其质量分类点的布置方式即为单位时间dt内生产的产品中缺陷产品的平均数量，其公式为：
S2，在生产线上安装工业相机等图像采集设备捕捉产品图像，利用机器视觉系统对产品图像处理后进行识别，最终输出检测结果。机器视觉系统识别出缺陷产品的数量，并记录时间，按质量分类点的布置方式的要求处理后，得到单位时间内生产的产品中缺陷产品的平均数量=5，再根据预设的泊松分布函数进行拟合，拟合后，单位时间内生产的产品中缺陷产品的平均数量服从泊松分布。
S3，将统计模型应用到质量管理。在本实施例中，不仅可以如实施例1所示的方式发现和纠正质量数据的正确性、将不同时间段的拟合的统计学函数进行对比，还能够预测下一个时间段内出现k个缺陷产品的概率，以及参与成本管理，得到成本的期望值。具体地，若想知道下一个时间段内生产出10个缺陷产品的概率，可按照泊松分布函数直接计算，P(x=10)≈0.0181。根据拟合后泊松分布的概率，将检测到缺陷产品的成本与相应的概率相乘，以得到检测成本的期望值。
在其他实施例中，还能针对返工产品、退货产品的出现概率按照上述方式建立统计模型，计算返工成本和退货成本。
S4，提高机器视觉系统的精确度和效率。
以上为本发明的一种或多种实施方式，其描述较为具体和详细，但不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明的构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于视觉识别的产品质量数据建模方法，其特征在于，包括以下步骤：
S1，针对某一数据，预设统计学函数的类型和产品质量分类标准，根据所述统计学函数特点布置质量分类点；
S2，机器视觉系统根据所述产品质量分类标准识别并输出产品质量数据，按照所述质量分类点的布置方式将所述产品质量数据处理后，再根据预设的所述统计学函数进行拟合，统计模型建立完毕；
S3，将统计模型应用到质量管理。
2.根据权利要求1所述的一种基于视觉识别的产品质量数据建模方法，其特征在于，还包括步骤S4，提高机器视觉系统的精确度和效率。
3.根据权利要求1所述的一种基于视觉识别的产品质量数据建模方法，其特征在于，在步骤S1中，所述数据包括产品外观质量的严重度；预设的所述统计学函数为正态分布函数；所述产品质量分类标准为：将产品的严重度从高到低依次分为S、A、B、C四个类别。
4.根据权利要求3所述的一种基于视觉识别的产品质量数据建模方法，其特征在于，在步骤S1中，所述质量分类点的布置方式为：将严重度按A、B、C、S的顺序进行排列。
5.根据权利要求3所述的一种基于视觉识别的产品质量数据建模方法，其特征在于，在步骤S1中，所述质量分类点的布置方式为：将严重度按S、B、C、A的顺序进行排列。
6.根据权利要求4或5所述的一种基于视觉识别的产品质量数据建模方法，其特征在于，所述步骤S2具体为：机器视觉系统识别并输出S、A、B、C四个类别严重度的产品数量，并将产品数量按质量分类点的布置方式处理后，再拟合为函数，所述函数为正态分布函数。
7.根据权利要求6所述的一种基于视觉识别的产品质量数据建模方法，其特征在于，所述步骤S3具体为：如果出现不符合统计模型的产品质量数据，或将不同时间段拟合的函数进行对比后发现变化幅度较大，找出变化原因。
8.根据权利要求1所述的一种基于视觉识别的产品质量数据建模方法，其特征在于，在步骤S1中，所述数据还包括缺陷产品的出现概率；预设的所述统计学函数为泊松分布函数；所述产品质量分类标准为有缺陷和无缺陷；所述质量分类点的布置方式为：单位时间内生产的产品中缺陷产品的平均数量。
9.根据权利要求8所述的一种基于视觉识别的产品质量数据建模方法，其特征在于，所述步骤S2具体为：机器视觉系统识别并输出一定时间段内缺陷产品的数量，并将产品数量按质量分类点的布置方式处理后，再拟合为函数，所述函数为泊松分布函数。
10.根据权利要求9所述的一种基于视觉识别的产品质量数据建模方法，其特征在于，所述步骤S3具体为：根据拟合的函数预测产品质量数据，并参与成本管理，计算成本的期望值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311519260.5A CN117495192A (zh) | 2023-11-15 | 2023-11-15 | 一种基于视觉识别的产品质量数据建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311519260.5A CN117495192A (zh) | 2023-11-15 | 2023-11-15 | 一种基于视觉识别的产品质量数据建模方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117495192A true CN117495192A (zh) | 2024-02-02 |
Family
ID=89676123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311519260.5A Withdrawn CN117495192A (zh) | 2023-11-15 | 2023-11-15 | 一种基于视觉识别的产品质量数据建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117495192A (zh) |
-
2023
- 2023-11-15 CN CN202311519260.5A patent/CN117495192A/zh not_active Withdrawn
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102222982B1 (ko) | 툴 헬스 모니터링 및 매칭 | |
| US11521120B2 (en) | Inspection apparatus and machine learning method | |
| CN113297885A (zh) | 基于卷积神经网络的皮带机表面状态检测方法及装置 | |
| CN117152119A (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
| WO2020166236A1 (ja) | 作業効率評価方法、作業効率評価装置、及びプログラム | |
| CN117309891B (zh) | 一种基于智能反馈机制的玻璃钢化膜检测方法及系统 | |
| CN114926051A (zh) | 一种用于评估半导体设备制造产能的分析系统 | |
| JP2005142467A (ja) | 半導体デバイスの製造方法および半導体製造システム | |
| CN117592736A (zh) | 一种运维部门用工单紧急智能排序优先级管理系统 | |
| CN117495192A (zh) | 一种基于视觉识别的产品质量数据建模方法 | |
| CN115169832A (zh) | 一种基于曲线形态变化的敏感性分析方法及系统 | |
| CN115115213A (zh) | 一种钢铁产品质量特性的追溯分析方法及装置 | |
| CN101118423A (zh) | 虚拟测量预估模型的适用性选择方法与系统 | |
| JP6872829B1 (ja) | 異物発生原因推定システム及び異物発生原因推定方法 | |
| CN116561598B (zh) | 一种cps智能制造管理平台大数据处理方法 | |
| CN118037137B (zh) | 一种基于卷积神经网络的产品质量事故数量的确定方法 | |
| CN117850375B (zh) | 一种生产线的多维度监测系统 | |
| WO2022158216A1 (ja) | 作業管理装置、作業管理方法、および作業管理プログラム | |
| US20220392187A1 (en) | Image recognition system | |
| CN117870034B (zh) | 洁净室环境参数的控制方法、装置及系统 | |
| CN117250201B (zh) | 一种泳池砖层缺陷检测方法及系统 | |
| CN118011990B (zh) | 基于人工智能的工业数据品质监控与提升系统 | |
| CN112070415B (zh) | 基于软件定量管理过程构建的场景化基线与模型实现方法 | |
| CN113158552B (zh) | 基于时间序列的生物反应器运行状况分级预测方法及系统 | |
| US11592807B2 (en) | Manufacturing defect factor searching method and manufacturing defect factor searching apparatus |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20240202 |
|
| WW01 | Invention patent application withdrawn after publication |