CN117533736A - 一种自动供料控制系统、方法和介质 - Google Patents

Abstract

本说明书实施例提供一种自动供料控制系统、方法和介质，该系统包括储料监测部件、输送监测部件、工位监测模块、控制模块、瑕疵评估模块、处理器和通信组件；储料监测部件被设置于储料装置上，并被配置为监测储料装置的供料数据；输送监测部件包括红外相机，红外相机被配置为监测储料装置的原料温度数据；工位监测模块被配置为检测生产工位的工作状态；瑕疵评估模块被配置为获取储料装置的原料图像数据，以及基于原料图像数据，获取原料信息；处理器通过通信组件与储料监测部件、输送监测部件、工位监测模块、瑕疵评估模块和控制模块通信连接，并被配置为：基于控制模块，控制储料装置的原料输送速度。

Description

一种自动供料控制系统、方法和介质

技术领域

本说明书涉及自动化供料领域，特别涉及一种自动供料控制系统、方法和介质。

背景技术

目前的自动化供料系统，出于节约人力和提高供料效率的目的，主要通过包含抓取装置、输送带和识别装置的自动化供料设备，按照预设程序，完成不同物料的输送工作。而在劳动密集型生产和/或组装生产线中，由于不同员工的生产效率不同，按预设程序进行供料，可能导致自动化供料系统的适应性较差。而通过简单增加人力的方式，若原料输送速度跟不上，可能引起自动化供料系统的生产效率降低的问题，或者原料输送速度能够跟上，但是供应原料中存在较多的瑕疵原料，导致最终生产的不合格产品增多，而导致的原料浪费问题。

因此，希望提供一种自动供料控制系统、方法和介质，能够基于动态评估的生产工位的工作状态以及原料信息，动态调整储料装置的原料输送速度，以给生产线供给合适的原料，从而提高生产线的生产效率，并避免原料浪费。

发明内容

本说明书一个或多个实施例提供一种自动供料控制系统。所述自动供料控制系统包括：储料监测部件、输送监测部件、工位监测模块、控制模块、瑕疵评估模块、处理器和通信组件；所述储料监测部件被设置于储料装置上，并被配置为监测所述储料装置的供料数据，所述供料数据包括原料剩余量和原料输送速度中的至少一种；所述输送监测部件包括红外相机，所述红外相机被配置为监测所述储料装置的原料温度数据；所述工位监测模块被配置为检测生产工位的工作状态；所述瑕疵评估模块被配置为获取所述储料装置的原料图像数据，以及基于所述原料图像数据，获取原料信息，所述原料信息包括原料的外观数据、尺寸数据以及颜色信息中的至少一种；所述处理器通过所述通信组件与所述储料监测部件、所述输送监测部件、所述工位监测模块、所述瑕疵评估模块和所述控制模块通信连接，并被配置为：基于所述控制模块，控制所述储料装置的所述原料输送速度。

本说明书一个或多个实施例提供一种自动供料控制方法，所述方法由前述自动供料控制系统的处理器执行，所述方法包括：

基于所述控制模块，控制所述储料装置的所述原料输送速度。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行自动供料控制方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的自动供料控制系统的模块图；

图2是根据本说明书一些实施例所示的自动供料控制方法的示例性流程图；

图3是根据本说明书一些实施例所示的控制储料装置的原料输送速度的示例性流程图；

图4是根据本说明书一些实施例所示的控制储料装置在未来时间点的原料输送速度的示例性流程图；

图5是根据本说明书一些实施例所示的确定未来时间点的未来输送速度的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的自动供料控制系统100的模块图。本申请的自动供料控制系统100只包括自动供料部分，并不包括产品(如，塑料玩具等)的整个生产加工过程。

在一些实施例中，如图1所示，自动供料控制系统100可以包括储料监测部件130、输送监测部件140、工位监测模块150、控制模块160、瑕疵评估模块170、处理器110和通信组件120。在一些实施例中，处理器110通过通信组件120与储料监测部件130、输送监测部件140、工位监测模块150、瑕疵评估模块170和控制模块160通信连接。

在一些实施例中，储料监测部件130被设置于储料装置上，并被配置为监测储料装置的供料数据。

储料装置是指用于存储原料的装置。在一些实施例中，原料可以包括原材料和/或半成品。储料装置可以将存储的原料输出到传送带上，然后由传送带将原料运输到指定位置(如，工人拼装玩具的加工点等)，并进行后续的加工生产(例如，将原料进行拼装)。

在一些实施例中，供料数据包括原料剩余量和原料输送速度中的至少一种。

原料剩余量是指储料装置中原料的剩余量。

原料输送速度是指储料装置输出原料到传送带上的速度。

输送监测部件140是指对传送带上运输的原料进行监控的部件。

在一些实施例中，输送监测部件140包括红外相机。红外相机可以被配置为监测储料装置的原料温度数据。

在一些实施中，工位监测模块150被配置为检测生产工位的工作状态。

生产工位是指工人工作的位置。工作状态是指工位上工人的工作状态。工作状态可以包括正在工作状态和休息状态。例如，工人在工位上，则认为生产工位的工作状态为正在工作状态；反之，则认为生产工位的工作状态为休息状态。

在一些实施例中，控制模块160可以用于控制储料装置的原料输送速度。

在一些实施例中，瑕疵评估模块170被配置为获取储料装置的原料图像数据，以及基于原料图像数据，获取原料信息。

原料图像数据是指与原料的图像有关的数据，如，原料图像。在一些实施例中，瑕疵评估模块可以通过光学相机获取原料图像数据。

在一些实施例中，处理器110被配置为基于控制模块160，控制储料装置的原料输送速度。

在一些实施例中，处理器110进一步被配置为确定储料装置的初始输送速度；响应于当前生产效率满足调整条件，基于生产工位的工作状态数据以及当前生产效率，对初始输送速度进行调整，确定第一当前输送速度；以及基于第一当前输送速度，通过控制模块，控制储料装置的原料输送速度。

在一些实施例中，处理器110还被配置为获取个人效率序列，个人效率序列包括生产工位在连续多个时间点上的个人工作效率；基于个人效率序列，预测未来时间点的未来工作效率；基于未来工作效率，对初始输送速度进行调整，确定未来输送速度；以及基于未来输送速度，通过控制模块，控制储料装置在未来时间点的原料输送速度。

在一些实施例中，处理器110还被配置为基于瑕疵评估模块获取原料信息；基于原料信息和原料温度数据，判断储料装置中的原料是否符合剔除条件；以及响应于原料符合剔除条件，基于瑕疵剔除模块控制机械臂剔除原料。

通信组件120可以用于实现自动供料控制系统100中各个组件(如，储料监测部件130、输送监测部件140、工位监测模块150、控制模块160、瑕疵评估模块170、处理器110等)之间的通信连接以及数据传输。

在一些实施例中，自动供料控制系统100还包括瑕疵剔除模块180。

在一些实施例中，瑕疵剔除模块180被配置为控制机械臂剔除储料装置中的瑕疵原料。瑕疵剔除模块180通过通信组件120与处理器110通信连接。机械臂是指能够模拟人类手臂运动的机器人。瑕疵原料是指不满足生产要求的原料。生产要求可以为本领域技术人员根据经验预设。

关于料监测部件130、输送监测部件140、工位监测模块150、控制模块160、瑕疵评估模块170、瑕疵剔除模块180、处理器110和通信组件120中涉及到的更多说明，请参见下文图2-图5中的相关说明。

需要注意的是，以上对于自动供料控制系统系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的工位监测模块150、控制模块160、瑕疵评估模块170和瑕疵剔除模块180可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

图2是根据本说明书一些实施例所示的自动供料控制方法的示例性流程图。在一些实施例中，流程200可以由自动供料控制系统100的处理器110执行。如图2所示，流程200包括下述步骤210-步骤280。

步骤210，基于控制模块，控制储料装置的原料输送速度。

关于控制模块、储料装置以及原料输送速度的说明，请参见图1中的相关说明。

在一些实施例中，处理器可以将预设原料输送速度发送控制模块，控制模块控制储料装置的原料输送速度为预设原料输送速度。预设原料输送速度可以为本领域技术人员根据经验预设。

在一些实施例中，处理器基于控制模块，控制储料装置的原料输送速度的具体实现方法，还可以采用图3所示方法实现，具体参见图3中的说明。

在一些实施例中，当自动供料控制系统100包括瑕疵剔除模块时，自动供料控制方法还可以包括如下步骤220-步骤240，以实现基于瑕疵剔除模块控制机械臂剔除原料。

步骤220，基于瑕疵评估模块获取原料信息。

在一些实施例中，瑕疵评估模块可以为算法模块。瑕疵评估模块包括获取外观数据、尺寸数据以及颜色数据的算法模块。获取外观数据和尺寸数据的算法模块所用算法可以为边界特征算法、傅里叶形状描述算法等中的至少一种。获取颜色数据的算法模块所用算法可以为基于颜色直方图确定颜色的算法等。

在一些实施例中，原料信息包括原料的外观数据、尺寸数据以及颜色信息中的至少一种。

原料的外观数据是指与原料的外观有关的数据。原料的外观数据可以包括原料的外观是否有缺角、缺料、划痕、变形、黑点、凸起等中的至少一种。缺角是指原料的某一边或者某一角出现残缺。缺料是指原料的某一位置材料填充不满。变形是指原料的形状发生改变。

原料的尺寸数据是指与原料的尺寸有关的数据，如，原料的尺寸大小。

原料的颜色信息是指与原料的颜色有关的数，如，原料的颜色、原料的颜色是否均匀等。

关于瑕疵评估模块的更多说明，请参见图1中的相关说明。

在一些实施例中，瑕疵评估模块可以基于原料图像数据，通过瑕疵评估模块内的各个算法模块进行分别处理，获取原料信息；然后，处理器通过瑕疵评估模块获取原料信息。

步骤230，基于原料信息和原料温度数据，判断储料装置中的原料是否符合剔除条件。

原料温度数据是指与原料的温度有关的数据，如，原料的温度值。

在一些实施例中，处理器可以通过红外相机获取原料温度数据。

剔除条件是指剔除原料所要具备的条件。在一些实施例中，剔除条件可以包括原料的外观数据满足预设外观条件、原料的尺寸数据满足预设尺寸条件、原料的颜色数据满足预设颜色条件以及原料温度数据满足预设温度条件等中的至少一种。预设外观条件、预设尺寸条件、预设颜色条件和预设温度条件可以为本领域技术人员根据经验预设。

在一些实施例中，由于不同原料对于外观数据、尺寸数据、颜色数据以及原料温度数据的要求不同，则不同原料对于原料信息(如，外观数据、尺寸数据、颜色数据)和原料温度数据的剔除条件可以不同。例如，对于某一塑料玩具可能需要多种原料(如，多种半成品)，不同原料(如，玩具的不同部位)对于外观、尺寸、颜色(如，颜色是否均匀、颜色是否必须同色等)等的要求不同，则不同原料对于原料信息和原料温度数据的剔除条件可以不同。

在一些实施例中，处理器可以基于原料的外观数据、尺寸数据以及颜色数据，通过瑕疵确定模型，确定原料是否为瑕疵原料；以及响应于原料为瑕疵原料或者原料温度数据满足预设温度条件，确定储料装置中的原料符合剔除条件。关于瑕疵原料的说明，请参见图1中的相关说明。

在一些实施例中，瑕疵确定模型可以为机器学习模型。在一些实施例中，瑕疵确定模型的类型可以包括卷积神经网络模型(Convolutional Neural Network，CNN)和神经网络模型(Neural Network，NN)等。

在一些实施例中，瑕疵确定模型可以基于多个带有第一标签的第一训练样本，训练获得。

在一些实施例中，第一训练样本中的每组第一训练样本可以包括历史样本原料的外观数据、尺寸数据以及颜色数据。第一标签可以是历史样本原料是否是瑕疵原料。第一标签可以用1或0进行表示，1代表历史样本原料是瑕疵原料，0代表历史样本原料不是瑕疵原料。

在一些实施例中，第一训练样本和第一标签可以通过历史数据获取。

步骤240，响应于原料符合剔除条件，基于瑕疵剔除模块控制机械臂剔除原料。

关于瑕疵剔除模块和机械臂的说明，请参见图1中的相关说明。

在一些实施例中，处理器可以响应于原料符合剔除条件，通过通信模块向瑕疵剔除模块发送剔除指令，瑕疵剔除模块基于剔除指令，控制机械臂剔除瑕疵原料。剔除指令是指用于控制瑕疵剔除模块控制机械臂剔除原料的指令。

在一些实施例中，当原料中存在较多瑕疵原料，被机械臂剔除出去后，则相当于原料输送速度变慢了，为了确定此时原料调控量，以调整当前状态下的原料输送速度，自动供料控制方法还可以包括如下步骤250-步骤280。

步骤250，基于瑕疵原料，确定储料装置中原料的瑕疵分布数据。

瑕疵分布数据是指瑕疵原料在储料装置中所有原料中的分布情况数据。在一些实施例中，瑕疵分布数据可以用一维向量进行表示。

在一些实施例中，处理器可以基于瑕疵原料在储料装置中所有原料中的分布情况，确定储料装置中原料的瑕疵分布数据。例如，如果储料装置中一共有8个原料，每个原料对应一个需要判断是否存在瑕疵的位置，每个原料的位置对应0或1，0代表原料的位置没有瑕疵，1代表原料的位置有瑕疵，每个原料对应一维向量的一个元素，若该批依次监测的8个原料里面的第一个原料和第五个原料为存在瑕疵位置的原料，则瑕疵分布数据可以表示为[1，0，0，0，1，0，0，0]。

步骤260，基于瑕疵分布数据，确定原料瑕疵率。

原料瑕疵率是指原料中出现瑕疵原料的概率。

在一些实施例中，处理器可以基于瑕疵分布数据，确定瑕疵原料数量以及全部原料数量，以及将瑕疵原料数量与全部原料数量的比值，确定为原料瑕疵率。例如，处理器基于瑕疵分布数据，确定瑕疵原料数量为10个，全部原料数量为100个，则原料瑕疵率为10/100＝10％。

步骤270，基于原料瑕疵率，确定原料调控量。

原料调控量是指对原料输送速度的调控量。

在一些实施例中，处理器可以采用如下第一算法确定原料调控量：

原料调控量＝1+原料瑕疵率。

步骤280，基于原料调控量以及原料的第三当前输送速度，确定调整后的原料输送速度。

第三当前输送速度是指储料装置中的原料在当前时刻实际的输送速度。在一些实施例中，第三当前输送速度可以为初始输送速度、第一当前输送速度、第二当前输送速度等中的任意一种。关于初始输送速度、第一当前输送速度、第二当前输送速度的说明请参见图3中的相关说明。

在一些实施例中，处理器可以通过速度传感器获取原料的第三当前输送速度。

在一些实施例中，处理器还可以采用图3步骤330或者步骤350所示方法确定第三当前输送速度。

在一些实施例中，处理器可以将原料调控量与原料的第三当前输送速度的乘积，作为调整后的原料输送速度。

在一些实施例中，处理器还可以基于瑕疵分布数据以及第三当前输送速度，预测未来时间点的原料瑕疵率；

基于未来时间点的原料瑕疵率，确定未来时间点的原料调控量；以及

基于未来时间点的原料调控量以及原料的第三当前输送速度，确定调整后的未来时间点的原料输送速度。

在一些实施例中，处理器预测未来时间点的原料瑕疵率的方法，具体参见如下步骤610-步骤640：

步骤610，基于历史时间点的历史瑕疵分布数据序列、历史输送速度和历史生产项目以及该历史时间点，构建特征向量。

历史生产项目是指历史上加工生产产品所属于的项目，如，玩具组装项目。

在一些实施例中，处理器可以通过历史数据获取历史时间点的历史瑕疵分布数据序列、历史输送速度和历史生产项目以及该历史时间点。

步骤620，基于特征向量进行聚类，获取至少一簇，并计算获得每一簇的未来平均原料瑕疵率。

聚类算法可以包括K-Means(K均值)聚类、基于密度的聚类方法(DBSCAN)等。

未来平均原料瑕疵率是指每一簇中各个特征向量所对应的历史原料瑕疵率的平均值。历史原料瑕疵率的计算方法与前述原料瑕疵率计算方法类似，具体参见前文描述。

在一些实施例中，处理器可以将每一簇中的每个特征向量所对应的历史原料瑕疵率加起来求平均值，作为每一簇的未来平均原料瑕疵率。

步骤630，基于当前时刻的瑕疵分布数据序列、第三当前输送速度和当前生产项目以及该当前时间点，构建目标特征向量。

当前生产项目是指当前加工生产的产品所属于的项目，如，玩具组装项目。

步骤640，将至少一簇中与目标特征向量的距离最近的一簇的未来平均原料瑕疵率，确定为未来时间点的原料瑕疵率。

在一些实施例中，处理器可以采用如下第二算法确定未来时间点的原料调控量：

未来时间点的原料调控量＝1+未来时间点的原料瑕疵率。

在一些实施例中，处理器可以将未来时间点的原料调控量与原料的第三当前输送速度的乘积，作为调整后的未来时间点的原料输送速度。

在本说明书的一些实施例中，通过提前预测未来时间点的原料输送速度，再对储料装置的原料输送速度进行调整，以提高确定的原料输送速度的及时性，保证储料装置的供料效率，并减小原料浪费。

在本说明书的一些实施例中，通过基于动态评估的生产工位的工作状态以及原料信息，动态调整储料装置的原料输送速度，以给生产线供给合适的原料，从而提高生产线的生产效率，并避免原料浪费。

另外，通过基于原料信息和原料温度数据，对符合剔除条件的原料，基于瑕疵剔除模块控制机械臂剔除原料，然后再根据储料装置中原料的瑕疵分布数据，重新调整原料输送速度，以避免原料中被剔除出去的瑕疵原料较多，而未对原料输送速度进行及时加速，导致给生产线供给的原料偏少，造成生产线的生产效率降低的情况发生。

图3是根据本说明书一些实施例所示的控制储料装置的原料输送速度的示例性流程图。在一些实施例中，流程300可以由自动供料控制系统100的处理器110执行。

在一些实施例中，由于储料装置的原料输送速度和当前生产效率(或者是对原料的加工速度)是相互配合的，如果原料输送速度快，而当前生产效率低，那么多输送出来的原料就不会得到及时处理；反之，如果原料输送速度慢，则会影响生产线整体的加工速度。

例如，原料输送速度为800个/min，但是实际统计确定的原料的加工速度，当前为600个/min，则说明此时原料输送速度太快了，需要降低原料输送速度；若实际统计确定的原料的加工速度，当前也是800个/min，则说明此时可以进一步的加快原料输送速度，以提高生产线整体的加工速度。因此，可以采用如图3所示的方式动态控制储料装置的原料输送速度。

步骤310，确定储料装置的初始输送速度。

初始输送速度是指在初始状态下，储料装置中原料的输送速度。

在一些实施例中，处理器可以确定储料装置的初始输送速度为预设值。

在一些实施例中，处理器还可以基于当前生产项目及其对应的生产工位的工作状态数据，通过第一预设对照表，确定初始输送速度。第一预设对照表中包括参考生产项目及其对应的生产工位的工作状态数据与参考输送速度的对应关系。在一些实施例中，第一预设对照表可以根据先验知识或历史数据构建。

工作状态数据是指当前生产工位中，工人的工作状态属于正在工作状态的生产工位的数量。关于生产工位的说明，请参见图1中的相关说明。

在一些实施例中，当产品的生产加工过程中，已经出现不合符生产条件(如，当前生产效率降低、成品合格率低于预设合格率阈值等)的情况时，处理器可以基于当前生产效率，调整储料装置的初始输送速度，具体参见如下步骤320-步骤340；和/或基于成品合格率，调整储料装置的初始输送速度，具体参见如下步骤350-步骤360。

步骤320，响应于当前生产效率满足调整条件，基于生产工位的工作状态数据以及当前生产效率，对初始输送速度进行调整，确定第一当前输送速度。

当前生产效率是指整个生产线的生产效率。

在一些实施例中，处理器可以根据成品统计部件统计确定当前生产效率。成品统计部件可以用于统计整个生产线或者个人在单位时间内所生产的成品数量。例如，若成品统计部件统计的整个生产线在单位时间内所生产的成品数量为一分钟组装8个玩具，则当前生产效率为8个/min。

调整条件是指当需要调整初始输送速度时，生产效率需要满足的条件。

在一些实施例中，调整条件可以包括当前生产效率低于第一阈值、当前生产效率高于第二阈值以及生产工位的工作状态数据小于工位阈值中的任意一种，其中，第二阈值大于第一阈值。工位阈值是指当前生产工位中，工人的工作状态属于正在工作状态的生产工位数量的阈值。

可以理解的，第三当前输送速度和当前生产效率是相互配合的，如果第三当前输送速度快，当前生产效率低，那么多输送出来的原料就不会得到及时处理，即，第一阈值、第二阈值以及工位阈值相关于原料输送速度。第三当前输送速度可以包括初始输送速度。关于第三当前输送速度的更多说明，请参见图2步骤280中的相关说明。

在一些实施例中，第三当前输送速度越高，第一阈值、第二阈值以及工位阈值越高。具体地，处理器可以基于第三当前输送速度，通过第二预设对照表，确定第一阈值、第二阈值以及工位阈值。第二预设对照表中包括参考输送速度与参考第一阈值、参考第二阈值以及参考工位阈值的对应关系。在一些实施例中，第二预设对照表可以根据先验知识或历史数据构建。

第一当前输送速度是指为满足当前生产效率，储料装置中的原料在当前时刻应该具备的输送速度。

在一些实施例中，处理器可以响应于当前生产效率低于第一阈值，即当前生产效率低，适当降低初始输送速度，然后将降低后的初始输送速度确定为第一当前输送速度。

在一些实施例中，处理器还可以响应于当前生产效率高于第二阈值，即当前生产效率提高，适当提高初始输送速度，然后将提高后的初始输送速度确定为第一当前输送速度。

在一些实施例中，处理器还可以响应于生产工位的工作状态数据小于工位阈值，即当前有较多的工人离开生产工位，降低初始输送速度，然后将降低后的初始输送速度确定为第一当前输送速度。

在一些实施例中，处理器计算第一当前输送速度的方法，可以采用如下预设算法计算获得：

第一当前输送速度＝第三当前输送速度*(生产工位的工作状态数据/上一次调整时的生产工位的工作状态数据)*(当前生产效率/上一次调整时的生产效率)。

步骤330，基于第一当前输送速度，通过控制模块，控制储料装置的原料输送速度。

在一些实施例中，处理器可以基于第一当前输送速度，通过控制模块，控制储料装置的原料输送速度为第一当前输送速度。

在一些实施例中，处理器还可以迭代步骤320-步骤340，控制储料装置的原料输送速度。

步骤350，响应于成品合格率符合合格率条件，基于预设调整梯度，对初始输送速度进行调整，确定第二当前输送速度。

成品合格率是指生产的合格成品占总成品的百分比。在一些实施例中，处理器可以通过检测仪获取成品合格率。检测仪可以用于检测成品的合格率。

合格率条件是指成品合格率需要满足的条件。例如，合格率条件可以为成品合格率低于成品合格率阈值。成品合格率阈值可以为本领域技术人员根据经验预设。

预设调整梯度是指预先设置的单次调整速度的幅度。

在一些实施例中，预设调整梯度可以为本领域技术人员根据经验预设。

在一些实施例中，预设调整梯度可以相关于成品合格率和第三当前输送速度，如，成品合格率越低，第三当前输送速度越快，则预设调整梯度越大。

在一些实施例中，处理器可以基于当前成品合格率以及第三当前输送速度，通过第三预设对照表，确定预设调整梯度。具体地，处理器可以基于当前成品合格率以及第三当前输送速度，通过第三预设对照表，确定预设调整梯度。第三预设对照表中包括参考成品合格率以及参考输送速度与参考调整梯度的对应关系。在一些实施例中，第三预设对照表可以根据先验知识或历史数据构建。

第二当前输送速度是指为了满足成品合格率要求，储料装置中的原料在当前时刻应该具备的输送速度。在一些实施例中，第一当前输送速度和第二当前输送速度可以相同，也可以不同。

在一些实施例中，处理器可以基于预设调整梯度，采用阶梯式的方式，逐渐降低第三当前输送速度，直到成品合格率大于成品合格率阈值，则停止调整第三当前输送速度。例如，初始输送速度为100个/min，预设调整梯度为5个/min；则处理器可以采用阶梯式的方式，如按照100个/min->95个/min->90个/min的方式，逐渐降低第三当前输送速度，直到成品合格率大于成品合格率阈值，则停止调整第三当前输送速度。

在本说明书的一些实施例中，由于成品合格率降低不一定是因为输送速度的原因，也可能是因为原料问题，因此，与一次性降低第三当前输送速度相比，通过阶梯式逐次降低第三当前输送速度，当成品合格率仍然没有太大的变化时，可以及时停止对第三输送速度的降低，转而排查其他问题。

步骤360，基于第二当前输送速度，通过控制模块，控制储料装置的原料输送速度。

在一些实施例中，处理器可以基于第二当前输送速度，通过控制模块，控制储料装置的原料输送速度为第二当前传输速度。

在一些实施例中，当处理器对储料装置的初始输送速度的速度调整方案有多种(如，第一当前传输速度和第二当前传输速度)时，可以选择优先保证成品合格率的速度调整方案。

例如，若处理器基于当前生产效率，确定的速度调整方案为将储料装置的初始输送速度加速到第一当前输送速度；而处理器基于成品合格率，确定的速度调整方案为将储料装置的初始输送速度减速到第二当前输送速度；则确定的速度调整方案为将储料装置的初始输送速度减速到第二当前输送速度。

在一些实施例中，处理器还可以在产品的整个生产加工过程还未出现不合符生产条件的情况下，采用图4中步骤410-步骤440所示方法提前控制储料装置在未来时间点的原料输送速度，具体参见图4中的说明。

应当注意的是，上述有关流程200-300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200-300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图4是根据本说明书一些实施例所示的控制储料装置在未来时间点的原料输送速度的示例性流程图。在一些实施例中，流程400可以由自动供料控制系统100的处理器110执行。如图4所示，流程400包括下述步骤410-步骤440。

步骤410，获取个人效率序列。

个人效率序列是指由至少一个生产工位的工人在连续多个时间点上的工作效率所组成的序列。工作效率是指某一工人在单位时间内所生产的成品数量。在一些实施例中，处理器可以通过成品统计部件统计确定工人的工作效率。关于成品统计部件的说明，请参见图3步骤320中的相关说明。

在一些实施例中，个人效率序列可以包括至少一个生产工位的工人在连续多个时间点上的工作效率。同一个工人在不同时间点的工作效率可以不同。例如，由于中午和下午，工人的劳累情况不同，同一个工人在中午的工作效率可能高于下午的工作效率。

在一些实施例中，处理器可以通过成品统计部件，获取个人效率序列。

步骤420，基于个人效率序列，预测未来时间点的未来工作效率。

未来工作效率可以包括工人在未来某一段时间内的多个时间点的工作效率。

在一些实施例中，处理器可以基于个人效率序列、当前生产项目以及当前时间点，通过效率预测模型，确定未来工作效率。

关于当前生产项目的说明，请参见图2步骤280中的相关说明。

在一些实施例中，效率预测模型可以为机器学习模型。在一些实施例中，效率预测模型的类型可以包括循环神经网络模型(Recurrent Neural Network，RNN)。

在一些实施例中，效率预测模型可以基于多个带有第二标签的第二训练样本，训练获得。

在一些实施例中，第二训练样本中的每组第二训练样本可以包括历史样本第一时间点及样本工人对应的历史样本个人效率序列和历史样本生产项目。第二标签可以是样本工人在历史样本第二时间点的工作效率，其中，第二时间点晚于第一时间点。样本工人可以为历史样本生产项目的生产工位上随机抽取的合格工人。

在一些实施例中，第二训练样本和第二标签可以通过历史数据获取。

步骤430，基于未来工作效率，对初始输送速度进行调整，确定未来输送速度。

未来输送速度是指在未来时间点，储料装置的原料输送速度。

在一些实施例中，处理器可以基于未来工作效率，判断未来工作效率是否符合调整条件，若符合调整条件，则使用预设算法，对初始输送速度进行提前调整，确定未来输送速度。关于调整条件、预设算法的说明，请参见图3步骤320中的相关说明。

在一些实施例中，处理器基于未来工作效率，对初始输送速度进行调整，确定未来输送速度的具体实现方法，还可以采用图5中所示方法实现，具体参见图5中的说明。

步骤440，基于未来输送速度，通过控制模块，控制储料装置在未来时间点的原料输送速度。

在一些实施例中，处理器可以基于未来输送速度，通过控制模块，控制储料装置在未来时间点的原料输送速度为未来输送速度。

在本说明书的一些实施例中，通过获取的个人效率序列，预先预测工人的未来工作效率，对初始输送速度进行调整，确定未来输送速度，然后通过控制模块，控制储料装置在未来时间点的原料输送速度为未来输送速度，以提高确定的原料输送速度的及时性，提高生产线的生产效率，并避免原料浪费。

图5是根据本说明书一些实施例所示的确定未来输送速度的示例性流程图。在一些实施例中，流程500可以由自动供料控制系统100的处理器110执行。如图5所示，流程500包括下述步骤510-步骤530。

步骤510，基于未来工作效率，确定效率预测模型预测的未来工作效率的置信度。

置信度是指效率预测模型预测的未来工作效率的可靠程度。在一些实施例，置信度越高，则效率预测模型预测的未来工作效率越可靠。

在一些实施例中，处理器可以基于未来工作效率所对应的未来时间点离当前时间点的远近，确定未来工作效率的置信度，如，未来工作效率所对应的未来时间点离当前时间点越近，未来工作效率的置信度越高。

在一些实施例中，处理器还可以基于效率预测模型预测的多次未来工作效率的预测值和实测值的差异，确定该未来工作效率的置信度。例如，如果效率预测模型从9：00开始到10:40结束，每间隔10分钟，预测一次未来工作效率，连续多次预测，一共预测输出了10次未来工作效率，且每次预测输出的未来工作效率包括某一个间隔时间段内的10个未来时间点位的工作效率；对于未来某个时间点位，有多个预测结果；当时间点到达该时间点位时，基于实测值与多个预测值的差异确定各个预测值的置信度(如，差异越大，置信度越小)。

未来时间点位是指多个连续划分的时间段中，位于各个时间段的时间序列中，同一位置的时间点的排序点位，其中，各个时间段的时间序列为由各个时间段内的多个未来时间点所组成的序列。一次预测的未来工作效率包括一个时间段内，工人在多个未来时间点的工作效率。各个时间段内的多个未来时间点可以采用将各个时间段，按照每间隔预设时长(如，1分钟等)的划分方式划分获得，如，将第一时间段9:00到9:10按照每间隔1分钟的划分方式获得10个未来时间点9:01、9:02....9:10。

例如，如果将9：00到10:40时间，每10分钟划分一个时间段，一共划分10个时间段，每个时间段的时间序列包括每间隔1分钟，所确定的10个未来时间点所组成的序列(如，第一时间段[9:01、9:02....9:10]等)，则未来时间点位可以为在10个时间序列中位于同一位置的时间点(如，9:06、9:16……9:36)的排序点位，如，9:06、9:16……9:36均为第6个时间点位。

步骤520，基于置信度，确定未来时间点是否为可靠时间点。

可靠时间点是指效率预测模型预测的准确度较高的未来工作效率所对应的时间点。可靠时间点上预测的未来工作效率的准确度大于一般时间点。

在一些实施例中，当处理器基于未来工作效率所对应的未来时间点离当前时间点的远近，确定未来工作效率的置信度时，处理器可以直接将距离当前时间点预设时间段(如，半小时)内的时间点，确定为可靠时间点，以及直接将距离当前时间点预设时间段(如，半小时)外的时间点，确定为不可靠时间点。

在一些实施例中，当处理器基于效率预测模型预测的多次未来工作效率的预测值和实测值的差异，确定未来工作效率的置信度时，处理器可以响应于某未来时间点的预测值的置信度大于置信度阈值的次数大于次数阈值，则判断该未来时间点为可靠时间点。置信度阈值和次数阈值可以为本领域技术人员根据经验预设。

例如，效率预测模型从9:00到10:40，每间隔10分钟，预测一次未来工作效率，一共预测有10次，每次预测的未来工作效率包括间隔10分钟内的时间段中的10个未来时间点位的工作效率，其中，每个时间点位间隔1分钟；如果各个时间段内，第五个时间点位(9:05、9：15......)预测的工作效率，有9次预测的置信度都大于置信度阈值(有9次和实际情况差异很小)，且次数阈值为7，而9>7，那么每个时间段内的第五个时间点位就是可靠时间点位；若未来时间点位于相应时间段的第五个时间点位，则该未来时间点为可靠时间点。其中，10次预测的未来工作效率可以依次表示为：第一个时间段内的未来工作效率[9:01的工作效率、9:02的工作效率....9:10的工作效率]、第二个时间段内的未来工作效率[9:11的工作效率、9:12的工作效率....9:20的工作效率]......第十个时间段内的未来工作效率[10:31的工作效率、10:32的工作效率....10:40的工作效率]。

又例如，若各个时间段内，第六个时间点位(9:06、9：16......10:36)预测的工作效率，只有2次预测的置信度都大于置信度阈值，且次数阈值为7，而2＜7，则确定第六个时间点位不是可靠时间点位，若未来时间点位于相应时间段的第六个时间点位，则该未来时间点为不可靠时间点，即一般时间点。

步骤530，响应于未来时间点为可靠时间点，基于未来工作效率，对初始输送速度进行提前调整，确定该未来时间点的未来输送速度。

在一些实施例中，处理器可以响应于未来时间点为可靠时间点，基于未来工作效率，判断未来工作效率是否符合调整条件或者生产阈值，若符合调整条件或者生产阈值，则使用预设算法，对初始输送速度进行提前调整，确定该未来时间点的未来输送速度。关于预设算法、调整条件的说明，请参见图3步骤320中的相关说明。关于生产阈值的说明，请参见图4步骤430中的说明。

在本说明书的一些实施例中，由于在工业生产中，根据预测的未来时间点的未来工作效率对原料的初始输送速度进行有效调控的前提是，保证效率预测模型预测的未来工作效率具有足够高的准确度，否则调控就失去意义和作用；为了确保效率预测模型输出的一系列多个未来时间点上预测的未来工作效率的准确度，引入可靠时间点的概念，将效率预测模型预测的准确度较高的未来工作效率所在的未来时间点，确定为可靠时间点，并依据该可靠时间点上的未来工作效率，预先确定是否需要调整未来时间点的原料输送速度，保证了调控的准确性及及时性，以避免调整不及时或者是不准确引起反效果。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种自动供料控制系统，其特征在于，包括储料监测部件、输送监测部件、工位监测模块、控制模块、瑕疵评估模块、处理器和通信组件；

所述储料监测部件被设置于储料装置上，并被配置为监测所述储料装置的供料数据，所述供料数据包括原料剩余量和原料输送速度中的至少一种；

所述输送监测部件包括红外相机，所述红外相机被配置为监测所述储料装置的原料温度数据；

所述工位监测模块被配置为检测生产工位的工作状态；

所述瑕疵评估模块被配置为获取所述储料装置的原料图像数据，以及基于所述原料图像数据，获取原料信息，所述原料信息包括原料的外观数据、尺寸数据以及颜色信息中的至少一种；

所述处理器通过所述通信组件与所述储料监测部件、所述输送监测部件、所述工位监测模块、所述瑕疵评估模块和所述控制模块通信连接，并被配置为：

基于所述控制模块，控制所述储料装置的所述原料输送速度。

2.根据权利要求1所述的自动供料控制系统，其特征在于，所述处理器进一步被配置为：

确定所述储料装置的初始输送速度；

响应于当前生产效率满足调整条件，基于所述生产工位的工作状态数据以及所述当前生产效率，对所述初始输送速度进行调整，确定第一当前输送速度；以及

基于所述第一当前输送速度，通过所述控制模块，控制所述储料装置的所述原料输送速度。

3.根据权利要求2所述的自动供料控制系统，其特征在于，所述处理器还被配置为：

获取个人效率序列，所述个人效率序列包括所述生产工位在连续多个时间点上的个人工作效率；

基于所述个人效率序列，预测未来时间点的未来工作效率；

基于所述未来工作效率，对所述初始输送速度进行调整，确定未来输送速度；以及

基于所述未来输送速度，通过所述控制模块，控制所述储料装置在所述未来时间点的所述原料输送速度。

4.根据权利要求1所述的自动供料控制系统，其特征在于，所述系统还包括瑕疵剔除模块；

所述瑕疵剔除模块被配置为控制机械臂剔除所述储料装置中的瑕疵原料，所述瑕疵剔除模块通过所述通信组件与所述处理器通信连接；

所述处理器还被配置为：

基于所述瑕疵评估模块获取所述原料信息；

基于所述原料信息和所述原料温度数据，判断所述储料装置中的原料是否符合剔除条件；以及

响应于所述原料符合剔除条件，基于所述瑕疵剔除模块控制所述机械臂剔除所述原料。

5.根据权利要求4所述的自动供料控制系统，其特征在于，所述处理器还被配置为：

基于所述瑕疵原料，确定所述储料装置中原料的瑕疵分布数据；

基于所述瑕疵分布数据，确定原料瑕疵率；

基于所述原料瑕疵率，确定所述原料调控量；以及

基于所述原料调控量以及所述原料的第三当前输送速度，确定调整后的所述原料输送速度。

6.一种自动供料控制方法，其特征在于，所述方法由自动供料控制系统的处理器执行，所述自动供料控制系统包括储料监测部件、输送监测部件、工位监测模块、控制模块、瑕疵评估模块、处理器和通信组件；

所述储料监测部件被设置于储料装置上，并被配置为监测所述储料装置的供料数据，所述供料数据包括原料剩余量和原料输送速度中的至少一种；

所述输送监测部件包括红外相机，所述红外相机被配置为监测所述储料装置的原料温度数据；

所述工位监测模块被配置为检测生产工位的工作状态；

所述瑕疵评估模块被配置为获取所述储料装置的原料图像数据，以及基于所述原料图像数据，获取原料信息，所述原料信息包括原料的外观数据、尺寸数据以及颜色信息中的至少一种；

所述处理器通过所述通信组件与所述储料监测部件、所述输送监测部件、所述工位监测模块、所述瑕疵评估模块和所述控制模块通信连接；

所述方法包括：

基于所述控制模块，控制所述储料装置的所述原料输送速度。

7.根据权利要求6所述的方法，其特征在于，所述基于所述控制模块，控制所述储料装置的所述原料输送速度包括：

确定所述储料装置的初始输送速度；

响应于当前生产效率满足调整条件，基于所述生产工位的工作状态数据以及所述当前生产效率，对所述初始输送速度进行调整，确定第一当前输送速度；以及

基于所述第一当前输送速度，通过所述控制模块，控制所述储料装置的所述原料输送速度。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

获取个人效率序列，所述个人效率序列包括所述生产工位在连续多个时间点上的个人工作效率；

基于所述个人效率序列，预测未来时间点的未来工作效率；

基于所述未来工作效率，对所述初始输送速度进行调整，确定未来输送速度；以及

基于所述未来输送速度，通过所述控制模块，控制所述储料装置在所述未来时间点的所述原料输送速度。

9.根据权利要求6所述的方法，其特征在于，所述系统还包括瑕疵剔除模块；

所述瑕疵剔除模块被配置为控制机械臂剔除所述储料装置中的瑕疵原料，所述瑕疵剔除模块通过所述通信组件与所述处理器通信连接；

所述方法还包括：

基于所述瑕疵评估模块获取所述原料信息；

基于所述原料信息和所述原料温度数据，判断所述储料装置中的原料是否符合剔除条件；以及

响应于所述原料符合剔除条件，基于所述瑕疵剔除模块控制所述机械臂剔除所述原料。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求6～9任一项所述的自动供料控制方法。