CN117850216B - 一种亚克力镜片生产设备智能控制方法及系统 - Google Patents
一种亚克力镜片生产设备智能控制方法及系统 Download PDFInfo
- Publication number
- CN117850216B CN117850216B CN202410264430.8A CN202410264430A CN117850216B CN 117850216 B CN117850216 B CN 117850216B CN 202410264430 A CN202410264430 A CN 202410264430A CN 117850216 B CN117850216 B CN 117850216B
- Authority
- CN
- China
- Prior art keywords
- preset
- image information
- acrylic lens
- polishing
- production equipment
- 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
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 title claims abstract description 163
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000005498 polishing Methods 0.000 claims abstract description 225
- 238000010586 diagram Methods 0.000 claims abstract description 78
- 238000004458 analytical method Methods 0.000 claims abstract description 74
- 230000001105 regulatory effect Effects 0.000 claims abstract description 29
- 230000001276 controlling effect Effects 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims description 17
- 238000005520 cutting process Methods 0.000 claims description 14
- 230000004927 fusion Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 239000000047 product Substances 0.000 description 32
- 238000009826 distribution Methods 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 8
- 230000007547 defect Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007517 polishing process Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004224 protection Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000006750 UV protection Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 235000012431 wafers Nutrition 0.000 description 1
Classifications
-
- 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
- Grinding And Polishing Of Tertiary Curved Surfaces And Surfaces With Complex Shapes (AREA)
Abstract
本发明涉及镜片生产设备控制领域，特别是一种亚克力镜片生产设备智能控制方法及系统，若为第三分析结果，则不对生产设备进行调控处理，并使得生产设备继续工作；若为第四分析结果，则获取实时工况图像信息，并对所述实时工况图像信息进行识别处理；若为第一识别结果，则计算所述实际打磨参数与预设打磨参数之间的差值，得到打磨参数差值，根据所述打磨参数差值对生产设备的实际打磨参数进行调控处理；若为第二识别结果，根据所述实时工况三维模型图对生产设备的实际打磨参数进行调控处理。通过本方法能够智能调节生产设备的加工参数，有效提高生产效率和产品质量，降低产品报废率，实现了智能化加工生产。
Description
技术领域
本发明涉及镜片生产设备控制领域，特别是一种亚克力镜片生产设备智能控制方法及系统。
背景技术
亚克力材料具有高强度、耐磨、耐候、透明度高等特点，因此制成的镜片具有较好的耐用性和视觉效果。亚克力镜片也可以经过特殊工艺处理，使其具有防刮、防雾、防紫外线等功能。亚克力镜片在生活用品、家居装饰、建筑材料、汽车配件等领域都有广泛的应用。在对亚克力晶片进行加工生产过程中，打磨加工是其中一个重要的工艺步骤，目前的打磨生产设备缺乏自动化控制系统，需要人工干预较多，自动化与智能化程度较低；并且，在该工艺步骤中，导致产品报废的主要工艺缺陷为裂纹缺陷，当产品出现裂纹缺陷后，现有打磨生产设备无法根据裂纹缺陷情况智能调节设备参数，致使裂纹进一步延伸恶化，影响生产效率和产品质量，产品的报废率居高不下。
发明内容
本发明克服了现有设备智能化程度低的技术问题，提供了一种亚克力镜片生产设备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亚克力镜片生产设备智能控制方法，包括以下步骤：
在多个预设位置节点拍摄待加工亚克力镜片的实际图像信息，并根据所述实际图像信息对待加工亚克力镜片进行分析处理，得到第一分析结果或第二分析结果；
若为第一分析结果，则控制生产设备基于预设打磨参数对该待加工亚克力镜片进行加工处理；若为第二分析结果，则不对该待加工亚克力镜片进行加工处理；
在生产设备对待加工亚克力镜片进行加工过程中，在预设工作时间段内连续采集生产设备的实际打磨参数，得到预设工作时间段内的实际打磨参数集；并基于预设打磨参数获取预设工作时间段内的预设打磨参数集；
将所述实际打磨参数集与预设打磨参数集进行比较分析，得到第三分析结果或第四分析结果；若为第三分析结果，则不对生产设备进行调控处理，并使得生产设备继续工作；
若为第四分析结果，则获取实时工况图像信息，并对所述实时工况图像信息进行识别处理，得到第一识别结果或第二识别结果；
若为第一识别结果，则计算所述实际打磨参数与预设打磨参数之间的差值，得到打磨参数差值，根据所述打磨参数差值对生产设备的实际打磨参数进行调控处理；若为第二识别结果，则根据所述实时工况图像信息构建实时工况三维模型图，根据所述实时工况三维模型图对生产设备的实际打磨参数进行调控处理。
进一步地，本发明的一个较佳实施例中，在多个预设位置节点拍摄待加工亚克力镜片的实际图像信息，并根据所述实际图像信息对待加工亚克力镜片进行分析处理，得到第一分析结果或第二分析结果，具体为：
在多个预设位置节点拍摄待加工亚克力镜片的实际图像信息，对拍摄得到的多张实际图像信息进行特征提取处理，得到每张实际图像信息中的特征点；
将每两张实际图像信息中的特征点进行两两配对，得到若干对特征点对，并计算各特征点对之间的马氏距离，将马氏距离小于预设马氏距离的特征点对标记为融合点对；重复本步骤，直至寻找所有实际图像信息中的融合点对，得到若干融合点对；
构建三维坐标系，将每张实际图像信息中的特征点导入所述三维坐标系中，并基于各融合点对将每张实际图像信息中的特征点进行特征匹配处理，匹配完成后，得到一个特征点模型；
在所述三维坐标系中获取特征点模型中各特征点之间的相对坐标值，得到特征点坐标集，将所述特征点坐标集导入三维建模软件中进行模型构建，得到待加工亚克力镜片三维模型图；
将所述待加工亚克力镜片三维模型图与预设亚克力镜片三维模型图进行比较，得到模型偏差值；
若所述模型偏差值不大于预设阈值，则生成第一分析结果；若所述模型偏差值大于预设阈值，则生成第二分析结果。
进一步地，本发明的一个较佳实施例中，将所述实际打磨参数集与预设打磨参数集进行比较分析，得到第三分析结果或第四分析结果，具体为：
构建平面直角坐标系，根据所述实际打磨参数集在所述平面直角坐标系内生成生产设备在预设工作时间段内的实际打磨参数曲线图；
根据所述预设打磨参数集在所述平面直角坐标系内生成生产设备在预设工作时间段内的预设打磨参数曲线图；
在所述平面直角坐标系分析所述实际打磨参数曲线图与预设打磨参数曲线图的重合情况，得到在预设工作时间段内生产设备的实际打磨参数与预设打磨参数之间的重合度；
若在预设工作时间段内生产设备的实际打磨参数与预设打磨参数之间的重合度大于预设重合度，则生成第三分析结果；
若在预设工作时间段内生产设备的实际打磨参数与预设打磨参数之间的重合度不大于预设重合度，则生成第四分析结果。
进一步地，本发明的一个较佳实施例中，对所述实时工况图像信息进行识别处理，得到第一识别结果或第二识别结果，具体为：
获取生产设备的加工日志数据本，在所述加工日志数据本中提取出发生各种裂纹工况所对应的裂纹工况图像信息；
构建数据库，并将所述各裂纹工况图像信息导入所述数据库中，得到特性数据库；并定期对所述特征数据库进行更新；
将所述实时工况图像信息导入所述特性数据库，通过平均哈希算法计算所述实时工况图像信息与各裂纹工况图像信息之间的相似度，得到多个相似度，并分别将多个相似度与预设相似度进行比较；
若多个所述相似度均不大于预设相似度，则生成第一识别结果；若存在至少一个所述相似度大于预设相似度的情况，则生成第二识别结果。
进一步地，本发明的一个较佳实施例中，通过平均哈希算法计算所述实时工况图像信息与各裂纹工况图像信息之间的相似度，具体为：
将所述实时工况图像信息与裂纹工况图像信息转化为两张灰度图像，使得图像中的每个像素只包含亮度信息，不包含颜色信息；
分别计算两张灰度图像中所有像素点的平均灰度值；遍历两张灰度图像中每个像素，将各个像素的实际灰度值与对应的平均灰度值进行比较；
若像素的实际灰度值大于平均灰度值，则该像素对应的哈希值为1；若像素的实际灰度值不大于平均灰度值，则该像素对应的哈希值为0；根据各像素对应的哈希值生成比较结果；
按照像素遍历的顺序，将上一步骤的比较结果串联起来，形成一个二进制的哈希串；
对两张图片分别生成哈希串后，计算两张图片的哈希串之间的汉明距离，根据两张图片的哈希串之间的汉明距离得到实时工况图像信息与裂纹工况图像信息之间的相似度；
重复以上步骤，直至计算得到所述实时工况图像信息与各裂纹工况图像信息之间的相似度。
进一步地，本发明的一个较佳实施例中，若为第二识别结果，则根据所述实时工况图像信息构建实时工况三维模型图，根据所述实时工况三维模型图对生产设备的实际打磨参数进行调控处理，具体为：
获取亚克力镜片成品的工程图纸信息，根据所述工程图纸信息构建亚克力镜片成品三维模型图；
构建虚拟空间，将所述亚克力镜片成品三维模型图与实时工况三维模型图导入所述虚拟空间内；
基于亚克力镜片成品三维模型图与实时工况三维模型图的定位基准在所述虚拟空间内对亚克力镜片成品三维模型图与实时工况三维模型图进行配准处理；
配准完成后，判断所述实时工况三维模型图中的裂纹是否与亚克力镜片成品三维模型图存在交叠区域；
若存在交叠区域，则生成停止指令，使得生产设备停止对当前亚克力镜片继续加工生产，并将当前亚克力镜片进行报废处理。
进一步地，本发明的一个较佳实施例中，还包括以下步骤：
若不存在交叠区域，则对实时工况三维模型图所存在的裂纹进行有限元分析，得到各裂纹的临界裂纹扩展力；并将各裂纹的临界裂纹扩展力进行大小排序处理，得到最小临界裂纹扩展力；
在当前加工时间节点获取生产设备的实际打磨参数，根据所述实际打磨参数计算得到生产设备中打磨头对亚克力镜片的实时切削力；
判断所述实时切削力是否大于所述最小临界裂纹扩展力；若不大于，则不对生产设备的实际打磨参数进行调控处理；
若大于，则基于所述最小临界裂纹扩展力确定出对当前亚克力镜片进行打磨加工的最优打磨参数，并基于所述最优打磨参数控制生产设备对亚克力镜片进行加工处理。
进一步地，本发明的一个较佳实施例中，基于所述最小临界裂纹扩展力确定出对当前亚克力镜片进行打磨加工的最优打磨参数，具体为：
提前制定在各种预设临界裂纹扩展力条件之下生产设备对亚克力镜片进行打磨加工的最优打磨参数；
构建知识图谱，并将在各种预设临界裂纹扩展力条件之下生产设备对亚克力镜片进行打磨加工的最优打磨参数导入所述知识图谱中；
将所述最小临界裂纹扩展力导入所述知识图谱进行配对，得到对当前亚克力镜片进行打磨加工的最优打磨参数。
本发明第二方面公开了一种亚克力镜片生产设备智能控制系统，所述亚克力镜片生产设备智能控制系统包括存储器与处理器，所述存储器中存储有亚克力镜片生产设备智能控制方法程序，当所述亚克力镜片生产设备智能控制方法程序被所述处理器执行时，实现任一项所述的亚克力镜片生产设备智能控制方法步骤。
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：在预设工作时间段内连续采集生产设备的实际打磨参数，得到预设工作时间段内的实际打磨参数集；将实际打磨参数集与预设打磨参数集进行比较分析，若为第三分析结果，则不对生产设备进行调控处理，并使得生产设备继续工作；若为第四分析结果，则获取实时工况图像信息，并对所述实时工况图像信息进行识别处理；若为第一识别结果，则计算所述实际打磨参数与预设打磨参数之间的差值，得到打磨参数差值，根据所述打磨参数差值对生产设备的实际打磨参数进行调控处理；若为第二识别结果，则根据实时工况图像信息构建实时工况三维模型图，根据所述实时工况三维模型图对生产设备的实际打磨参数进行调控处理。通过本方法能够智能调节生产设备的加工参数，有效提高生产效率和产品质量，降低产品报废率，实现了智能化加工生产。
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为一种亚克力镜片生产设备智能控制方法的整体方法流程图；
图2为一种亚克力镜片生产设备智能控制方法的部分方法流程图；
图3为一种亚克力镜片生产设备智能控制系统的系统框图。
具体实施方式
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亚克力镜片生产设备智能控制方法，包括以下步骤：
S102：在多个预设位置节点拍摄待加工亚克力镜片的实际图像信息，并根据所述实际图像信息对待加工亚克力镜片进行分析处理，得到第一分析结果或第二分析结果；
S104：若为第一分析结果，则控制生产设备基于预设打磨参数对该待加工亚克力镜片进行加工处理；若为第二分析结果，则不对该待加工亚克力镜片进行加工处理；
S106：在生产设备对待加工亚克力镜片进行加工过程中，在预设工作时间段内连续采集生产设备的实际打磨参数，得到预设工作时间段内的实际打磨参数集；并基于预设打磨参数获取预设工作时间段内的预设打磨参数集；
S108：将所述实际打磨参数集与预设打磨参数集进行比较分析，得到第三分析结果或第四分析结果；若为第三分析结果，则不对生产设备进行调控处理，并使得生产设备继续工作；
S110：若为第四分析结果，则获取实时工况图像信息，并对所述实时工况图像信息进行识别处理，得到第一识别结果或第二识别结果；
S112：若为第一识别结果，则计算所述实际打磨参数与预设打磨参数之间的差值，得到打磨参数差值，根据所述打磨参数差值对生产设备的实际打磨参数进行调控处理；若为第二识别结果，则根据所述实时工况图像信息构建实时工况三维模型图，根据所述实时工况三维模型图对生产设备的实际打磨参数进行调控处理。
进一步地，本发明的一个较佳实施例中，在多个预设位置节点拍摄待加工亚克力镜片的实际图像信息，并根据所述实际图像信息对待加工亚克力镜片进行分析处理，得到第一分析结果或第二分析结果，具体为：
在多个预设位置节点拍摄待加工亚克力镜片的实际图像信息，对拍摄得到的多张实际图像信息进行特征提取处理，得到每张实际图像信息中的特征点；
将每两张实际图像信息中的特征点进行两两配对，得到若干对特征点对，并计算各特征点对之间的马氏距离，将马氏距离小于预设马氏距离的特征点对标记为融合点对；重复本步骤，直至寻找所有实际图像信息中的融合点对，得到若干融合点对；
构建三维坐标系，将每张实际图像信息中的特征点导入所述三维坐标系中，并基于各融合点对将每张实际图像信息中的特征点进行特征匹配处理，匹配完成后，得到一个特征点模型；
在所述三维坐标系中获取特征点模型中各特征点之间的相对坐标值，得到特征点坐标集，将所述特征点坐标集导入三维建模软件中进行模型构建，得到待加工亚克力镜片三维模型图；
将所述待加工亚克力镜片三维模型图与预设亚克力镜片三维模型图进行比较，得到模型偏差值；
若所述模型偏差值不大于预设阈值，则生成第一分析结果；若所述模型偏差值大于预设阈值，则生成第二分析结果。
其中，预设亚克力镜片三维模型图为理想尺寸外形的待加工亚克力镜片模型图，该模型图由技术人员提前设计绘制得到。
需要说明的是，在对待加工亚克力镜片进行打磨生产前，首先通过生产设备上搭载的摄像机获取待加工亚克力镜片的实际图像信息，然后通过如ORB算法对拍摄得到的多张实际图像信息进行特征提取处理，得到每张实际图像信息中的特征点，再结合三维模型重构技术构建得到待加工亚克力镜片三维模型图，接着通过将所述待加工亚克力镜片三维模型图与预设亚克力镜片三维模型图进行比较，得到模型偏差值，若所述模型偏差值不大于预设阈值，则生成第一分析结果，若所述模型偏差值大于预设阈值，则生成第二分析结果。若为第一分析结果，则说明待加工亚克力镜片三维模型图与预设亚克力镜片三维模型图的模型相似程度较高，则控制生产设备基于预设打磨参数对该待加工亚克力镜片进行加工处理；若为第二分析结果，则说明待加工亚克力镜片三维模型图与预设亚克力镜片三维模型图的模型相似程度较低，则不对该待加工亚克力镜片进行加工处理，并对该待加工亚克力镜片直接进行报废处理。通过本步骤能够智能分析出在打磨加工生产前的待加工亚克力镜片是否适合进行打磨加工，对不适合打磨加工生产的待加工亚克力镜片及时进行报废处理，有效降低产品在加工后的产品报废率，以降低加工成本;
其中，ORB（Oriented FAST and Rotated BRIEF）算法是一种用于计算机视觉中特征点描述子的算法，中文全称为：方向性快速和旋转的二进制独特特征算法。它结合了FAST（Features from Accelerated Segment Test）关键点检测算法和BRIEF（Binary RobustIndependent Elementary Features）描述子算法的优点，能够在保持高计算效率的同时提供良好的旋转不变性和鲁棒性。
如图2所示，进一步地，本发明的一个较佳实施例中，将所述实际打磨参数集与预设打磨参数集进行比较分析，得到第三分析结果或第四分析结果，具体为：
S202：构建平面直角坐标系，根据所述实际打磨参数集在所述平面直角坐标系内生成生产设备在预设工作时间段内的实际打磨参数曲线图；
S204：根据所述预设打磨参数集在所述平面直角坐标系内生成生产设备在预设工作时间段内的预设打磨参数曲线图；
S206：在所述平面直角坐标系分析所述实际打磨参数曲线图与预设打磨参数曲线图的重合情况，得到在预设工作时间段内生产设备的实际打磨参数与预设打磨参数之间的重合度；
S208：若在预设工作时间段内生产设备的实际打磨参数与预设打磨参数之间的重合度大于预设重合度，则生成第三分析结果；
S210：若在预设工作时间段内生产设备的实际打磨参数与预设打磨参数之间的重合度不大于预设重合度，则生成第四分析结果。
需要说明的是，在生产设备对待加工亚克力镜片进行加工过程中，在预设工作时间段内连续采集生产设备的实际打磨参数，得到预设工作时间段内的实际打磨参数集；并基于预设打磨参数获取预设工作时间段内的预设打磨参数集；并构建平面直角坐标系，平面直角坐标系的X轴为时刻轴，Y轴为参数轴；在平面直角坐标系中结合实际打磨参数集与预设打磨参数集生成实际打磨参数曲线图和预设打磨参数曲线图，然后在所述平面直角坐标系分析实际打磨参数曲线图与预设打磨参数曲线图的曲线重合部分长度与曲线不重合部分长度，将曲线重合部分长度与曲线不重合部分长度进行比值处理，得到在预设工作时间段内生产设备的实际打磨参数与预设打磨参数之间的重合度，若在预设工作时间段内生产设备的实际打磨参数与预设打磨参数之间的重合度大于预设重合度，则生成第三分析结果，说明此时间段生产设备的打磨参数正常，即设备的运行状态正常，则不对生产设备进行调控处理，并使得生产设备继续进行打磨工作。若在预设工作时间段内生产设备的实际打磨参数与预设打磨参数之间的重合度不大于预设重合度，则生成第四分析结果，说明此时间段生产设备的打磨参数与预设打磨参数出现了偏差，打磨参数出现了异常，此时需要进一步分析异常打磨参数是否已经对产品质量造成了影响。通过本方法能够快速分析出设备的实际打磨参数是否正常，以进一步分析是否需要对设备进行调控处理。
进一步地，本发明的一个较佳实施例中，对所述实时工况图像信息进行识别处理，得到第一识别结果或第二识别结果，具体为：
获取生产设备的加工日志数据本，在所述加工日志数据本中提取出发生各种裂纹工况所对应的裂纹工况图像信息，得到各裂纹工况图像信息；
构建数据库，并将各裂纹工况图像信息导入所述数据库中，得到特性数据库；并定期对所述特性数据库进行更新；
将所述实时工况图像信息导入所述特性数据库，通过平均哈希算法计算所述实时工况图像信息与各裂纹工况图像信息之间的相似度，得到多个相似度，并分别将多个相似度与预设相似度进行比较；
若多个所述相似度均不大于预设相似度，则生成第一识别结果；若存在至少一个所述相似度大于预设相似度的情况，则生成第二识别结果。
需要说明的是，在设备对亚克力镜片进行打磨加工时，导致产品报废的主要工艺缺陷为裂纹缺陷，而当设备的打磨参数发生异常时，比如打磨压力过大或者速度过快，都可能导致亚克力镜片受到过大的力量而产生裂纹。因此，在生产过程中，若设备出现了打磨参数异常情况，即为第四分析结果情况，此时通过摄像机拍摄实时工况图像信息，将实时工况图像信息导入所述特性数据库，通过平均哈希算法计算实时工况图像信息与各裂纹工况图像信息之间的相似度，得到多个相似度；若多个所述相似度均不大于预设相似度，则生成第一识别结果；若存在至少一个所述相似度大于预设相似度的情况，则生成第二识别结果。若为第一识别结果，说明虽然设备的打磨参数出现了异常，但并没有引发亚克力镜片产生裂纹，此时加工工况依旧正常，此时则计算所述实际打磨参数与预设打磨参数之间的差值，得到打磨参数差值，根据所述打磨参数差值对生产设备的实际打磨参数进行调控处理，以及时将设备的打磨参数调整至正常参数状态范围，避免诱发亚克力镜片产生裂纹，实现了智能化控制，能够有效降低产品报废率，提高生产效益。
进一步地，本发明的一个较佳实施例中，通过平均哈希算法计算所述实时工况图像信息与各裂纹工况图像信息之间的相似度，具体为：
将所述实时工况图像信息与裂纹工况图像信息转化为两张灰度图像，使得图像中的每个像素只包含亮度信息，不包含颜色信息；
分别计算两张灰度图像中所有像素点的平均灰度值；遍历两张灰度图像中每个像素，将各个像素的实际灰度值与对应的平均灰度值进行比较；
若像素的实际灰度值大于平均灰度值，则该像素对应的哈希值为1；若像素的实际灰度值不大于平均灰度值，则该像素对应的哈希值为0；根据各像素对应的哈希值生成比较结果；
按照像素遍历的顺序，将上一步骤的比较结果串联起来，形成一个二进制的哈希串；
对两张图片分别生成哈希串后，计算两张图片的哈希串之间的汉明距离，根据两张图片的哈希串之间的汉明距离得到实时工况图像信息与裂纹工况图像信息之间的相似度；
重复以上步骤，直至计算得到所述实时工况图像信息与各裂纹工况图像信息之间的相似度。
需要说明的是，平均哈希算法是一种用于计算图像相似度的算法，主要用于快速比较图像是否相似。通过本方法能够快速比较出实时工况图像信息与各裂纹工况图像信息之间的相似度。
进一步地，本发明的一个较佳实施例中，若为第二识别结果，则根据所述实时工况图像信息构建实时工况三维模型图，根据所述实时工况三维模型图对生产设备的实际打磨参数进行调控处理，具体为：
获取亚克力镜片成品的工程图纸信息，根据所述工程图纸信息构建亚克力镜片成品三维模型图；
构建虚拟空间，将所述亚克力镜片成品三维模型图与实时工况三维模型图导入所述虚拟空间内；
基于亚克力镜片成品三维模型图与实时工况三维模型图的定位基准在所述虚拟空间内对亚克力镜片成品三维模型图与实时工况三维模型图进行配准处理；
配准完成后，判断所述实时工况三维模型图中的裂纹是否与亚克力镜片成品三维模型图存在交叠区域；
若存在交叠区域，则生成停止指令，使得生产设备停止对当前亚克力镜片继续加工生产，并将当前亚克力镜片进行报废处理。
需要说明的是，若为第二识别结果，在设备的打磨参数发生异常后，引发亚克力镜片产生裂纹，此时加工工况异常，此时需要进一步分析出裂纹是否已经延伸到了亚克力镜片的非加工区域，以判断是否需要对当前打磨的亚克力镜片进行报废处理。具体而言，获取亚克力镜片成品的工程图纸信息，根据所述工程图纸信息构建亚克力镜片成品三维模型图，亚克力镜片成品即是经过各工艺步骤加工后的能够出厂的亚克力镜片产品，亚克力镜片成品的工程图纸信息由设计人员提前绘制得到，同时，根据所述实时工况图像信息构建实时工况三维模型图。若实时工况三维模型图中的裂纹与亚克力镜片成品三维模型图存在交叠区域，此时说明加工裂纹已经延伸到了亚克力镜片的非加工区域，此时即使继续对该亚克力镜片进行加工，其依旧是废品，此时则生成停止指令，使得生产设备停止对当前亚克力镜片继续加工生产，并将当前亚克力镜片进行报废处理，通过此方式实现了加工工况智能识别功能，从而智能调控设备加工状态，能够避免出现对已经是废品的半成品继续加工，对其及时进行报废处理，能够有效降低加工成本。
进一步地，本发明的一个较佳实施例中，还包括以下步骤：
若不存在交叠区域，则对实时工况三维模型图所存在的裂纹进行有限元分析，得到各裂纹的临界裂纹扩展力；并将各裂纹的临界裂纹扩展力进行大小排序处理，得到最小临界裂纹扩展力；
在当前加工时间节点获取生产设备的实际打磨参数，根据所述实际打磨参数计算得到生产设备中打磨头对亚克力镜片的实时切削力；
判断所述实时切削力是否大于所述最小临界裂纹扩展力；若不大于，则不对生产设备的实际打磨参数进行调控处理；
若大于，则基于所述最小临界裂纹扩展力确定出对当前亚克力镜片进行打磨加工的最优打磨参数，并基于所述最优打磨参数控制生产设备对亚克力镜片进行加工处理。
需要说明的是，若实时工况三维模型图中的裂纹与亚克力镜片成品三维模型图不存在交叠区域，此时虽然产生了加工裂纹，当加工裂纹并没有延伸到了亚克力镜片的非加工区域，此时说明在能够抑制这些裂纹进一步扩展延伸的前提条件下，当前加工的亚克力镜片依旧是合格品，因此此时通过进一步分析是否需要调整设备的打磨参数来达到抑制裂纹扩展延伸的目的，具体而言，在当前加工时间节点获取生产设备的实际打磨参数，根据所述实际打磨参数计算得到生产设备中打磨头对亚克力镜片的实时切削力，判断所述实时切削力是否大于所述最小临界裂纹扩展力；若不大于，说明在当前实际打磨参数条件下，当前切削力并不会造成裂纹进一步扩展延伸，则不对生产设备的实际打磨参数进行调控处理，使得设备继续以当前参数运行即可，从而尽量避免调整设备参数的方式，来减少设备切削力突变情况，从而降低裂纹突变恶化概率，这是由于改变打磨设备的参数可能会影响亚克力镜片的热量和压力分布，从而增加裂纹进一步扩展延伸的概率。
若大于，说明在当前实际打磨参数条件下，当前切削力极大概率会造成裂纹进一步扩展延伸（此种情况属于需要必须调整设备打磨参数的情况），则需要对生产设备的实际打磨参数进行调控处理，则基于所述最小临界裂纹扩展力确定出对当前亚克力镜片进行打磨加工的最优打磨参数，并基于所述最优打磨参数控制生产设备对亚克力镜片进行加工处理，如通过降低进给速度的方式来降低切削力。通过此方式来避免加工裂纹进一步延伸至非加工区域上，从而造成产品报废，能够有效降低产品报废率，实现了智能化控制。
进一步地，本发明的一个较佳实施例中，基于所述最小临界裂纹扩展力确定出对当前亚克力镜片进行打磨加工的最优打磨参数，具体为：
提前制定在各种预设临界裂纹扩展力条件之下生产设备对亚克力镜片进行打磨加工的最优打磨参数；
构建知识图谱，并将在各种预设临界裂纹扩展力条件之下生产设备对亚克力镜片进行打磨加工的最优打磨参数导入所述知识图谱中；
将所述最小临界裂纹扩展力导入所述知识图谱进行配对，得到对当前亚克力镜片进行打磨加工的最优打磨参数。
需要说明的是，通过技术人员提前制定裂纹在各种预设临界裂纹扩展力条件之下生产设备对亚克力镜片进行打磨加工的最优打磨参数，从而构建知识图谱，将所述最小临界裂纹扩展力导入所述知识图谱与各种预设临界裂纹扩展力进行配对，配对出相匹配的预设临界裂纹扩展力，从而快速得到相应的最优打磨参数，能够有效降低系统运算量，提高响应速度，从而提高加工效率。
此外，所述亚克力镜片生产设备智能控制方法还包括以下步骤：
预制待加工亚克力镜片在各个预设加工时间节点下的预设温度分布图，构建第二知识图谱，并将待加工亚克力镜片在各个预设加工时间节点下的预设温度分布图导入所述第二知识图谱中；
在各个预设加工时间节点获取亚克力镜片在打磨加工过程中各个预设位置节点的实际温度值，根据各个预设位置节点的实际温度值生成实际温度分布图；
通过平均哈希算法计算所述实际温度分布图与第二知识图谱中相应预设加工时间节点的预设温度分布图之间的相似程度；并将所述相似程度与预设相似程度进行比较；
若所述相似程度大于预设相似程度，则说明该预设加工时间节点的亚克力镜片加工工况正常，则不对生产设备进行调控处理，并使得生产设备继续工作；
若所述相似程度不大于预设相似程度，则基于ORB算法对所述实际温度分布图与第二知识图谱中相应预设加工时间节点的预设温度分布图进行特征提取处理，得到实际等温线图与预设等温线图；
将所述实际等温线图与预设等温线图进行比较分析，得到实际等温线图与预设等温线图之间的不相重合等温线区域，根据不相重合等温线区域得到裂纹区域位置信息，并将所述裂纹区域位置信息发送至控制终端上。
需要说明的是，如果亚克力镜片表面存在裂纹，裂纹处会导致热量的不均匀分布。在打磨过程中，裂纹处可能会导致局部温度升高或者局部热量的散失不均匀，因此在温度分布图中可以显示出异常的热量分布。通过结合本方法能够更加快速分析出在打磨过程中亚克力镜片是否引发了裂纹，并能够进一步分析出裂纹所处位置。
此外，所述亚克力镜片生产设备智能控制方法还包括以下步骤：
获取生产设备对所述裂纹区域位置信息进行打磨时的实际打磨参数，并将生产设备对所述裂纹区域位置信息进行打磨时的实际打磨参数导入至提前训练好的贝叶斯网络模型中进行预测，得到生产设备的故障概率；将生产设备的故障概率与预设故障概率进行比较；
若生产设备的故障概率大于预设故障概率，则控制生产设备停机生产，并生成故障预警信息；
若生产设备的故障概率不大于预设故障概率，则获取对所述裂纹区域位置信息进行打磨时的实际打磨环境参数信息；并计算所述实际打磨环境参数信息与预设打磨环境参数信息之间的差值，得到打磨环境参数差值；
将所述打磨环境参数差值输送至控制终端上，以使得控制终端基于打磨环境参数差值对打磨环境进行调控处理。
需要说明的是，当识别出裂纹区域位置信息后，通过进一步分析造成设备发生裂纹的原因是否是由于设备故障或者打磨环境引起的，若为设备故障引起的，则生成故障预警信息，及时知会技术人员对设备进行检修；若为打磨环境引起的，则及时对打磨环境进行调控处理。
如图3所示，本发明第二方面公开了一种亚克力镜片生产设备智能控制系统，所述亚克力镜片生产设备智能控制系统包括存储器20与处理器80，所述存储器20中存储有亚克力镜片生产设备智能控制方法程序，当所述亚克力镜片生产设备智能控制方法程序被所述处理器80执行时，实现任一项所述的亚克力镜片生产设备智能控制方法步骤。
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 (7)
1.一种亚克力镜片生产设备智能控制方法，其特征在于，包括以下步骤：
在多个预设位置节点拍摄待加工亚克力镜片的实际图像信息，并根据所述实际图像信息对待加工亚克力镜片进行分析处理，得到第一分析结果或第二分析结果；
若为第一分析结果，则控制生产设备基于预设打磨参数对该待加工亚克力镜片进行加工处理；若为第二分析结果，则不对该待加工亚克力镜片进行加工处理；
在生产设备对待加工亚克力镜片进行加工过程中，在预设工作时间段内连续采集生产设备的实际打磨参数，得到预设工作时间段内的实际打磨参数集；并基于预设打磨参数获取预设工作时间段内的预设打磨参数集；
将所述实际打磨参数集与预设打磨参数集进行比较分析，得到第三分析结果或第四分析结果；若为第三分析结果，则不对生产设备进行调控处理，并使得生产设备继续工作；
若为第四分析结果，则获取实时工况图像信息，并对所述实时工况图像信息进行识别处理，得到第一识别结果或第二识别结果；
若为第一识别结果，则计算所述实际打磨参数与预设打磨参数之间的差值，得到打磨参数差值，根据所述打磨参数差值对生产设备的实际打磨参数进行调控处理；若为第二识别结果，则根据所述实时工况图像信息构建实时工况三维模型图，根据所述实时工况三维模型图对生产设备的实际打磨参数进行调控处理；
其中，在多个预设位置节点拍摄待加工亚克力镜片的实际图像信息，并根据所述实际图像信息对待加工亚克力镜片进行分析处理，得到第一分析结果或第二分析结果，具体为：
在多个预设位置节点拍摄待加工亚克力镜片的实际图像信息，对拍摄得到的多张实际图像信息进行特征提取处理，得到每张实际图像信息中的特征点；
将每两张实际图像信息中的特征点进行两两配对，得到若干对特征点对，并计算各特征点对之间的马氏距离，将马氏距离小于预设马氏距离的特征点对标记为融合点对；重复本步骤，直至寻找所有实际图像信息中的融合点对，得到若干融合点对；
构建三维坐标系，将每张实际图像信息中的特征点导入所述三维坐标系中，并基于各融合点对将每张实际图像信息中的特征点进行特征匹配处理，匹配完成后，得到一个特征点模型；
在所述三维坐标系中获取特征点模型中各特征点之间的相对坐标值，得到特征点坐标集，将所述特征点坐标集导入三维建模软件中进行模型构建，得到待加工亚克力镜片三维模型图；
将所述待加工亚克力镜片三维模型图与预设亚克力镜片三维模型图进行比较，得到模型偏差值；
若所述模型偏差值不大于预设阈值，则生成第一分析结果；若所述模型偏差值大于预设阈值，则生成第二分析结果；
其中，对所述实时工况图像信息进行识别处理，得到第一识别结果或第二识别结果，具体为：
获取生产设备的加工日志数据本，在所述加工日志数据本中提取出发生各种裂纹工况所对应的裂纹工况图像信息，得到各裂纹工况图像信息；
构建数据库，并将各裂纹工况图像信息导入所述数据库中，得到特性数据库；并定期对所述特性数据库进行更新；
将所述实时工况图像信息导入所述特性数据库，通过平均哈希算法计算所述实时工况图像信息与各裂纹工况图像信息之间的相似度，得到多个相似度，并分别将多个相似度与预设相似度进行比较；
若多个所述相似度均不大于预设相似度，则生成第一识别结果；若存在至少一个所述相似度大于预设相似度的情况，则生成第二识别结果。
2.根据权利要求1所述的一种亚克力镜片生产设备智能控制方法，其特征在于，将所述实际打磨参数集与预设打磨参数集进行比较分析，得到第三分析结果或第四分析结果，具体为：
构建平面直角坐标系，根据所述实际打磨参数集在所述平面直角坐标系内生成生产设备在预设工作时间段内的实际打磨参数曲线图；
根据所述预设打磨参数集在所述平面直角坐标系内生成生产设备在预设工作时间段内的预设打磨参数曲线图；
在所述平面直角坐标系分析所述实际打磨参数曲线图与预设打磨参数曲线图的重合情况，得到在预设工作时间段内生产设备的实际打磨参数与预设打磨参数之间的重合度；
若在预设工作时间段内生产设备的实际打磨参数与预设打磨参数之间的重合度大于预设重合度，则生成第三分析结果；
若在预设工作时间段内生产设备的实际打磨参数与预设打磨参数之间的重合度不大于预设重合度，则生成第四分析结果。
3.根据权利要求1所述的一种亚克力镜片生产设备智能控制方法，其特征在于，通过平均哈希算法计算所述实时工况图像信息与各裂纹工况图像信息之间的相似度，具体为：
将所述实时工况图像信息与裂纹工况图像信息转化为两张灰度图像，使得图像中的每个像素只包含亮度信息，不包含颜色信息；
分别计算两张灰度图像中所有像素点的平均灰度值；遍历两张灰度图像中每个像素，将各个像素的实际灰度值与对应的平均灰度值进行比较；
若像素的实际灰度值大于平均灰度值，则该像素对应的哈希值为1；若像素的实际灰度值不大于平均灰度值，则该像素对应的哈希值为0；根据各像素对应的哈希值生成比较结果；
按照像素遍历的顺序，将上一步骤的比较结果串联起来，形成一个二进制的哈希串；
对两张图片分别生成哈希串后，计算两张图片的哈希串之间的汉明距离，根据两张图片的哈希串之间的汉明距离得到实时工况图像信息与裂纹工况图像信息之间的相似度；
重复以上步骤，直至计算得到所述实时工况图像信息与各裂纹工况图像信息之间的相似度。
4.根据权利要求1所述的一种亚克力镜片生产设备智能控制方法，其特征在于，若为第二识别结果，则根据所述实时工况图像信息构建实时工况三维模型图，根据所述实时工况三维模型图对生产设备的实际打磨参数进行调控处理，具体为：
获取亚克力镜片成品的工程图纸信息，根据所述工程图纸信息构建亚克力镜片成品三维模型图；
构建虚拟空间，将所述亚克力镜片成品三维模型图与实时工况三维模型图导入所述虚拟空间内；
基于亚克力镜片成品三维模型图与实时工况三维模型图的定位基准在所述虚拟空间内对亚克力镜片成品三维模型图与实时工况三维模型图进行配准处理；
配准完成后，判断所述实时工况三维模型图中的裂纹是否与亚克力镜片成品三维模型图存在交叠区域；
若存在交叠区域，则生成停止指令，使得生产设备停止对当前亚克力镜片继续加工生产，并将当前亚克力镜片进行报废处理。
5.根据权利要求4所述的一种亚克力镜片生产设备智能控制方法，其特征在于，还包括以下步骤：
若不存在交叠区域，则对实时工况三维模型图所存在的裂纹进行有限元分析，得到各裂纹的临界裂纹扩展力；并将各裂纹的临界裂纹扩展力进行大小排序处理，得到最小临界裂纹扩展力；
在当前加工时间节点获取生产设备的实际打磨参数，根据所述实际打磨参数计算得到生产设备中打磨头对亚克力镜片的实时切削力；
判断所述实时切削力是否大于所述最小临界裂纹扩展力；若不大于，则不对生产设备的实际打磨参数进行调控处理；
若大于，则基于所述最小临界裂纹扩展力确定出对当前亚克力镜片进行打磨加工的最优打磨参数，并基于所述最优打磨参数控制生产设备对亚克力镜片进行加工处理。
6.根据权利要求5所述的一种亚克力镜片生产设备智能控制方法，其特征在于，基于所述最小临界裂纹扩展力确定出对当前亚克力镜片进行打磨加工的最优打磨参数，具体为：
提前制定在各种预设临界裂纹扩展力条件之下生产设备对亚克力镜片进行打磨加工的最优打磨参数；
构建知识图谱，并将在各种预设临界裂纹扩展力条件之下生产设备对亚克力镜片进行打磨加工的最优打磨参数导入所述知识图谱中；
将所述最小临界裂纹扩展力导入所述知识图谱进行配对，得到对当前亚克力镜片进行打磨加工的最优打磨参数。
7.一种亚克力镜片生产设备智能控制系统，其特征在于，所述亚克力镜片生产设备智能控制系统包括存储器与处理器，所述存储器中存储有亚克力镜片生产设备智能控制方法程序，当所述亚克力镜片生产设备智能控制方法程序被所述处理器执行时，实现如权利要求1-6任一项所述的亚克力镜片生产设备智能控制方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410264430.8A CN117850216B (zh) | 2024-03-08 | 2024-03-08 | 一种亚克力镜片生产设备智能控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410264430.8A CN117850216B (zh) | 2024-03-08 | 2024-03-08 | 一种亚克力镜片生产设备智能控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117850216A CN117850216A (zh) | 2024-04-09 |
| CN117850216B true CN117850216B (zh) | 2024-05-24 |
Family
ID=90536752
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410264430.8A Active CN117850216B (zh) | 2024-03-08 | 2024-03-08 | 一种亚克力镜片生产设备智能控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117850216B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021217859A1 (zh) * | 2020-04-30 | 2021-11-04 | 平安国际智慧城市科技股份有限公司 | 目标异常识别方法、装置、电子设备及存储介质 |
| CN116653457A (zh) * | 2023-07-26 | 2023-08-29 | 深圳市俱进纸品包装有限公司 | 一种数字化皮纹喷墨设备的生产控制方法及系统 |
| CN116992740A (zh) * | 2023-09-26 | 2023-11-03 | 深圳市松青锌镁铝精密压铸有限公司 | 一种通讯基站精密部件生产设备的智能调控方法及系统 |
| CN117608259A (zh) * | 2024-01-24 | 2024-02-27 | 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 |
-
2024
- 2024-03-08 CN CN202410264430.8A patent/CN117850216B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021217859A1 (zh) * | 2020-04-30 | 2021-11-04 | 平安国际智慧城市科技股份有限公司 | 目标异常识别方法、装置、电子设备及存储介质 |
| CN116653457A (zh) * | 2023-07-26 | 2023-08-29 | 深圳市俱进纸品包装有限公司 | 一种数字化皮纹喷墨设备的生产控制方法及系统 |
| CN116992740A (zh) * | 2023-09-26 | 2023-11-03 | 深圳市松青锌镁铝精密压铸有限公司 | 一种通讯基站精密部件生产设备的智能调控方法及系统 |
| CN117608259A (zh) * | 2024-01-24 | 2024-02-27 | 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117850216A (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111815601B (zh) | 一种基于深度卷积自编码器的纹理图像表面缺陷检测方法 | |
| CN107877262B (zh) | 一种基于深度学习的数控机床刀具磨损监测方法 | |
| Li et al. | Defect inspection and extraction of the mobile phone cover glass based on the principal components analysis | |
| CN116188475B (zh) | 一种外观缺陷自动光学检测的智慧控制方法、系统及介质 | |
| CN108764361B (zh) | 基于集成学习的游梁式抽油机示功图的工况识别方法 | |
| CN113034483B (zh) | 基于深度迁移学习的烟支缺陷检测方法 | |
| CN111209907A (zh) | 一种复杂光污染环境下产品特征图像人工智能识别方法 | |
| CN116486091B (zh) | 基于人工智能的风机叶片缺陷区域快速分割方法及系统 | |
| CN111291806A (zh) | 一种基于卷积神经网络工业产品标签号的识别方法 | |
| CN117095247B (zh) | 基于数控加工的加工姿态运行优化方法、系统及介质 | |
| CN112580935A (zh) | 一种基于机器视觉的工业产品生产流程溯源分析方法 | |
| CN116205907A (zh) | 一种基于机器视觉的饰板缺陷检测方法 | |
| CN117010666B (zh) | 一种汽修工具生产工作站智能管理方法及系统 | |
| CN117850216B (zh) | 一种亚克力镜片生产设备智能控制方法及系统 | |
| CN116394161B (zh) | 一种基于数据分析的电极生产管理方法及系统 | |
| CN117608259A (zh) | 一种储存芯片生产设备的控制方法及系统 | |
| CN110458231B (zh) | 一种陶瓷产品检测方法、装置和设备 | |
| CN105160336B (zh) | 基于Sigmoid函数的人脸识别方法 | |
| CN116228766A (zh) | 一种等离子加工设备的智能调控方法及系统 | |
| CN115239663A (zh) | 隐形眼镜瑕疵检测方法及系统、电子设备、存储介质 | |
| CN113344918B (zh) | 一种热成型模具检测方法、系统和可读存储介质 | |
| CN113658108A (zh) | 一种基于深度学习的玻璃缺陷检测方法 | |
| CN114723748B (zh) | 电机控制器的检测方法、装置、设备及存储介质 | |
| CN116842415B (zh) | 一种镜面放电加工机的远程监测方法、系统及介质 | |
| CN117934867B (zh) | 一种基于智能调节功能的手办模型生产方法及系统 |
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 |