CN118209405B - 一种多层结构橡胶手套检测的固定方法及装置 - Google Patents

一种多层结构橡胶手套检测的固定方法及装置 Download PDF

Info

Publication number
CN118209405B
CN118209405B CN202410631865.1A CN202410631865A CN118209405B CN 118209405 B CN118209405 B CN 118209405B CN 202410631865 A CN202410631865 A CN 202410631865A CN 118209405 B CN118209405 B CN 118209405B
Authority
CN
China
Prior art keywords
sample
clamping
samples
abnormal
rubber glove
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
Application number
CN202410631865.1A
Other languages
English (en)
Other versions
CN118209405A (zh
Inventor
陆大伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhangjiagang Dayu Rubber Products Co ltd
Original Assignee
Zhangjiagang Dayu Rubber Products Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhangjiagang Dayu Rubber Products Co ltd filed Critical Zhangjiagang Dayu Rubber Products Co ltd
Priority to CN202410631865.1A priority Critical patent/CN118209405B/zh
Publication of CN118209405A publication Critical patent/CN118209405A/zh
Application granted granted Critical
Publication of CN118209405B publication Critical patent/CN118209405B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/02—Details
    • G01N3/04—Chucks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/02—Details not specific for a particular testing method
    • G01N2203/04—Chucks, fixtures, jaws, holders or anvils

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明公开了一种多层结构橡胶手套检测的固定方法及装置，涉及橡胶手套技术领域，该方法包括：对多个橡胶手套样品进行基础数据采集；获得目标样品基础信息；匹配初始夹持参数；利用夹具控制单元控制夹具依次对多个橡胶手套样品进行夹持固定，并进行固定监测，生成多个样品夹持监测数据集；获得多个样品边缘固定识别结果；获得多个样品温度场异常识别结果；进行聚焦优化，并根据夹持参数宽容带宽对优化过程进行约束，生成多个优化夹持参数；依次将多个橡胶手套样品固定至检测设备上。本发明解决了现有技术中橡胶手套检测时固定与手套实际情况贴合度较低，固定不可靠的技术问题，达到了提高橡胶手套固定可靠性的技术效果。

Description

一种多层结构橡胶手套检测的固定方法及装置
技术领域
本发明涉及橡胶手套技术领域，具体涉及一种多层结构橡胶手套检测的固定方法及装置。
背景技术
多层结构橡胶手套是由多种材料层叠制成的手套，具有较好的防护和耐用性，通常被用于需要较高防护性能的工作环境中，如化工、实验室等领域。多层结构橡胶手套抵抗穿刺的能力，在实际使用中受到较多关注。因此，需要通过穿刺检测来确定多层橡胶手套的抵抗穿刺的性能。
目前，通过对一批次或多批次生产的多层结构橡胶手套进行抽样，从而将其固定于检测设备上进行穿刺检测。然而，在检测过程中往往由于固定质量不高，导致手套破裂的情况时有发生。现有技术存在着橡胶手套检测时固定与手套实际情况贴合度较低，固定不可靠的技术问题。
发明内容
本申请提供了一种多层结构橡胶手套检测的固定方法及装置，用于针对解决现有技术中橡胶手套检测时固定与手套实际情况贴合度较低，固定不可靠的技术问题。
鉴于上述问题，本申请提供了一种多层结构橡胶手套检测的固定方法及装置。
本申请的第一个方面，提供了一种多层结构橡胶手套检测的固定方法，所述方法包括：
对多个橡胶手套样品进行基础数据采集，获得多个样品尺寸信息和多个样品厚度信息；
根据所述多个样品尺寸信息和所述多个样品厚度信息对所述多个橡胶手套样品进行一致性分析，获得目标样品基础信息，其中，所述目标样品基础信息具有一致性因子标识；
基于所述目标样品基础信息匹配初始夹持参数，并根据一致性因子配置夹具的夹持参数宽容带宽；
将所述初始夹持参数传输至夹具控制单元，利用所述夹具控制单元控制夹具依次对所述多个橡胶手套样品进行夹持固定，并在预设夹持观测时间内调用固定监测组件进行固定监测，生成多个样品夹持监测数据集，其中，所述固定监测组件包括压力传感器阵列、红外摄像头，所述多个样品夹持监测数据集包括多个样品压力监测数据集和多个样品红外图像集；
遍历所述多个样品压力监测数据集进行手套边缘固定识别，获得多个样品边缘固定识别结果，其中，所述多个样品边缘固定识别结果包括多个异常压力传感器序列和多个异常压力数据集合；
遍历所述多个样品红外图像集进行温度场异常识别，获得多个样品温度场异常识别结果；
基于所述多个样品边缘固定识别结果和所述多个样品温度场异常识别结果对所述初始夹持参数分别进行聚焦优化，并根据所述夹持参数宽容带宽对优化过程进行约束，生成多个优化夹持参数；
将所述多个优化夹持参数分别传输至所述夹具控制单元，利用所述夹具控制单元控制所述夹具依次将所述多个橡胶手套样品固定至检测设备上。
本申请的第二个方面，提供了一种多层结构橡胶手套检测的固定装置，所述装置包括：
基础信息采集模块，用于对多个橡胶手套样品进行基础数据采集，获得多个样品尺寸信息和多个样品厚度信息；
目标样品基础信息获取模块，用于根据所述多个样品尺寸信息和所述多个样品厚度信息对所述多个橡胶手套样品进行一致性分析，获得目标样品基础信息，其中，所述目标样品基础信息具有一致性因子标识；
宽容带宽配置模块，用于基于所述目标样品基础信息匹配初始夹持参数，并根据所述一致性因子配置夹具的夹持参数宽容带宽；
监测数据集生成模块，用于将所述初始夹持参数传输至夹具控制单元，利用所述夹具控制单元控制夹具依次对所述多个橡胶手套样品进行夹持固定，并在预设夹持观测时间内调用固定监测组件进行固定监测，生成多个样品夹持监测数据集，其中，所述固定监测组件包括压力传感器阵列、红外摄像头，所述多个样品夹持监测数据集包括多个样品压力监测数据集和多个样品红外图像集；
边缘固定识别结果获得模块，用于遍历所述多个样品压力监测数据集进行手套边缘固定识别，获得多个样品边缘固定识别结果，其中，多个样品边缘固定识别结果具有异常边缘定位标识；
温度场异常识别结果获得模块，用于遍历所述多个样品红外图像集进行温度场异常识别，获得多个样品温度场异常识别结果，其中，所述多个样品温度场异常识别结果具有温度异常定位标识；
优化夹持参数生成模块，用于基于所述多个样品边缘固定识别结果和所述多个样品温度场异常识别结果对所述初始夹持参数进行聚焦优化，生成多个优化夹持参数；
样品固定模块，用于将所述多个优化夹持参数分别传输至所述夹具控制单元，利用所述夹具控制单元控制所述夹具依次将所述多个橡胶手套样品固定至检测设备上。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请通过对多个橡胶手套样品进行基础数据采集，获得多个样品尺寸信息和多个样品厚度信息，然后根据多个样品尺寸信息和多个样品厚度信息对多个橡胶手套样品进行一致性分析，获得目标样品基础信息，其中，目标样品基础信息具有一致性因子标识，进而基于目标样品基础信息匹配初始夹持参数，并根据一致性因子配置夹具的夹持参数宽容带宽，然后将初始夹持参数传输至夹具控制单元，利用夹具控制单元控制夹具依次对多个橡胶手套样品进行夹持固定，并在预设夹持观测时间内调用固定监测组件进行固定监测，生成多个样品夹持监测数据集，其中，固定监测组件包括压力传感器阵列、红外摄像头，多个样品夹持监测数据集包括多个样品压力监测数据集和多个样品红外图像集，遍历多个样品压力监测数据集进行手套边缘固定识别，获得多个样品边缘固定识别结果，其中，多个样品边缘固定识别结果包括多个异常压力传感器序列和多个异常压力数据集合，然后遍历多个样品红外图像集进行温度场异常识别，获得多个样品温度场异常识别结果，基于多个样品边缘固定识别结果和多个样品温度场异常识别结果对初始夹持参数分别进行聚焦优化，并根据夹持参数宽容带宽对优化过程进行约束，生成多个优化夹持参数，然后将多个优化夹持参数分别传输至夹具控制单元，利用夹具控制单元控制夹具依次将多个橡胶手套样品固定至检测设备上。达到了提升橡胶手套进行检测时固定的可靠性，根据实际固定情况对夹具夹持参数进行优化，提升固定与实际情况的贴合程度的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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的附图。
图1为本申请实施例提供的一种多层结构橡胶手套检测的固定方法流程示意图；
图2为本申请实施例提供的一种多层结构橡胶手套检测的固定装置结构示意图。
附图标记说明：基础信息采集模块11，目标样品基础信息获取模块12，宽容带宽配置模块13，监测数据集生成模块14，边缘固定识别结果获得模块15，温度场异常识别结果获得模块16，优化夹持参数生成模块17，样品固定模块18。
具体实施方式
本申请通过提供了一种多层结构橡胶手套检测的固定方法及装置，用于针对解决现有技术中橡胶手套检测时固定与手套实际情况贴合度较低，固定不可靠的技术问题。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，术语“包括”和“具有”以及他们的任何变形，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、装置、产品或服务器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模块。
实施例1
如图1所示，本申请提供了一种多层结构橡胶手套检测的固定方法，其中，所述方法包括：
S100：对多个橡胶手套样品进行基础数据采集，获得多个样品尺寸信息和多个样品厚度信息；
在一个可能的实施例中，所述多个橡胶手套样品均为多层结构橡胶手套，用于进行穿刺检测的同批次多层结构橡胶手套的普遍情况。所述穿刺检测用于对多层结构橡胶手套抵抗穿刺的能力进行检测，从而获得穿刺强度。在进行所述穿刺检测时需要将所述多个橡胶手套样品通过夹具固定在检测设备上，通过检测设备将锥形穿刺针以一定速度向下移动，将其穿透样品时的力值作为穿刺强度。多个橡胶手套样品的固定可靠性，对穿刺检测的准确性有着十分重要的影响。
通过利用尺寸测量装置分别对所述多个橡胶手套样品进行尺寸和厚度采集，获得所述多个样品尺寸信息和所述多个样品厚度信息，可选的，所述尺寸测量装置包括电子卡尺、测微计等。由此，实现了对多个橡胶手套样品的基础情况进行采集，为后续分析样品的一致程度提供数据支持，为确定检测设备固定所述多个橡胶手套样品所需要的初始夹持参数做铺垫的目标。
S200：根据所述多个样品尺寸信息和所述多个样品厚度信息对所述多个橡胶手套样品进行一致性分析，获得目标样品基础信息，其中，所述目标样品基础信息具有一致性因子标识；
S300：基于所述目标样品基础信息匹配初始夹持参数，并根据一致性因子配置夹具的夹持参数宽容带宽；
进一步的，所述初始夹持参数包括：固定点数量、固定点位置、夹具的夹持力。
进一步的，根据所述多个样品尺寸信息和所述多个样品厚度信息对所述多个橡胶手套样品进行一致性分析，获得目标样品基础信息，本申请实施例步骤S200还包括：
分别对所述多个样品尺寸信息和所述多个样品厚度信息进行密集度筛选，获得目标样品尺寸和目标样品厚度；
基于所述目标样品尺寸和所述多个样品尺寸信息进行方差计算，获得样品尺寸方差；
基于所述目标样品厚度和所述多个样品厚度信息进行方差计算，获得样品厚度方差；
根据所述目标样品尺寸和所述目标样品厚度，获得所述目标样品基础信息；
对所述样品尺寸方差和所述样品厚度方差进行均值计算，将计算结果作为一致性因子，并利用所述一致性因子对所述目标样品基础信息进行标识，获得所述一致性因子标识。
进一步的，分别对所述多个样品尺寸信息和所述多个样品厚度信息进行密集度筛选，获得目标样品尺寸和目标样品厚度，本申请实施例步骤S200还包括：
将所述多个样品尺寸信息中的每个样品尺寸信息作为一个粒子，构建多个样品尺寸粒子空间；
将所述多个样品尺寸粒子空间的重心位置作为多个起始筛选粒子，分别按照预设筛选尺度进行密集度筛选，获得多个中间筛选粒子；
判断所述多个中间筛选粒子与所述多个起始筛选粒子的密集度比值是否满足预设比值，若是，则从所述多个中间筛选粒子处继续进行密集度筛选；
若否，则利用随机数生成单元获得第一随机数，当所述第一随机数大于预设值时，从所述多个中间筛选粒子处继续进行密集度筛选；
经过预设次数的迭代筛选，将迭代筛选过程中密集度最大值对应的粒子作为目标粒子；
将所述目标粒子对应的样品尺寸信息作为目标样品尺寸信息。
在本申请的实施例中，基于所述多个样品尺寸信息和所述多个样品厚度信息对进行穿刺检测的多个橡胶手套样品的基础信息一致程度进行分析，获得一致性因子。若一致性因子比较高，说明样品质量比较稳定。在夹具根据初始夹持参数夹持完橡胶手套样品后，考虑到样品之间的差异性，需要根据不同样品的实际夹持情况进行夹具参数调整。若一致性因子比较高，则根据多个橡胶手套样品的普遍情况设定的初始夹持参数由于样品个体差异性原因进行夹具参数调整的幅度较小，因此对应的夹持参数宽容带宽就比较小。若一致性因子比较低，说明样品质量本身稳定性不高，在进行穿刺检测时需要根据样品的实际情况进行夹持参数调整的幅度就比较大，因此，对应的参数宽容带宽比较大。由此，达到了基于多个橡胶手套样品的普遍情况设定初始夹持参数，并根据样品一致程度确定每个橡胶手套样品进行夹持时允许的参数调整范围，从而在保证固定可靠性的基础上，提高夹持固定与每个橡胶手套样品的实际情况贴合程度的技术效果。
可选的，所述目标样品基础信息反映了所述多个橡胶手套样品的普遍情况，包括目标样品尺寸信息和目标样品厚度信息。所述初始夹持参数是检测设备的夹具对所述多个橡胶手套样品进行初始固定时的参数，包括固定点数量、固定点位置和夹具的夹持力。所述固定点数量为夹具与所述多个橡胶手套样品接触的点的数量。所述固定点位置用于对夹具与所述多个橡胶手套样品接触的点的位置进行描述。所述夹具的夹持力用于对夹具对所述多个橡胶手套样品施压的力的大小和方向进行描述。
可选的，通过获取多个样本样品基础信息和多个样本初始夹持参数作为映射数据，构建两者之间的映射关系，生成样品基础信息-初始夹持参数映射关系。进而以所述目标样品基础信息为索引，在所述样品基础信息-初始夹持参数映射关系中进行检索，从而获得所述初始夹持参数。基于同样的原理，由本领域技术人员构建所述一致性因子与所述夹持参数宽容带宽之间的映射关系，进而根据所述一致性因子匹配对应的夹持参数宽容带宽。其中，所述夹持参数宽容带宽为对初始夹持参数进行调整的幅度。
可选的，通过对所述多个样品尺寸信息和所述多个样品厚度信息进行密集度筛选，从而获得能够代表多个橡胶手套样品普遍情况的目标样品尺寸和目标样品厚度。在一种可实施方式中，通过分别计算所述多个样品尺寸信息和所述多个样品厚度信息的均值，获得所述目标样品尺寸和所述目标样品厚度。将所述目标样品尺寸和所述目标样品厚度作为所述目标样品基础信息。
在另一种可实施方式中，通过将所述多个样品尺寸信息中的每个样品尺寸信息作为一个粒子，构建多个样品尺寸粒子空间。然后，将所述多个样品尺寸粒子空间的重心位置作为多个起始筛选粒子。所述多个起始筛选粒子作为密集度筛选的起点，然后分别按照预设筛选尺度，在所述多个样品尺寸粒子空间中进行密集度筛选，获得多个中间筛选粒子。其中，所述预设筛选尺度为本领域技术人员自行设定的进行密集度筛选时单次移动的尺寸差值。进而，判断所述多个中间筛选粒子与所述多个起始筛选粒子的密集度比值是否满足预设比值，若是，则表明所述多个中间筛选粒子要比所述多个起始筛选粒子更具有代表性，则从所述多个中间筛选粒子处继续进行密集度筛选。其中，所述预设比值可以是1。其中，所述多个起始筛选粒子的密集度是以多个起始筛选粒子为圆心，以所述预设筛选尺度为半径构建的区域内的粒子数量比上区域面积的比值，反映了所述多个起始筛选粒子周围粒子的聚集程度。密集度越高，周围粒子的聚集程度越高。基于同样的原理，获得所述多个中间筛选粒子的密集度。
若否，则表明所述多个中间筛选粒子的代表性要低于所述多个起始筛选粒子，但是，为了避免陷入局部最优解，利用随机数生成单元获得第一随机数，当所述第一随机数大于预设值时，选择从所述多个中间筛选粒子处继续进行密集度筛选。其中，所述随机数生成单元嵌有Rand函数，用于随机生成[0,1]之间的任意值，可选的，所述预设值由本领域技术人员自行设定，可以是0.4。经过预设次数的迭代筛选，将迭代筛选过程中密集度最大值对应的粒子作为目标粒子。将所述目标粒子对应的样品尺寸信息作为目标样品尺寸信息。
基于获得所述目标样品尺寸信息同样的原理，根据所述多个样品厚度信息构建多个样品厚度粒子空间，分别在所述多个样品厚度粒子空间内进行密集度筛选，从而获得所述目标样品厚度信息。
在本申请的实施例中，通过分别对所述基于所述目标样品尺寸和所述多个样品尺寸信息进行方差计算，获得样品尺寸方差。进而，基于所述目标样品厚度和所述多个样品厚度信息进行方差计算，获得样品厚度方差。通过计算所述样品尺寸方差的均值和所述样品厚度方差的均值，从而获得所述一致性因子。所述一致性因子反映了所述多个橡胶手套样品的质量一致程度，并利用所述一致性因子对所述目标样品基础信息进行标识，获得所述一致性因子标识。
S400：将所述初始夹持参数传输至夹具控制单元，利用所述夹具控制单元控制夹具依次对所述多个橡胶手套样品进行夹持固定，并在预设夹持观测时间内调用固定监测组件进行固定监测，生成多个样品夹持监测数据集，其中，所述固定监测组件包括压力传感器阵列、红外摄像头，所述多个样品夹持监测数据集包括多个样品压力监测数据集和多个样品红外图像集；
在一个可能的实施例中，将所述初始夹持参数传输至夹具控制单元。其中，所述夹具控制单元用于对夹具的夹持情况进行智能控制。进而，利用所述夹具控制单元控制夹具依次对所述多个橡胶手套样品进行夹持固定，并在预设夹持观测时间内调用固定监测组件进行固定监测，生成多个样品夹持监测数据集。其中，所述预设夹持观测时间是本领域技术人员预先设定的对多个橡胶手套样品夹持后的固定情况进行观测的时间段。所述固定监测组件用于对多个橡胶手套样品的夹持固定情况进行监测，包括压力传感器阵列、红外摄像头。所述多个样品夹持监测数据集包括多个样品压力监测数据集和多个样品红外图像集，从压力变化和应力集中情况两个维度反映了所述多个橡胶手套样品的夹持情况。通过获得所述多个样品夹持监测数据集，达到了为后续进行固定质量分析提供可靠的分析数据的技术效果。
S500：遍历所述多个样品压力监测数据集进行手套边缘固定识别，获得多个样品边缘固定识别结果，其中，所述多个样品边缘固定识别结果包括多个异常压力传感器序列和多个异常压力数据集合；
进一步的，遍历所述多个样品压力监测数据集进行手套边缘固定识别，获得多个样品边缘固定识别结果，本申请实施例步骤S500还包括：
根据所述多个样品压力监测数据集进行梯度分析，并分别提取每个样品压力监测数据集中的N个样品压力监测数据的梯度最大值发生时间点，获得多个样品压力极限时刻集合，其中，所述N个样品压力监测数据为所述压力传感器阵列中N个压力传感器在所述预设夹持观测时间内的压力变化曲线；
以所述多个样品压力极限时刻集合为索引对所述多个样品压力监测数据集进行提取，获得多个样品极限压力集合；
判断所述多个样品极限压力集合是否大于等于预设样品极限压力阈值；
若是，则将对应的样品极限时刻添加进多个样品异常压力极限时刻集合；
按照时间从小到大的顺序分别对所述多个样品异常压力极限时刻集合进行排序，获得多个样品异常压力极限时刻序列；
根据所述多个样品异常压力极限时刻序列获得所述多个样品边缘固定识别结果。
进一步的，根据所述多个样品异常压力极限时刻序列获得所述多个样品边缘固定识别结果，本申请实施例步骤S500还包括：
基于所述多个样品异常压力极限时刻序列配置多个异常压力传感器序列，其中，每个异常压力传感器序列中的异常压力传感器具有位置标识；
基于所述N个样品压力监测数据获取所述多个异常压力传感器序列，在对应的样品压力极限时刻的压力数据，生成多个异常压力数据集合；
将所述多个异常压力传感器序列和所述多个异常压力数据集合作为所述多个样品边缘固定识别结果。
在一个可能的实施例中，当橡胶手套进行穿刺检测时，如果固定点处夹具的夹持力过大，会导致橡胶手套的边缘破裂或破损，从而影响穿刺检测的进行。遍历所述多个样品压力监测数据集进行手套边缘固定识别，从而获得所述多个样品边缘固定识别结果，其中，所述多个样品边缘固定识别结果包括多个异常压力传感器序列和多个异常压力数据集合。所述多个异常压力传感器序列为多个橡胶手套样品在预设夹持观测时间内压力变化异常的固定点位置处的压力传感器序列。所述多个异常压力数据集合反映了多个橡胶手套样品在预设夹持观测时间内压力变化异常的固定点位置处异常压力数据。
可选的，所述多个样品压力监测数据集为多个橡胶手套样品进行固定时压力传感器采集到的压力变化数据，每个样品压力监测数据集包括多个固定点位置处压力变化曲线。所述压力传感器阵列中具有N个压力传感器。所述N个样品压力监测数据为所述压力传感器阵列中N个压力传感器在所述预设夹持观测时间内的压力变化曲线。
可选的，分别对所述N个样品压力监测数据进行梯度计算，并将每个样品压力监测数据集中的N个样品压力监测数据的梯度最大值发生时间点，也就是获得多个橡胶手套样品的边缘发生破损的时间点或者多个橡胶手套样品被夹持的时间点，此时压力变化速率最大，从而获得所述多个样品压力极限时刻集合。进而，以所述多个样品压力极限时刻集合中时间点为索引，对所述多个样品压力监测数据集进行压力数据提取，从而获得所述多个样品极限压力集合。
在一个实施例中，判断所述多个样品极限压力集合是否大于等于预设样品极限压力阈值，其中，预设样品极限压力阈值为本领域技术人员自行设定的压力阈值。若是，则表明对应固定点位置的橡胶手套样品边缘发生破损，则将对应的样品极限时刻添加进多个样品异常压力极限时刻集合。若否，则表明此时为将多个橡胶手套样品进行夹持的时刻，此时，将手套边缘固定合格作为所述多个样品边缘固定识别结果。
进而，按照时间从小到大的顺序分别对所述多个样品异常压力极限时刻集合进行排序，获得多个样品异常压力极限时刻序列。其中，所述多个样品异常压力极限时刻序列反映了多个橡胶手套样品进行固定后，不同异常固定位置发生破损的先后情况。进而，根据所述多个样品异常压力极限时刻序列获得所述多个样品边缘固定识别结果。
在一个可能的实施例中，基于所述多个样品异常压力极限时刻序列对应的固定点位置，与所述压力传感器阵列各个压力传感器的布设位置进行匹配，获得多个异常压力传感器序列，其中，每个异常压力传感器序列中的异常压力传感器具有位置标识。进而，基于所述N个样品压力监测数据获取所述多个异常压力传感器序列，在对应的样品压力极限时刻的压力数据，生成多个异常压力数据集合。将所述多个异常压力传感器序列和所述多个异常压力数据集合作为所述多个样品边缘固定识别结果。达到了对多个橡胶手套样品进行固定时破损的边缘进行可靠识别并定位的技术效果。
S600：遍历所述多个样品红外图像集进行温度场异常识别，获得多个样品温度场异常识别结果；
进一步的，遍历所述多个样品红外图像集进行温度场异常识别，获得多个样品温度场异常识别结果，本申请实施例步骤S600还包括：
从所述多个样品红外图像集中提取第一样品红外图像集；
基于所述第一样品红外图像集中每个像素点的红外辐射强度构建第一样品温度场，其中，所述第一样品温度场中每个像素点具有相应的目标红外温度，所述目标红外温度为像素点在所述预设夹持观测时间内的红外辐射强度均值进行转换后获得的温度值；
利用偏离识别网络层对所述第一样品温度场与基准样品温度场进行识别，获得第一偏离度，将所述第一偏离度作为所述多个样品温度场异常识别结果；
根据所述多个样品红外图像集获得所述多个样品温度场异常识别结果。
在本申请的实施例中，当所述多个橡胶手套样品固定不合适时，手套表面部分区域会存在过大的应力，此时对应区域的温度会较高。所述多个样品红外图像集从侧面反映了所述多个橡胶手套样品的应力分布情况。进而，对所述多个样品红外图像集进行温度场异常识别，从而获得所述多个样品温度场异常识别结果。
可选的，基于所述第一样品红外图像集中每个像素点的红外辐射强度构建第一样品温度场，其中，所述第一样品温度场中每个像素点具有相应的目标红外温度，所述目标红外温度为像素点在所述预设夹持观测时间内的红外辐射强度均值进行转换后获得的温度值。也就是说，分别对每个像素点在所述预设夹持观测时间内的第一样品红外图像集中的红外辐射强度进行均值计算，获得每个像素点的目标红外温度。然后根据每个像素点的目标红外温度，结合每个像素点在图像中的位置，构建所述第一样品温度场。
可选的，利用偏离识别网络层对所述第一样品温度场与基准样品温度场进行识别，确定所述第一样品温度场和所述基准样品温度场的不一致程度，获得第一偏离度，将所述第一偏离度作为所述多个样品温度场异常识别结果。其中，所述基准样品温度场为根据所述目标样品基础信息确定的橡胶手套样品可靠固定后的温度场。
可选的，所述偏离识别网络层的输入数据为第一样品温度场与基准样品温度场，输出数据为第一偏离度。通过获取多个样本样品温度场、多个样本基准样品温度场和多个样本第一偏离度作为训练数据，利用卷积神经网络对训练数据中两个自变量和一个因变量之间映射关系进行训练识别，构建所述偏离识别网络层。可选的，所述偏离识别网络层选取的BP网络层数为3，具有2个输入节点，隐含层具有4~5个节点，输出层具有1个节点。且，输入层和隐层之间使用传递函数，隐层和输出层之间使用logsig函数，并利用rainlm函数进行卷积神经网络的训练，直至训练误差在预设误差范围内，停止训练，获得所述偏离识别网络层。进而，基于同样的识别原理，根据所述多个样品红外图像集获得所述多个样品温度场异常识别结果。
S700：基于所述多个样品边缘固定识别结果和所述多个样品温度场异常识别结果对所述初始夹持参数分别进行聚焦优化，并根据所述夹持参数宽容带宽对优化过程进行约束，生成多个优化夹持参数；
进一步的，基于所述多个样品边缘固定识别结果和所述多个样品温度场异常识别结果对所述初始夹持参数进行聚焦优化，生成多个优化夹持参数，本申请实施例步骤S700还包括：
根据所述多个样品温度场异常识别结果确定多个全局优化微调步长；
判断所述多个全局优化微调步长是否小于等于所述夹持参数宽容带宽，若否，则生成第一预警信息，并将所述第一预警信息发送至工作人员；
若是，则基于所述多个全局优化微调步长对所述初始夹持参数进行同步调整，获得多个阶段夹持参数；
根据所述多个样品边缘固定识别结果对所述多个阶段夹持参数进行聚焦优化，获得所述多个优化夹持参数。
进一步的，根据所述多个样品边缘固定识别结果对所述多个阶段夹持参数进行聚焦优化，获得所述多个优化夹持参数，本申请实施例步骤S700还包括：
基于所述多个异常压力数据集合配置多个聚焦优化微调步长集合；
分别判断所述多个聚焦优化微调步长集合与所述多个全局优化微调步长的和是否均小于等于所述夹持参数宽容带宽，若否，则生成第二预警信息，并将所述第二预警信息发送至工作人员；
若是，则提取所述多个样品边缘固定识别结果中的所述多个异常压力传感器序列相应的多个固定点位置序列，并根据所述多个聚焦优化微调步长集合对所述多个固定点位置序列处的子夹持参数进行调整，获得所述多个优化夹持参数。
在一个可能的实施例中，在获得所述多个样品边缘固定识别结果和所述多个样品温度场异常识别结果之后，对所述初始夹持参数分别进行聚集优化，对异常的位置对应的子夹持参数进行调整，并在优化过程中以满足所述夹持参数宽容带宽为约束，从而获得所述多个优化夹持参数。
可选的，先对所述多个样品温度场异常识别结果进行分析，确定检测设备的夹具参数整体需要调整的参数幅度，获得所述多个全局优化微调步长。然后，根据所述多个样品边缘固定识别结果对所述多个阶段夹持参数进行更具有针对性的聚焦优化，从而获得所述多个优化夹持参数。其中，所述多个全局优化微调步长为多个橡胶手套样品在检测设备上固定时需要对初始夹持参数进行调整的幅度。通过由本领域技术人员根据多个样本样品温度场异常识别结果与多个样本全局优化微调步长，构建温度场异常识别结果-全局优化微调步长映射关系，进而，以所述多个样品温度场异常识别结果为索引，对温度场异常识别结果-全局优化微调步长映射关系进行检索，从而获得所述多个全局优化微调步长。
进而，判断所述多个全局优化微调步长是否小于等于所述夹持参数宽容带宽，若否，表明需要调整的幅度已经超过了允许的范围，此时可能检测设备自身出了问题，需要进行检修，生成第一预警信息，并将所述第一预警信息发送至工作人员，由工作人员进行故障排查。若是，则基于所述多个全局优化微调步长对所述初始夹持参数进行同步调整，从而获得多个阶段夹持参数，进而根据所述多个样品边缘固定识别结果对所述多个阶段夹持参数进行聚焦优化，获得所述多个优化夹持参数。
在一个可能的实施例中，基于所述多个异常压力数据集合配置多个聚焦优化微调步长集合。通过构建聚焦优化识别网络层，将所述多个异常压力数据集合传输至所述聚焦优化识别网络层中，输出所述多个聚焦优化微调步长集合。其中，所述多个聚焦优化微调步长集合为所述多个橡胶手套样品进行固定时，需要对检测设备中产生异常压力数据的位置进行夹持参数微调的幅度集合。可选的，通过获取多个样本异常压力数据和多个样本聚焦优化微调步长作为聚焦训练数据，并利用所述聚焦训练数据对基于卷积神经网络构建的网络层进行训练，从而网络层对异常压力数据和聚焦优化微调步长之间的映射关系进行学习，直至输出满足要求时，停止训练，获得训练完成的所述聚焦优化识别网络层。
分别判断所述多个聚焦优化微调步长集合与所述多个全局优化微调步长的和是否均小于等于所述夹持参数宽容带宽，若否，则表明有些固定点需要调整的幅度超出了要求，生成第二预警信息，并将所述第二预警信息发送至工作人员进行故障排查。若是，则提取所述多个样品边缘固定识别结果中的所述多个异常压力传感器序列相应的多个固定点位置序列，并根据所述多个聚焦优化微调步长集合对所述多个固定点位置序列处的子夹持参数进行调整，不需要调整的布设位置处的子夹持参数仍为对应的阶段夹持参数，从而汇总后获得所述多个优化夹持参数。
S800：将所述多个优化夹持参数分别传输至所述夹具控制单元，利用所述夹具控制单元控制所述夹具依次将所述多个橡胶手套样品固定至检测设备上。
在本申请的实施例中，分别将所述多个优化夹持参数传输至所述夹具控制单元中，从而利用所述夹具控制单元控制所述夹具依次将所述多个橡胶手套样品固定至检测设备上。达到了根据每个橡胶手套样品实际的夹持情况，对夹持参数进行聚焦优化，提升固定可靠度的技术效果。
综上所述，本申请实施例至少具有如下技术效果：
本申请通过对多个橡胶手套样品的普遍水平进行分析，确定初始夹持参数，并根据多个橡胶手套样品的一致性程度匹配夹持参数宽容带宽，实现了为后续根据每个橡胶手套样品的实际固定情况进行适应性调整提供约束的目标，然后，利用夹具控制单元根据初始夹持参数控制夹具依次对多个橡胶手套样品进行夹持固定，并在预设夹持观测时间内调用固定监测组件进行固定监测，获得多个样品夹持监测数据集，进而，从压力和温度两个维度分别对多个样品夹持监测数据集进行分析，确定多个样品边缘固定识别结果和多个样品温度场异常识别结果，实现了为后续进行聚焦优化提供数据支持的目标，然后，基于多个样品边缘固定识别结果和多个样品温度场异常识别结果对初始夹持参数分别进行聚焦优化，生成多个优化夹持参数，然后将多个优化夹持参数分别传输至夹具控制单元，利用夹具控制单元控制夹具依次将多个橡胶手套样品固定至检测设备上。达到了提高橡胶手套检测时固定与实际情况的贴合度的技术效果。
实施例2
基于与前述实施例中一种多层结构橡胶手套检测的固定方法相同的发明构思，如图2所示，本申请提供了一种多层结构橡胶手套检测的固定装置，本申请实施例中的装置与方法实施例基于同样的发明构思。其中，所述装置包括：
基础信息采集模块11，用于对多个橡胶手套样品进行基础数据采集，获得多个样品尺寸信息和多个样品厚度信息；
目标样品基础信息获取模块12，用于根据所述多个样品尺寸信息和所述多个样品厚度信息对所述多个橡胶手套样品进行一致性分析，获得目标样品基础信息，其中，所述目标样品基础信息具有一致性因子标识；
宽容带宽配置模块13，用于基于所述目标样品基础信息匹配初始夹持参数，并根据所述一致性因子配置夹具的夹持参数宽容带宽；
监测数据集生成模块14，用于将所述初始夹持参数传输至夹具控制单元，利用所述夹具控制单元控制夹具依次对所述多个橡胶手套样品进行夹持固定，并在预设夹持观测时间内调用固定监测组件进行固定监测，生成多个样品夹持监测数据集，其中，所述固定监测组件包括压力传感器阵列、红外摄像头，所述多个样品夹持监测数据集包括多个样品压力监测数据集和多个样品红外图像集；
边缘固定识别结果获得模块15，用于遍历所述多个样品压力监测数据集进行手套边缘固定识别，获得多个样品边缘固定识别结果，其中，多个样品边缘固定识别结果具有异常边缘定位标识；
温度场异常识别结果获得模块16，用于遍历所述多个样品红外图像集进行温度场异常识别，获得多个样品温度场异常识别结果，其中，所述多个样品温度场异常识别结果具有温度异常定位标识；
优化夹持参数生成模块17，用于基于所述多个样品边缘固定识别结果和所述多个样品温度场异常识别结果对所述初始夹持参数进行聚焦优化，生成多个优化夹持参数；
样品固定模块18，用于将所述多个优化夹持参数分别传输至所述夹具控制单元，利用所述夹具控制单元控制所述夹具依次将所述多个橡胶手套样品固定至检测设备上。
进一步的，所述初始夹持参数包括：固定点数量、固定点位置、夹具的夹持力。
进一步的，所述目标样品基础信息获取模块12用于执行如下步骤：
分别对所述多个样品尺寸信息和所述多个样品厚度信息进行密集度筛选，获得目标样品尺寸和目标样品厚度；
基于所述目标样品尺寸和所述多个样品尺寸信息进行方差计算，获得样品尺寸方差；
基于所述目标样品厚度和所述多个样品厚度信息进行方差计算，获得样品厚度方差；
根据所述目标样品尺寸和所述目标样品厚度，获得所述目标样品基础信息；
对所述样品尺寸方差和所述样品厚度方差进行均值计算，将计算结果作为一致性因子，并利用所述一致性因子对所述目标样品基础信息进行标识，获得所述一致性因子标识。
进一步的，所述目标样品基础信息获取模块12用于执行如下步骤：
将所述多个样品尺寸信息中的每个样品尺寸信息作为一个粒子，构建多个样品尺寸粒子空间；
将所述多个样品尺寸粒子空间的重心位置作为多个起始筛选粒子，分别按照预设筛选尺度进行密集度筛选，获得多个中间筛选粒子；
判断所述多个中间筛选粒子与所述多个起始筛选粒子的密集度比值是否满足预设比值，若是，则从所述多个中间筛选粒子处继续进行密集度筛选；
若否，则利用随机数生成单元获得第一随机数，当所述第一随机数大于预设值时，从所述多个中间筛选粒子处继续进行密集度筛选；
经过预设次数的迭代筛选，将迭代筛选过程中密集度最大值对应的粒子作为目标粒子；
将所述目标粒子对应的样品尺寸信息作为目标样品尺寸信息。
进一步的，所述边缘固定识别结果获得模块15用于执行如下步骤：
根据所述多个样品压力监测数据集进行梯度分析，并分别提取每个样品压力监测数据集中的N个样品压力监测数据的梯度最大值发生时间点，获得多个样品压力极限时刻集合，其中，所述N个样品压力监测数据为所述压力传感器阵列中N个压力传感器在所述预设夹持观测时间内的压力变化曲线；
以所述多个样品压力极限时刻集合为索引对所述多个样品压力监测数据集进行提取，获得多个样品极限压力集合；
判断所述多个样品极限压力集合是否大于等于预设样品极限压力阈值；
若是，则将对应的样品极限时刻添加进多个样品异常压力极限时刻集合；
按照时间从小到大的顺序分别对所述多个样品异常压力极限时刻集合进行排序，获得多个样品异常压力极限时刻序列；
根据所述多个样品异常压力极限时刻序列获得所述多个样品边缘固定识别结果。
进一步的，所述边缘固定识别结果获得模块15用于执行如下步骤：
基于所述多个样品异常压力极限时刻序列配置多个异常压力传感器序列，其中，每个异常压力传感器序列中的异常压力传感器具有位置标识；
基于所述N个样品压力监测数据获取所述多个异常压力传感器序列，在对应的样品压力极限时刻的压力数据，生成多个异常压力数据集合；
将所述多个异常压力传感器序列和所述多个异常压力数据集合作为所述多个样品边缘固定识别结果。
进一步的，所述优化夹持参数生成模块17用于执行如下步骤：
根据所述多个样品温度场异常识别结果确定多个全局优化微调步长；
判断所述多个全局优化微调步长是否小于等于所述夹持参数宽容带宽，若否，则生成第一预警信息，并将所述第一预警信息发送至工作人员；
若是，则基于所述多个全局优化微调步长对所述初始夹持参数进行同步调整，获得多个阶段夹持参数；
根据所述多个样品边缘固定识别结果对所述多个阶段夹持参数进行聚焦优化，获得所述多个优化夹持参数。
进一步的，所述优化夹持参数生成模块17用于执行如下步骤：
基于所述多个异常压力数据集合配置多个聚焦优化微调步长集合；
分别判断所述多个聚焦优化微调步长集合与所述多个全局优化微调步长的和是否均小于等于所述夹持参数宽容带宽，若否，则生成第二预警信息，并将所述第二预警信息发送至工作人员；
若是，则提取所述多个样品边缘固定识别结果中的所述多个异常压力传感器序列相应的多个固定点位置序列，并根据所述多个聚焦优化微调步长集合对所述多个固定点位置序列处的子夹持参数进行调整，获得所述多个优化夹持参数。
进一步的，所述温度场异常识别结果获得模块16用于执行如下步骤：
从所述多个样品红外图像集中提取第一样品红外图像集；
基于所述第一样品红外图像集中每个像素点的红外辐射强度构建第一样品温度场，其中，所述第一样品温度场中每个像素点具有相应的目标红外温度，所述目标红外温度为像素点在所述预设夹持观测时间内的红外辐射强度均值进行转换后获得的温度值；
利用偏离识别网络层对所述第一样品温度场与基准样品温度场进行识别，获得第一偏离度，将所述第一偏离度作为所述多个样品温度场异常识别结果；
根据所述多个样品红外图像集获得所述多个样品温度场异常识别结果。
需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.一种多层结构橡胶手套检测的固定方法，其特征在于，所述方法包括：
对多个橡胶手套样品进行基础数据采集，获得多个样品尺寸信息和多个样品厚度信息；
根据所述多个样品尺寸信息和所述多个样品厚度信息对所述多个橡胶手套样品进行一致性分析，获得目标样品基础信息，其中，所述目标样品基础信息具有一致性因子标识；
基于所述目标样品基础信息匹配初始夹持参数，并根据一致性因子配置夹具的夹持参数宽容带宽，其中，所述初始夹持参数是检测设备的夹具对所述多个橡胶手套样品进行初始固定时的参数，所述初始夹持参数包括：固定点数量、固定点位置、夹具的夹持力；
将所述初始夹持参数传输至夹具控制单元，利用所述夹具控制单元控制夹具依次对所述多个橡胶手套样品进行夹持固定，并在预设夹持观测时间内调用固定监测组件进行固定监测，生成多个样品夹持监测数据集，其中，所述固定监测组件包括压力传感器阵列、红外摄像头，所述多个样品夹持监测数据集包括多个样品压力监测数据集和多个样品红外图像集；
遍历所述多个样品压力监测数据集进行手套边缘固定识别，获得多个样品边缘固定识别结果，其中，所述多个样品边缘固定识别结果包括多个异常压力传感器序列和多个异常压力数据集合；
遍历所述多个样品红外图像集进行温度场异常识别，获得多个样品温度场异常识别结果；
基于所述多个样品边缘固定识别结果和所述多个样品温度场异常识别结果对所述初始夹持参数分别进行聚焦优化，并根据所述夹持参数宽容带宽对优化过程进行约束，生成多个优化夹持参数；
将所述多个优化夹持参数分别传输至所述夹具控制单元，利用所述夹具控制单元控制所述夹具依次将所述多个橡胶手套样品固定至检测设备上；
其中，所述根据所述多个样品尺寸信息和所述多个样品厚度信息对所述多个橡胶手套样品进行一致性分析，获得目标样品基础信息，包括：
分别对所述多个样品尺寸信息和所述多个样品厚度信息进行密集度筛选，获得目标样品尺寸和目标样品厚度；
基于所述目标样品尺寸和所述多个样品尺寸信息进行方差计算，获得样品尺寸方差；
基于所述目标样品厚度和所述多个样品厚度信息进行方差计算，获得样品厚度方差；
根据所述目标样品尺寸和所述目标样品厚度，获得所述目标样品基础信息；
对所述样品尺寸方差和所述样品厚度方差进行均值计算，将计算结果作为一致性因子，并利用所述一致性因子对所述目标样品基础信息进行标识，获得所述一致性因子标识。
2.如权利要求1所述的方法，其特征在于，分别对所述多个样品尺寸信息和所述多个样品厚度信息进行密集度筛选，获得目标样品尺寸和目标样品厚度，所述方法包括：
将所述多个样品尺寸信息中的每个样品尺寸信息作为一个粒子，构建多个样品尺寸粒子空间；
将所述多个样品尺寸粒子空间的重心位置作为多个起始筛选粒子，分别按照预设筛选尺度进行密集度筛选，获得多个中间筛选粒子；
判断所述多个中间筛选粒子与所述多个起始筛选粒子的密集度比值是否满足预设比值，若是，则从所述多个中间筛选粒子处继续进行密集度筛选；
若否，则利用随机数生成单元获得第一随机数，当所述第一随机数大于预设值时，从所述多个中间筛选粒子处继续进行密集度筛选；
经过预设次数的迭代筛选，将迭代筛选过程中密集度最大值对应的粒子作为目标粒子；
将所述目标粒子对应的样品尺寸信息作为目标样品尺寸信息。
3.如权利要求1所述的方法，其特征在于，遍历所述多个样品压力监测数据集进行手套边缘固定识别，获得多个样品边缘固定识别结果，所述方法包括：
根据所述多个样品压力监测数据集进行梯度分析，并分别提取每个样品压力监测数据集中的N个样品压力监测数据的梯度最大值发生时间点，获得多个样品压力极限时刻集合，其中，所述N个样品压力监测数据为所述压力传感器阵列中N个压力传感器在所述预设夹持观测时间内的压力变化曲线；
以所述多个样品压力极限时刻集合为索引对所述多个样品压力监测数据集进行提取，获得多个样品极限压力集合；
判断所述多个样品极限压力集合是否大于等于预设样品极限压力阈值；
若是，则将对应的样品极限时刻添加进多个样品异常压力极限时刻集合；
按照时间从小到大的顺序分别对所述多个样品异常压力极限时刻集合进行排序，获得多个样品异常压力极限时刻序列；
根据所述多个样品异常压力极限时刻序列获得所述多个样品边缘固定识别结果。
4.如权利要求3所述的方法，其特征在于，根据所述多个样品异常压力极限时刻序列获得所述多个样品边缘固定识别结果，所述方法包括：
基于所述多个样品异常压力极限时刻序列配置多个异常压力传感器序列，其中，每个异常压力传感器序列中的异常压力传感器具有位置标识；
基于所述N个样品压力监测数据获取所述多个异常压力传感器序列，在对应的样品压力极限时刻的压力数据，生成多个异常压力数据集合；
将所述多个异常压力传感器序列和所述多个异常压力数据集合作为所述多个样品边缘固定识别结果。
5.如权利要求1所述的方法，其特征在于，基于所述多个样品边缘固定识别结果和所述多个样品温度场异常识别结果对所述初始夹持参数进行聚焦优化，生成多个优化夹持参数，所述方法包括：
根据所述多个样品温度场异常识别结果确定多个全局优化微调步长；
判断所述多个全局优化微调步长是否小于等于所述夹持参数宽容带宽，若否，则生成第一预警信息，并将所述第一预警信息发送至工作人员；
若是，则基于所述多个全局优化微调步长对所述初始夹持参数进行同步调整，获得多个阶段夹持参数；
根据所述多个样品边缘固定识别结果对所述多个阶段夹持参数进行聚焦优化，获得所述多个优化夹持参数。
6.如权利要求5所述的方法，其特征在于，根据所述多个样品边缘固定识别结果对所述多个阶段夹持参数进行聚焦优化，获得所述多个优化夹持参数，所述方法包括：
基于所述多个异常压力数据集合配置多个聚焦优化微调步长集合；
分别判断所述多个聚焦优化微调步长集合与所述多个全局优化微调步长的和是否均小于等于所述夹持参数宽容带宽，若否，则生成第二预警信息，并将所述第二预警信息发送至工作人员；
若是，则提取所述多个样品边缘固定识别结果中的所述多个异常压力传感器序列相应的多个固定点位置序列，并根据所述多个聚焦优化微调步长集合对所述多个固定点位置序列处的子夹持参数进行调整，获得所述多个优化夹持参数。
7.如权利要求1所述的方法，其特征在于，遍历所述多个样品红外图像集进行温度场异常识别，获得多个样品温度场异常识别结果，所述方法包括：
从所述多个样品红外图像集中提取第一样品红外图像集；
基于所述第一样品红外图像集中每个像素点的红外辐射强度构建第一样品温度场，其中，所述第一样品温度场中每个像素点具有相应的目标红外温度，所述目标红外温度为像素点在所述预设夹持观测时间内的红外辐射强度均值进行转换后获得的温度值；
利用偏离识别网络层对所述第一样品温度场与基准样品温度场进行识别，获得第一偏离度，将所述第一偏离度作为所述多个样品温度场异常识别结果；
根据所述多个样品红外图像集获得所述多个样品温度场异常识别结果。
8.一种多层结构橡胶手套检测的固定装置，其特征在于，所述装置用于实施权利要求1-7任一项所述的一种多层结构橡胶手套检测的固定方法，所述装置包括：
基础信息采集模块，用于对多个橡胶手套样品进行基础数据采集，获得多个样品尺寸信息和多个样品厚度信息；
目标样品基础信息获取模块，用于根据所述多个样品尺寸信息和所述多个样品厚度信息对所述多个橡胶手套样品进行一致性分析，获得目标样品基础信息，其中，所述目标样品基础信息具有一致性因子标识；
宽容带宽配置模块，用于基于所述目标样品基础信息匹配初始夹持参数，并根据所述一致性因子配置夹具的夹持参数宽容带宽，其中，所述初始夹持参数是检测设备的夹具对所述多个橡胶手套样品进行初始固定时的参数，所述初始夹持参数包括：固定点数量、固定点位置、夹具的夹持力；
监测数据集生成模块，用于将所述初始夹持参数传输至夹具控制单元，利用所述夹具控制单元控制夹具依次对所述多个橡胶手套样品进行夹持固定，并在预设夹持观测时间内调用固定监测组件进行固定监测，生成多个样品夹持监测数据集，其中，所述固定监测组件包括压力传感器阵列、红外摄像头，所述多个样品夹持监测数据集包括多个样品压力监测数据集和多个样品红外图像集；
边缘固定识别结果获得模块，用于遍历所述多个样品压力监测数据集进行手套边缘固定识别，获得多个样品边缘固定识别结果，其中，多个样品边缘固定识别结果具有异常边缘定位标识；
温度场异常识别结果获得模块，用于遍历所述多个样品红外图像集进行温度场异常识别，获得多个样品温度场异常识别结果，其中，所述多个样品温度场异常识别结果具有温度异常定位标识；
优化夹持参数生成模块，用于基于所述多个样品边缘固定识别结果和所述多个样品温度场异常识别结果对所述初始夹持参数进行聚焦优化，生成多个优化夹持参数；
样品固定模块，用于将所述多个优化夹持参数分别传输至所述夹具控制单元，利用所述夹具控制单元控制所述夹具依次将所述多个橡胶手套样品固定至检测设备上。
CN202410631865.1A 2024-05-21 2024-05-21 一种多层结构橡胶手套检测的固定方法及装置 Active CN118209405B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410631865.1A CN118209405B (zh) 2024-05-21 2024-05-21 一种多层结构橡胶手套检测的固定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410631865.1A CN118209405B (zh) 2024-05-21 2024-05-21 一种多层结构橡胶手套检测的固定方法及装置

Publications (2)

Publication Number Publication Date
CN118209405A CN118209405A (zh) 2024-06-18
CN118209405B true CN118209405B (zh) 2024-09-13

Family

ID=91450897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410631865.1A Active CN118209405B (zh) 2024-05-21 2024-05-21 一种多层结构橡胶手套检测的固定方法及装置

Country Status (1)

Country Link
CN (1) CN118209405B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108426785A (zh) * 2018-01-29 2018-08-21 重庆交通大学 一种基于大数据的岩土介质强度测试分析方法
CN116026406A (zh) * 2022-12-15 2023-04-28 汪振中 一种多功能远程摄像调节的汽车仪表盘自动检测工装

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021212756A1 (zh) * 2020-04-23 2021-10-28 平安科技（深圳）有限公司 指标异常分析方法、装置、电子设备及存储介质
CN116452919A (zh) * 2023-04-20 2023-07-18 苏州鸿鹄骐骥电子科技有限公司 基于信息熵卷积神经网络的芯片表面缺陷识别方法
CN116227754B (zh) * 2023-05-09 2023-07-25 张家港大裕橡胶制品有限公司 一种橡胶手套的生产自适应优化控制方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108426785A (zh) * 2018-01-29 2018-08-21 重庆交通大学 一种基于大数据的岩土介质强度测试分析方法
CN116026406A (zh) * 2022-12-15 2023-04-28 汪振中 一种多功能远程摄像调节的汽车仪表盘自动检测工装

Also Published As

Publication number Publication date
CN118209405A (zh) 2024-06-18

Similar Documents

Publication Publication Date Title
CN111862067B (zh) 一种焊接缺陷检测方法、装置、电子设备以及存储介质
CN107862338B (zh) 基于双检验法的海洋环境监测数据质量管理方法及系统
GB2453446A (en) Method and system for quantifying damage in a structure
CN106568983A (zh) 一种医疗实验室自动流水线检测系统的室内质量控制系统
CN117152152B (zh) 检测试剂盒的生产管理系统及方法
CN114460439A (zh) 一种数字集成电路测试系统
CN108393744B (zh) 一种刀具状态多传感监测方法
CN118209405B (zh) 一种多层结构橡胶手套检测的固定方法及装置
JP2020042668A (ja) 検査装置及び機械学習方法
CN104103543B (zh) 晶圆缺陷尺寸校正方法
CN114186586A (zh) 基于二维卷积神经网络的损伤识别方法及设备
CN112598666B (zh) 一种基于卷积神经网络的电缆隧道异常检测方法
CN114186624A (zh) 基于二维卷积神经网络的损伤识别模型建立方法及设备
CN101592692B (zh) 测量机台的评估方法
CN108732210B (zh) 一种基于阻抗谱的压电器件结构缺陷检测方法
CN117077505B (zh) 一种基于测试性评价的装备机内故障诊断器设计方法
JPS6298262A (ja) 臨床検査システムにおける再検査処理方式
CN117309624B (zh) 一种感温电缆性能评价方法及系统
KR102287776B1 (ko) 머신러닝 기법을 활용한 탄소-케블라 하이브리드 직물의 충격손상 감지 및 충격자 형상 예측 방법 및 장치
Issac Alex et al. Real-time Defect Detection in Production of NTC Thermistor Discs
CN115791384B (zh) 一种基于机器视觉的球压试验压痕测量系统
CN116304807A (zh) 基于稀疏表示分类器质量测量的温度解耦方法及系统
CN116525482B (zh) 一种半导体检测设备标定的方法
CN116627090B (zh) 基于切削状态诊断的数控机床调控方法及系统
CN118226236B (zh) 一种pcb缺陷的智能识别方法及装置

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