[發明專利]基于樣本數據訓練的產品質量控制設備及質量控制方法

在審

• 申請號: 201810110627.0
• 申請日: 2018-02-05
• 公開（公告）號: CN108227664A
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 賴雄鳴
• 申請（專利權）人: 華僑大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭

1.基于樣本數據訓練的產品質量控制設備，適用于產品自動化生產流水線，該產品自動化生產流水線由多個分歩加工設備組成；其特征在于：該質量檢測設備包括多個圖像采集裝置和控制終端，該圖像采集裝置采集獲得所述分歩加工設備生產的半成品的數字圖像；

所述控制終端包括質量判定模塊和工藝參數調整模塊；所述質量判定模塊預存有每一個分布加工設備的質量判定模型，該質量判定模型通過多組標記有質量判定的半成品數字圖像進行人工智能數據訓練獲得，并表征半成品數字圖像和質量判定的對應關系；所述工藝參數調整模塊預存有每一個分布加工設備的工藝參數調整模型，該工藝參數調整模型表征工藝參數和質量判定的對應關系；

所述控制終端的質量判定判斷模塊分別與所述多個圖像采集裝置信號連接，所述控制終端的工藝參數調整模塊分別與所述多個分布加工設備信號連接；所述控制終端實時接收圖像采集裝置獲得的不同工序的半成品數字圖像，并輸出質量判定至所述工藝參數調整模塊，所述工藝參數調整模塊根據當前的質量判定情況輸出產品工藝參數至相應的分布加工設備。

2.根據權利要求1所述的基于樣本數據訓練的產品質量控制設備，其特征在于：所述工藝參數調整模塊通過所述分歩加工設備的功能原理及性能參數結合人為經驗或試驗數據建模調整后確定。

3.根據權利要求2所述的基于樣本數據訓練的產品質量控制設備，其特征在于：所述工藝參數調整模型設有設備損耗補償模型，該設備損耗補償模型反映在所述分歩加工設備的不同耗損狀態下相關工藝參數的變化模型。

4.根據權利要求2所述的一種基于樣本數據訓練的產品質量控制設備，其特征在于：所述工藝參數調整模型還包括原料補償模型，該原料補償模型反映原料質量發生變化時工藝參數的變化關系。

5.根據權利要求1所述的一種基于樣本數據訓練的產品質量控制設備，其特征在于：所述人工智能數據訓練具體包括深度學習、強化學習和遷移學習中的一種或多種。

6.根據權利要求1所述的一種基于樣本數據訓練的產品質量控制設備，其特征在于：所述質量判定為通過人工判定或相應的質量檢測裝置生成的數值或等級。

7.根據權利要求1所述的一種基于樣本數據訓練的產品質量控制設備，其特征在于：所述分歩加工設備和圖像采集裝置根據實際檢測需求設置數量對應關系，具體包括，一臺分歩加工設備對應一個圖像采集裝置、多臺分歩加工設備對應一個圖像采集裝置或一臺分歩加工設備對應多個圖像采集裝置。

8.根據權利要求1所述的一種基于樣本數據訓練的產品質量控制設備，其特征在于：工藝參數調整模塊所調整的產品工藝參數為一種或多種。

9.基于樣本數據訓練的產品質量控制方法，其特征在于，使用權利要求1至8中任一項所述的產品質量檢測設備，并包括準備階段和實施階段；其中，準備階段包括：

數據訓練步驟，對產品流水線的分布加工設備分別進行標定，收集N組半成品樣本，并對應采集獲得所生產的半成品的N組數字圖像；對該N組數字圖像人工標記質量判定，使用人工智能數據訓練方法建立數字圖像和質量判定的訓練模型，并存儲至質量判定模塊；

工藝參數調整模型建模步驟，建立分布加工設備的工藝參數與半成品等級質量的工藝參數調整模型，并將該關聯調整模型存儲至工藝參數調整模塊；

實施階段包括：

圖像采集步驟，在生產流水線運轉的過程中，圖像采集裝置分別獲得每一個分布加工設備所生產的半成品的數字圖像，并回傳至控制終端的質量判定模塊；

質量判定步驟，通過圖像采集裝置獲得的半成品數字圖像，結合質量判定模塊預存的質量判定模型，獲得當前的半成品質量判定；

工藝參數反饋步驟，如所獲得半成品質量判定與所需要達到的目標有差，則通過工藝參數調整模塊預存的工藝參數調整模型，調整工藝參數；返回圖像采集步驟循環執行。

10.根據權利要求9所述的基于樣本數據訓練的產品質量控制方法，其特征在于：所述分布加工設備的工藝參數與產品質量判定存在直接數值關聯時，通過該數值關聯建立工藝參數調整模型；所述分布加工設備的工藝參數與產品質量判定關聯關系較為復雜時，通過生產經驗或者試驗方式建立工藝參數調整模型。