[發明專利]搓牙制程檢測方法

在審

• 申請號: 202011131084.4
• 申請日: 2020-10-21
• 公開（公告）號: CN114462441A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 李孝宗;胡國信;方重光;何家瑋;蘇志強
• 申請（專利權）人: 財團法人金屬工業研究發展中心
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00;B21H3/06
• 代理公司: 北京泰吉知識產權代理有限公司 11355
• 代理人: 史瞳;孫金瑞

1.一種搓牙制程檢測方法，其特征在于：所述搓牙制程檢測方法包含：

訊號擷取步驟，檢測工件的輪廓并轉換為壓力訊號，包括使用壓力感測裝置感測所述工件相對于所述壓力感測裝置的壓力值的感測子步驟，及將所述壓力值轉換為所述壓力訊號的轉換子步驟；

分群步驟，針對所述壓力訊號進行分群，并包括定義所述壓力訊號中異常值并建立異常標簽的第一次異常值處理子步驟、降低異常值以外的訊號維度的第一次維度縮減子步驟、抽取特征維度的第一次成分分析子步驟，及區分并分別建立良品及不良品標簽的設定標簽子步驟；

標簽步驟，利用設定標簽子步驟及第一次異常值處理子步驟得到的良品、不良品，及異常分群，分別標簽于訊號擷取步驟中取得的所述壓力訊號；

分類步驟，對于標簽后的所述壓力訊號進行分類，并包括分析異常分群的第二次異常值處理子步驟、分別對于良品、不良品，及異常分群抽取訓練樣本及測試樣本的抽取樣本子步驟、降低所述訓練樣本的所述標簽的所述壓力訊號維度的第二次維度縮減子步驟，及抽取特征維度的第二次成分分析子步驟；

訓練步驟，利用算法及所述訓練樣本，建立并訓練模型，并利用所述測試樣本驗證模型；及

驗證步驟，利用驗證后的模型進行良率的檢測。

2.根據權利要求1所述的搓牙制程檢測方法，其特征在于：所述分群步驟的所述第一次異常值處理子步驟是通過絕對差中位數法則，并具有定義已超過5倍絕對差中位數的數值為異常點的定義流程，及使用K-平均算法將異常點分為三群的集群分析流程。

3.根據權利要求1所述的搓牙制程檢測方法，其特征在于：所述分群步驟的第一次維度縮減子步驟具有將數據維度縮減至20至25維度的第一次快速傅立葉變換流程，及去除雜訊的第一次傅立葉逆轉換流程。

4.根據權利要求1所述的搓牙制程檢測方法，其特征在于：所述分群步驟的所述第一次成分分析子步驟具有新增三個維度的第一次新增維度流程、執行標準分數法的第一次標準化維度流程，及使最大變異量達到90％以上的第一次抽取特征流程。

5.根據權利要求1所述的搓牙制程檢測方法，其特征在于：所述分群步驟的所述設定標簽子步驟是使用階層式分群法建立良品及不良品標簽。

6.根據權利要求1所述的搓牙制程檢測方法，其特征在于：所述分群步驟的所述設定標簽子步驟是使用高斯混合模型。

7.根據權利要求1所述的搓牙制程檢測方法，其特征在于：所述分類步驟的所述第二次異常值處理子步驟是利用K-平均算法，將已被標簽為異常的所述壓力訊號分為三群。

8.根據權利要求1所述的搓牙制程檢測方法，其特征在于：所述分類步驟的該第二次維度縮減子步驟具有將數據維度縮減至20至25維度的第二次快速傅立葉變換流程，及去除雜訊的第二次傅立葉逆轉換流程。

9.根據權利要求1所述的搓牙制程檢測方法，其特征在于：所述分類步驟的所述第二次成分分析子步驟具有新增三個維度的第二次新增維度流程、執行標準分數法的第二次標準化維度流程，及使最大變異量達到90％以上的第二次抽取特征流程。

10.根據權利要求1所述的搓牙制程檢測方法，其特征在于：所述訓練步驟是利用極限梯度法、邏輯回歸、隨機森林、判定樹、深度學習的其中一者或其組合。