[發(fā)明專利]基于注塑成型的產(chǎn)品檢測(cè)方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110170046.8
• 申請(qǐng)日: 2021-02-08
• 公開（公告）號(hào): CN112508464B
• 公開（公告）日: 2021-06-01
• 發(fā)明（設(shè)計(jì)）人: 宋怡然;王闖;顧徐波;馬元巍;潘正頤;侯大為
• 申請(qǐng)（專利權(quán)）人: 常州微億智造科技有限公司
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06Q50/04;G06N20/20;G06K9/62
• 代理公司: 常州佰業(yè)騰飛專利代理事務(wù)所(普通合伙) 32231
• 代理人: 張勵(lì)

本發(fā)明提供了一種基于注塑成型的產(chǎn)品檢測(cè)方法和裝置，其中，基于注塑成型的產(chǎn)品檢測(cè)方法包括以下步驟：獲取注塑成型過程中的成型機(jī)狀態(tài)數(shù)據(jù)、調(diào)機(jī)記錄數(shù)據(jù)以及采樣數(shù)據(jù)；對(duì)采樣數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，以獲取第一目標(biāo)數(shù)據(jù)；根據(jù)調(diào)機(jī)記錄數(shù)據(jù)對(duì)第一目標(biāo)數(shù)據(jù)進(jìn)行分組；對(duì)各組內(nèi)的第一目標(biāo)數(shù)據(jù)進(jìn)行特征提取，并根據(jù)提取出的特征數(shù)據(jù)進(jìn)行特征篩選，以獲取第二目標(biāo)數(shù)據(jù)；對(duì)第二目標(biāo)數(shù)據(jù)進(jìn)行特征增強(qiáng)，以獲取第三目標(biāo)數(shù)據(jù)；根據(jù)第三目標(biāo)數(shù)據(jù)、調(diào)機(jī)記錄數(shù)據(jù)和成型機(jī)狀態(tài)數(shù)據(jù)進(jìn)行產(chǎn)品檢測(cè)。由此，能夠準(zhǔn)確進(jìn)行產(chǎn)品檢測(cè)，并且運(yùn)行速度快，成本低廉，泛化性能較高。

技術(shù)領(lǐng)域

本發(fā)明涉及目標(biāo)檢測(cè)技術(shù)領(lǐng)域，具體涉及一種基于注塑成型的產(chǎn)品檢測(cè)方法和一種基于注塑成型的產(chǎn)品檢測(cè)裝置。

背景技術(shù)

注塑成型是塑料制品成型重要方式之一，適于大批量生產(chǎn)形狀復(fù)雜、尺寸要求精確的塑料制品，該技術(shù)具有生產(chǎn)加工性能良好、生產(chǎn)周期短、效率高、可多型腔成型、產(chǎn)品精度高、質(zhì)量輕、顏色多元化等優(yōu)點(diǎn)，產(chǎn)品質(zhì)量要求高。隨著注塑產(chǎn)品應(yīng)用范圍的變化，對(duì)產(chǎn)品質(zhì)量的要求也越來越高。

相關(guān)技術(shù)中，一般是采用人工智能算法通過模型的堆疊和集成來實(shí)現(xiàn)注塑成型過程中的異常檢測(cè)，然而，該方式并不符合工業(yè)中成本控制和高效快速的需求。

發(fā)明內(nèi)容

本發(fā)明為解決上述技術(shù)問題，提供了一種基于注塑成型的產(chǎn)品檢測(cè)方法，能夠準(zhǔn)確進(jìn)行產(chǎn)品檢測(cè)，并且運(yùn)行速度快，成本低廉，泛化性能較高。

本發(fā)明采用的技術(shù)方案如下：

一種基于注塑成型的產(chǎn)品檢測(cè)方法，包括以下步驟：獲取注塑成型過程中的成型機(jī)狀態(tài)數(shù)據(jù)、調(diào)機(jī)記錄數(shù)據(jù)以及采樣數(shù)據(jù)；對(duì)所述采樣數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，以獲取第一目標(biāo)數(shù)據(jù)；根據(jù)所述調(diào)機(jī)記錄數(shù)據(jù)對(duì)所述第一目標(biāo)數(shù)據(jù)進(jìn)行分組；對(duì)各組內(nèi)的所述第一目標(biāo)數(shù)據(jù)進(jìn)行特征提取，并根據(jù)提取出的特征數(shù)據(jù)進(jìn)行特征篩選，以獲取第二目標(biāo)數(shù)據(jù)；對(duì)所述第二目標(biāo)數(shù)據(jù)進(jìn)行特征增強(qiáng)，以獲取第三目標(biāo)數(shù)據(jù)；根據(jù)所述第三目標(biāo)數(shù)據(jù)、所述調(diào)機(jī)記錄數(shù)據(jù)和所述成型機(jī)狀態(tài)數(shù)據(jù)進(jìn)行產(chǎn)品檢測(cè)。

對(duì)所述采樣數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，以獲取第一目標(biāo)數(shù)據(jù)，包括：獲取所述采樣數(shù)據(jù)對(duì)應(yīng)的特征數(shù)據(jù)，并判斷所述采樣數(shù)據(jù)對(duì)應(yīng)的特征數(shù)據(jù)是否為空；如果否，則獲取所述采樣數(shù)據(jù)的波動(dòng)幅度；判斷所述波動(dòng)幅度是否小于預(yù)設(shè)幅度閾值；如果所述波動(dòng)幅度小于或等于所述預(yù)設(shè)幅度閾值，則刪除所述采樣數(shù)據(jù)；如果所述波動(dòng)幅度大于所述預(yù)設(shè)幅度閾值，則將所述采樣數(shù)據(jù)作為所述第一目標(biāo)數(shù)據(jù)。

根據(jù)提取出的特征數(shù)據(jù)進(jìn)行特征篩選，以獲取第二目標(biāo)數(shù)據(jù)，包括：依次根據(jù)機(jī)器學(xué)習(xí)模型的特征重要性、SHAP value（指預(yù)測(cè)樣本中每個(gè)特征所分配到的數(shù)值）以及特征分布的相似性、單調(diào)性和相關(guān)系數(shù)對(duì)所述提取出的特征數(shù)據(jù)進(jìn)行特征篩選，以獲取所述第二目標(biāo)數(shù)據(jù)。

對(duì)所述第二目標(biāo)數(shù)據(jù)進(jìn)行特征增強(qiáng)，以獲取第三目標(biāo)數(shù)據(jù)包括：采用MIX UP（一種運(yùn)用在計(jì)算機(jī)視覺中的對(duì)圖像進(jìn)行混類增強(qiáng)的算法）方法對(duì)每組內(nèi)的所述第二目標(biāo)數(shù)據(jù)進(jìn)行線性增強(qiáng)，以獲取所述第三目標(biāo)數(shù)據(jù)。

根據(jù)所述第三目標(biāo)數(shù)據(jù)、所述調(diào)機(jī)記錄數(shù)據(jù)和所述成型機(jī)狀態(tài)數(shù)據(jù)進(jìn)行產(chǎn)品檢測(cè)包括：獲取梯度提升樹模型；通過所述梯度提升樹模型并根據(jù)所述第三目標(biāo)數(shù)據(jù)、所述調(diào)機(jī)記錄數(shù)據(jù)和所述成型機(jī)狀態(tài)數(shù)據(jù)進(jìn)行產(chǎn)品檢測(cè)。

一種基于注塑成型的產(chǎn)品檢測(cè)裝置，包括：第一獲取模塊，所述第一獲取模塊用于獲取注塑成型過程中的成型機(jī)狀態(tài)數(shù)據(jù)、調(diào)機(jī)記錄數(shù)據(jù)以及采樣數(shù)據(jù)；數(shù)據(jù)清洗模塊，所述數(shù)據(jù)清洗模塊用于對(duì)所述采樣數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，以獲取第一目標(biāo)數(shù)據(jù)；分組模塊，所述分組模塊用于根據(jù)所述調(diào)機(jī)記錄數(shù)據(jù)對(duì)所述第一目標(biāo)數(shù)據(jù)進(jìn)行分組；第二獲取模塊，所述第二獲取模塊用于對(duì)各組內(nèi)的所述第一目標(biāo)數(shù)據(jù)進(jìn)行特征提取，并根據(jù)提取出的特征數(shù)據(jù)進(jìn)行特征篩選，以獲取第二目標(biāo)數(shù)據(jù)；第三獲取模塊，所述第三獲取模塊用于對(duì)所述第二目標(biāo)數(shù)據(jù)進(jìn)行特征增強(qiáng)，以獲取第三目標(biāo)數(shù)據(jù)；檢測(cè)模塊，所述檢測(cè)模塊用于根據(jù)所述第三目標(biāo)數(shù)據(jù)、所述調(diào)機(jī)記錄數(shù)據(jù)和所述成型機(jī)狀態(tài)數(shù)據(jù)進(jìn)行產(chǎn)品檢測(cè)。