本發(fā)明涉及圖像檢測，尤其涉及一種吸塑載帶成型過程實(shí)時缺陷檢測方法、裝置及設(shè)備。

背景技術(shù)：

1、吸塑載帶作為電子元器件的重要包裝材料，其成型質(zhì)量直接影響電子元器件的保護(hù)和運(yùn)輸安全。在吸塑載帶成型過程中，由于生產(chǎn)線高速運(yùn)轉(zhuǎn)和設(shè)備局限性，特別是在捕捉微小缺陷時，從具有不同成型參數(shù)的吸塑載帶獲取精確信息具有較大挑戰(zhàn)性。

2、目前，傳統(tǒng)的吸塑載帶缺陷檢測方法主要依賴人工視覺檢測或單一的機(jī)器視覺系統(tǒng)，這些方法難以滿足高速生產(chǎn)線實(shí)時檢測的需求，且容易受到環(huán)境因素的干擾，導(dǎo)致檢測準(zhǔn)確率不穩(wěn)定。同時，現(xiàn)有的檢測系統(tǒng)往往只關(guān)注表面缺陷的識別，忽視了成型過程中壓力、溫度、位移等多源信息的協(xié)同分析，難以從工藝參數(shù)層面預(yù)防缺陷的產(chǎn)生。此外，現(xiàn)有的加工軌跡優(yōu)化方法通常采用固定的工藝參數(shù)模型，缺乏對實(shí)時狀態(tài)的動態(tài)響應(yīng)能力，無法根據(jù)檢測到的缺陷信息對工藝參數(shù)進(jìn)行實(shí)時調(diào)整和優(yōu)化。這種靜態(tài)的優(yōu)化方式難以適應(yīng)吸塑載帶成型過程中的工藝參數(shù)動態(tài)變化，影響產(chǎn)品質(zhì)量的穩(wěn)定性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種吸塑載帶成型過程實(shí)時缺陷檢測方法、裝置及設(shè)備，本發(fā)明實(shí)現(xiàn)了對加工軌跡的智能優(yōu)化，提高了成型精度。

2、第一方面，本發(fā)明提供了一種吸塑載帶成型過程實(shí)時缺陷檢測方法，所述吸塑載帶成型過程實(shí)時缺陷檢測方法包括：

3、采集吸塑載帶成型過程的第一圖像數(shù)據(jù)，并對吸塑載帶成型生產(chǎn)線的壓力數(shù)據(jù)、溫度數(shù)據(jù)和位移數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)建多源傳感數(shù)據(jù)矩陣；

4、對所述第一圖像數(shù)據(jù)進(jìn)行時域分支三層一維卷積運(yùn)算和頻域分支二層二維卷積運(yùn)算，經(jīng)全連接層融合和訓(xùn)練，得到缺陷識別深度學(xué)習(xí)模型；

5、將所述缺陷識別深度學(xué)習(xí)模型部署至邊緣計(jì)算設(shè)備進(jìn)行多線程并發(fā)處理，并對實(shí)時采集的第二圖像數(shù)據(jù)進(jìn)行特征提取和模型推理，得到實(shí)時缺陷檢測數(shù)據(jù)；

6、基于所述實(shí)時缺陷檢測數(shù)據(jù)和所述多源傳感數(shù)據(jù)矩陣建立狀態(tài)空間模型，對工藝參數(shù)進(jìn)行優(yōu)化計(jì)算，得到工藝參數(shù)優(yōu)化數(shù)據(jù)；

7、根據(jù)所述工藝參數(shù)優(yōu)化數(shù)據(jù)對歷史加工軌跡進(jìn)行多尺度空間劃分，求解得到最優(yōu)加工軌跡參數(shù)。

8、第二方面，本發(fā)明提供了一種吸塑載帶成型過程實(shí)時缺陷檢測裝置，所述吸塑載帶成型過程實(shí)時缺陷檢測裝置包括：

9、采集模塊，用于采集吸塑載帶成型過程的第一圖像數(shù)據(jù)，并對吸塑載帶成型生產(chǎn)線的壓力數(shù)據(jù)、溫度數(shù)據(jù)和位移數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)建多源傳感數(shù)據(jù)矩陣；

10、訓(xùn)練模塊，用于對所述第一圖像數(shù)據(jù)進(jìn)行時域分支三層一維卷積運(yùn)算和頻域分支二層二維卷積運(yùn)算，經(jīng)全連接層融合和訓(xùn)練，得到缺陷識別深度學(xué)習(xí)模型；

11、部署模塊，用于將所述缺陷識別深度學(xué)習(xí)模型部署至邊緣計(jì)算設(shè)備進(jìn)行多線程并發(fā)處理，并對實(shí)時采集的第二圖像數(shù)據(jù)進(jìn)行特征提取和模型推理，得到實(shí)時缺陷檢測數(shù)據(jù)；

12、建立模塊，用于基于所述實(shí)時缺陷檢測數(shù)據(jù)和所述多源傳感數(shù)據(jù)矩陣建立狀態(tài)空間模型，對工藝參數(shù)進(jìn)行優(yōu)化計(jì)算，得到工藝參數(shù)優(yōu)化數(shù)據(jù)；

13、求解模塊，用于根據(jù)所述工藝參數(shù)優(yōu)化數(shù)據(jù)對歷史加工軌跡進(jìn)行多尺度空間劃分，求解得到最優(yōu)加工軌跡參數(shù)。

14、本發(fā)明第三方面提供了一種計(jì)算機(jī)設(shè)備，包括：存儲器和至少一個處理器，所述存儲器中存儲有指令；所述至少一個處理器調(diào)用所述存儲器中的所述指令，以使得所述計(jì)算機(jī)設(shè)備執(zhí)行上述的吸塑載帶成型過程實(shí)時缺陷檢測方法。

15、本發(fā)明的第四方面提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)中存儲有指令，當(dāng)其在計(jì)算機(jī)上運(yùn)行時，使得計(jì)算機(jī)執(zhí)行上述的吸塑載帶成型過程實(shí)時缺陷檢測方法。

16、本發(fā)明提供的技術(shù)方案中，通過構(gòu)建多源傳感數(shù)據(jù)矩陣，集成了壓力、溫度、位移等多維度信息，結(jié)合圖像數(shù)據(jù)的時域和頻域特征提取，形成了全方位的缺陷檢測體系，提升了缺陷檢測的準(zhǔn)確性和可靠性；采用時域分支三層一維卷積和頻域分支二層二維卷積的深度學(xué)習(xí)模型架構(gòu)，有效提取了圖像的時序特征和頻域特征，增強(qiáng)了模型對不同類型缺陷的識別能力；通過邊緣計(jì)算設(shè)備的多線程并發(fā)處理機(jī)制，提高了檢測響應(yīng)速度，滿足了高速生產(chǎn)線的實(shí)時監(jiān)測需求；基于交互式多模型卡爾曼濾波算法的工藝參數(shù)優(yōu)化方法，實(shí)現(xiàn)了對溫度、壓力、位移等參數(shù)的動態(tài)估計(jì)和優(yōu)化，增強(qiáng)了系統(tǒng)對工藝參數(shù)變化的適應(yīng)能力；采用多尺度空間劃分和馬爾可夫移動模型的加工軌跡優(yōu)化方案，通過網(wǎng)格單元間轉(zhuǎn)移概率的精確計(jì)算，實(shí)現(xiàn)了對加工軌跡的智能優(yōu)化，提高了成型精度。

技術(shù)特征：

1.一種吸塑載帶成型過程實(shí)時缺陷檢測方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的吸塑載帶成型過程實(shí)時缺陷檢測方法，其特征在于，所述采集吸塑載帶成型過程的第一圖像數(shù)據(jù)，并對吸塑載帶成型生產(chǎn)線的壓力數(shù)據(jù)、溫度數(shù)據(jù)和位移數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)建多源傳感數(shù)據(jù)矩陣，包括：

3.根據(jù)權(quán)利要求2所述的吸塑載帶成型過程實(shí)時缺陷檢測方法，其特征在于，所述對所述第一圖像數(shù)據(jù)進(jìn)行時域分支三層一維卷積運(yùn)算和頻域分支二層二維卷積運(yùn)算，經(jīng)全連接層融合和訓(xùn)練，得到缺陷識別深度學(xué)習(xí)模型，包括：

4.根據(jù)權(quán)利要求3所述的吸塑載帶成型過程實(shí)時缺陷檢測方法，其特征在于，所述將所述缺陷識別深度學(xué)習(xí)模型部署至邊緣計(jì)算設(shè)備進(jìn)行多線程并發(fā)處理，并對實(shí)時采集的第二圖像數(shù)據(jù)進(jìn)行特征提取和模型推理，得到實(shí)時缺陷檢測數(shù)據(jù)，包括：

5.根據(jù)權(quán)利要求4所述的吸塑載帶成型過程實(shí)時缺陷檢測方法，其特征在于，所述基于所述實(shí)時缺陷檢測數(shù)據(jù)和所述多源傳感數(shù)據(jù)矩陣建立狀態(tài)空間模型，對工藝參數(shù)進(jìn)行優(yōu)化計(jì)算，得到工藝參數(shù)優(yōu)化數(shù)據(jù)，包括：

6.根據(jù)權(quán)利要求5所述的吸塑載帶成型過程實(shí)時缺陷檢測方法，其特征在于，所述根據(jù)所述工藝參數(shù)優(yōu)化數(shù)據(jù)對歷史加工軌跡進(jìn)行多尺度空間劃分，求解得到最優(yōu)加工軌跡參數(shù)，包括：

7.根據(jù)權(quán)利要求6所述的吸塑載帶成型過程實(shí)時缺陷檢測方法，其特征在于，所述對所述網(wǎng)格密度分布數(shù)據(jù)中的相鄰網(wǎng)格單元建立馬爾可夫移動狀態(tài)空間，計(jì)算軌跡在相鄰網(wǎng)格單元間的轉(zhuǎn)移次數(shù)和轉(zhuǎn)移時間，得到軌跡轉(zhuǎn)移數(shù)據(jù)，包括：

8.一種吸塑載帶成型過程實(shí)時缺陷檢測裝置，其特征在于，用于執(zhí)行如權(quán)利要求1-7中任一項(xiàng)所述的吸塑載帶成型過程實(shí)時缺陷檢測方法，所述吸塑載帶成型過程實(shí)時缺陷檢測裝置包括：

9.一種計(jì)算機(jī)設(shè)備，其特征在于，包括存儲器和處理器，所述存儲器存儲有可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的吸塑載帶成型過程實(shí)時缺陷檢測方法。

10.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被處理器運(yùn)行時使得所述處理器執(zhí)行如權(quán)利要求1至7中任一項(xiàng)所述的吸塑載帶成型過程實(shí)時缺陷檢測方法。

技術(shù)總結(jié)
本發(fā)明涉及圖像檢測技術(shù)領(lǐng)域，公開了一種吸塑載帶成型過程實(shí)時缺陷檢測方法、裝置及設(shè)備，該方法包括：采集吸塑載帶成型過程的第一圖像數(shù)據(jù)并構(gòu)建多源傳感數(shù)據(jù)矩陣；對第一圖像數(shù)據(jù)進(jìn)行訓(xùn)練，得到缺陷識別深度學(xué)習(xí)模型；將缺陷識別深度學(xué)習(xí)模型部署至邊緣計(jì)算設(shè)備進(jìn)行多線程并發(fā)處理，并對第二圖像數(shù)據(jù)進(jìn)行模型推理，得到實(shí)時缺陷檢測數(shù)據(jù)；建立狀態(tài)空間模型，對工藝參數(shù)進(jìn)行計(jì)算，得到工藝參數(shù)優(yōu)化數(shù)據(jù)；根據(jù)工藝參數(shù)優(yōu)化數(shù)據(jù)對歷史加工軌跡進(jìn)行多尺度空間劃分，通過動態(tài)規(guī)劃算法求解得到最優(yōu)加工軌跡參數(shù)，本發(fā)明實(shí)現(xiàn)了對加工軌跡的智能優(yōu)化，提高了成型精度。

技術(shù)研發(fā)人員：任磊
受保護(hù)的技術(shù)使用者：廣東新上星智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15