CN111808367B - 塑料ppr银纹翻白缺陷的改进方法 - Google Patents
塑料ppr银纹翻白缺陷的改进方法 Download PDFInfo
- Publication number
- CN111808367B CN111808367B CN202010657444.8A CN202010657444A CN111808367B CN 111808367 B CN111808367 B CN 111808367B CN 202010657444 A CN202010657444 A CN 202010657444A CN 111808367 B CN111808367 B CN 111808367B
- Authority
- CN
- China
- Prior art keywords
- defect
- picture
- silver
- repair
- processor
- 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
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08L—COMPOSITIONS OF MACROMOLECULAR COMPOUNDS
- C08L23/00—Compositions of homopolymers or copolymers of unsaturated aliphatic hydrocarbons having only one carbon-to-carbon double bond; Compositions of derivatives of such polymers
- C08L23/02—Compositions of homopolymers or copolymers of unsaturated aliphatic hydrocarbons having only one carbon-to-carbon double bond; Compositions of derivatives of such polymers not modified by chemical after-treatment
- C08L23/10—Homopolymers or copolymers of propene
- C08L23/14—Copolymers of propene
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08K—Use of inorganic or non-macromolecular organic substances as compounding ingredients
- C08K2201/00—Specific properties of additives
- C08K2201/002—Physical properties
- C08K2201/005—Additives being defined by their particle size in general
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08L—COMPOSITIONS OF MACROMOLECULAR COMPOUNDS
- C08L2205/00—Polymer mixtures characterised by other features
- C08L2205/24—Crystallisation aids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/888—Marking defects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medicinal Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Biochemistry (AREA)
- Polymers & Plastics (AREA)
- Organic Chemistry (AREA)
- Geometry (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了塑料PPR银纹翻白缺陷的改进方法,包括下述步骤,首先检测出所有聚合体本体的银纹腔;之后用五微米的微粒进行填充;再之后利用成核剂、内外润滑剂、特制高分子微粒,与聚合体本体融合,形成综合体。银纹腔的密度为本体密度的50%,折光指数低于聚合体本体折光指数,因银纹与本体之间的界面上将对光线产生全反射现象,呈现银光闪闪的纹路。通过微粒填充,达到不易透光消除翻白现象,且密实后的银纹腔与周围聚合体融合,阻滞银纹腔裂纹的扩展,增加韧性,产生钉扎效应形成牢固结构,增强抗冲击性;本发明利用特种高分子微粒填充到银纹腔中,提高了仅为本体密度50%的银纹腔的密实度,减少全反射现象产生,从而达到消除银光现象。
Description
技术领域
本发明属于银纹翻白改进领域,具体是塑料PPR银纹翻白缺陷的改进方法。
背景技术
银纹翻白现象的缺陷主要是加工过程中各种的因素引起的;而现有技术中将热塑性塑料或热固性塑料通过机器设备和塑料成型模具加工制成各种形状的塑料制品,很容易出现银纹翻白现象;其主要缺陷在于:塑料PPR聚合体间出现银纹腔产生断面缺口翻白,受外力易扩大裂纹,低温抗冲击下降。
由于塑料聚合物应***化张伸应力作用,局部塑性变形区内聚合物高分子和微小聚集体继续变形,彼此复合形成银纹腔即相当于聚合物间有空隙。进行微粒填充,与周围聚合体形成牢固结构,提高抗冲击性。基于这一原理,为了解决银纹翻白现象,现有技术中也提供了诸多方案,但是对于银纹翻白解决情况如何检测,这类缺乏相关的技术方案进行验证,因此本申请提供一种以现有技术为示例的银纹翻白案例,给出一种银纹翻白缺陷解决后检测技术方案。
发明内容
本发明的目的在于提供塑料PPR银纹翻白缺陷的改进方法。
本发明的目的可以通过以下技术方案实现:
塑料PPR银纹翻白缺陷的改进方法,该方法具体包括下述步骤:
步骤一:检测出所有聚合体本体的银纹腔;
步骤二:用五微米的微粒进行填充,具体填充方式如步骤三;
步骤三:利用成核剂、内外润滑剂、特制高分子微粒,与聚合体本体融合,形成综合体;
步骤四:通过核检***对综合体的改进情况进行检测;
核检***包括影像获取单元、图鉴模块、图像记录库、数据摘选单元、自选规则库、处理器、显示单元、管理单元、智能设备、自建议单元;
其中,所述影像获取单元用于获取在未进行银纹翻白缺陷改进之前的聚合体本体存在翻白缺陷的六视图,六个视图每个视图获取若干张照片,按照视图形成各个视图的视图信息组;将所有的视图信息组融合形成改前图片组;所述影像获取单元用于将改前图片组传输到图像记录库;
所述影像获取单元还用于获取进行银纹翻白缺陷改进之后聚合体本体的六视图,将其标记为改后图片组,所述影像获取单元用于将改后图片组传输到图鉴模块,所述图鉴模块接收影像获取单元传输的改后图片组;
所述图像记录库在接收到影像获取单元传输的改前图片组时,自动向数据摘选单元传输摘选信号;所述自选规则库内存储有摘选规则,自选规则库内还存在翻白缺陷图片;所述数据摘选单元在接收到图像记录库传输的摘选信号时,会自动结合自选规则库进行数据摘选,数据摘选具体过程为:
步骤一:首先获取到所有的改前图片组;
步骤二:获取到所有的改前图片组内的视图信息组;根据视图任选一视图信息组;
步骤三:对选中的任一视图进行图片遴选,得到选中图片;
步骤四:选择下一视图信息组,重复步骤三-步骤四,完成对六组视图信息组的筛选,得到六个视图对应的选中图片,将其标记为视图标参组;
所述数据摘选单元用于将视图标参组返回图像记录库,并将图像记录库内的其他图片全部删除;
所述图鉴模块用于结合图像记录库内的视图标参组,对改后图片组进行修复程度对比,具体对比过程为:
S01:获取到视图标参组内所有的选中图片;
S02:获取到所有的改后图片组;
S03:根据视图将改后图片与选中图片一一对应,得到六个对照组;
S04:任选一对照组;
S05:获取到其内的改后图片和选中图片;
S06:获取到改后图片内缺陷部分的面积,自动计算其占该图片总面积的面积占比G1;
S07:获取到选中图片中的缺陷部分的面积,自动计算其占该图片总面积的面积占比H1;
S08:利用公式计算修复值F1,具体计算公式为:
F1=(H1-G1)/H1;
S09:获取下一对照组;重复步骤S05-S09;直到对六组对照组处理完毕;
S10:得到六个修复值Fj,j=1...6;
S11:根据六个面积占比Hj,j=1...6,对六个修复值Fj进行权值赋予,具体为:
S111:将Hj按照从大到小的顺序进行重新排列,并重新按照P1-P6的顺序进行标记,即此时的P1-P6依次减小;
S112:获取到六个权值P1、P2、P3、P4、P5和P6,将P1-P6依次按照Hj从大到校的顺序赋予;此处P1-P6按照从大到小的顺序进行排列;
S113:计算实修占比Sh;
S12:得到实修占比Sh;
所述图鉴模块用于将实修占比Sh传输到处理器,所述处理器还用于将实修占比Sh传输到自建议单元,所述自建议单元接收处理器传输的实修占比Sh,并进行建议生成步骤,具体为:
当Sh<U1时,产生错误信号;
当U1≤Sh≤U2时,产生合格信号;
当Sh>U2时,产生高能信号;
所述自建议单元用于将错误信号、合格信号和高能信号返回处理器,所述处理器在接收到自建议单元传输的错误信号时,驱动显示单元显示“当前修复效果极差,请重新修复”;
所述处理器在接收到自建议单元传输的合格信号时,驱动显示单元显示“当前修复效果正常,可满足要求”;
所述处理器在接收到自建议单元传输的错误信号时,驱动显示单元显示“当前修复效果极好,能够完美修复”;
所述管理单元与处理器通信连接。
进一步地,所述银纹腔为一微米、十微米、一百微米的立体结构。
进一步地,所述特制高分子微粒是定制的平均粒径为5微米的粉体材料,经包覆处理后使用;
特制高分子材料成分为二氧化硅和硅酸镁盐。
进一步地,所述成核剂为一个β成核剂,β成核剂具体选用山西化工研究院的PMB-5型芳酰胺类化合物。
进一步地,所述内外润滑剂为烷基材料,具体型号选用为美国霍尼韦尔AC-6加入8-15%的聚乙烯合成蜡或者日本胜田kpw12p加1-5%的羟基硬脂酸镁。
进一步地,数据摘选具体过程步骤三种遴选步骤具体为:
S1:获取到该视图对应视图信息组内所有的照片;
S2:将该照片与翻白缺陷图片进行比对,获取到所有改前图片内的缺陷部分面积;
S3:自动计算缺陷部分面积占该照片的总面积的比例,将其标记为缺陷占比Q1;
S4:任选下一照片,重复步骤S2-S4;得到所有照片的缺陷占比Qi,i=1...n;
S5:根据缺陷占比的数值,按照从大到小的顺序对照片进行排序;
S6:获取到最大的缺陷占比对应的照片,将其缺陷占比标记为Qz;筛选出所有满足Qz-Qi≤X1的照片,将其标记为待选照片;
S7:将拍摄时间最晚的照片标记为对应的选中图片。
进一步地,所述处理器接收图鉴模块传输的实修占比Sh,并将其传输到显示单元进行实时显示。
进一步地,所述处理器用于将实修占比Sh传输到智能设备,所述智能设备接收处理器传输的实修占比Sh;所述智能设备为用户便携式智能设备,具体为手机。
进一步地,所述管理单元用于录入所有的预设值。
本发明的有益效果:
银纹腔的密度为本体密度的50%,折光指数低于聚合体本体折光指数,因银纹与本体之间的界面上将对光线产生全反射现象,呈现银光闪闪的纹路。通过进行微粒填充,达到不易透光消除翻白现象,且密实后的银纹腔与周围聚合体融合,阻滞银纹腔裂纹的扩展,增加韧性,产生钉扎效应形成牢固结构,增强抗冲击性;本发明利用特种高分子微粒填充到银纹腔中,提高了仅为本体密度50%的银纹腔的密实度,减少全反射现象产生,从而达到消除银光现象。
同时本发明通过对应核检***的设置,能够对未经过修复前的聚合体本体进行图片摄录之后,进行相关智能选择,得到对应的为经修复前的实际参考标本;之后在修复完之后再次采集对应的六视图图片;并将六视图图片进行比对,并根据比对结果给出相关的结果和建议;本发明简单有效,且易于实用。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明中核检***的结构示意图。
具体实施方式
银纹腔的密度为本体密度的50%,折光指数低于聚合体本体折光指数,因银纹与本体之间的界面上将对光线产生全反射现象,呈现银光闪闪的纹路。通过进行微粒填充,达到不易透光消除翻白现象,且密实后的银纹腔与周围聚合体融合,阻滞银纹腔裂纹的扩展,增加韧性,产生钉扎效应形成牢固结构,增强抗冲击性。基于上述内容,塑料PPR银纹翻白缺陷的改进方法,该方法具体步骤如下:
塑料PPR银纹翻白缺陷的改进方法,该方法具体包括下述步骤:
步骤一:检测出所有聚合体本体的银纹腔;
步骤二:用五微米的微粒进行填充;因为银纹腔大小为1um,10um,100um大小的立体结构,用5um的填充,1um可以被直接堵住,10um的需要两个5um填充,100um的需要20个5um,5um的颗粒填充更密集,且成本最低,实验得出,具体填充方式如步骤三;
步骤三:利用成核剂、内外润滑剂、特制高分子微粒,与聚合体本体融合,形成综合体;
步骤四:通过核检***对综合体的改进情况进行检测。
所述银纹腔为一微米、十微米、一百微米的立体结构。
所述特制高分子微粒是定制的平均粒径为5微米,约6000目的粉体材料,经包覆处理后使用;
特制高分子材料为进购的海城新广源粉体材料有限公司,其成分是二氧化硅和硅酸镁盐,加入20%-30%;
所述成核剂为一个β成核剂,β成核剂具体选用山西化工研究院的PMB-5型芳酰胺类化合物;
因为PPR管材的结晶以α结晶和β结晶为主,其中α结晶决定着管材的刚性与硬度,β结晶决定着管材的韧性;加入β成核剂引导PPR管材产生β结晶,从而增加管材韧性。
所述内外润滑剂为烷基材料,具体型号选用为美国霍尼韦尔AC-6加入8-15%的聚乙烯合成蜡或者日本胜田kpw12p加1-5%的羟基硬脂酸镁;利用其极性与非极性基团的亲和性,促使特种微粒的均匀分布与平均粒径的梯度,使特种高分子微粒可以均匀分布于银纹腔内,达到消除全反射现象。
银纹腔为1微米、10微米、100微米的立体结构,利用特种高分子微粒填充到银纹腔中,提高了仅为本体密度50%的银纹腔的密实度,减少全反射现象产生,从而达到消除银光现象。
如图1所示,核检***包括影像获取单元、图鉴模块、图像记录库、数据摘选单元、自选规则库、处理器、显示单元、管理单元、智能设备、自建议单元;
其中,所述影像获取单元用于获取在未进行银纹翻白缺陷改进之前的聚合体本体存在翻白缺陷的六视图,六个视图每个视图获取若干张照片,按照视图形成各个视图的视图信息组;将所有的视图信息组融合形成改前图片组;所述影像获取单元用于将改前图片组传输到图像记录库;
所述影像获取单元还用于获取进行银纹翻白缺陷改进之后聚合体本体的六视图,将其标记为改后图片组,所述影像获取单元用于将改后图片组传输到图鉴模块,所述图鉴模块接收影像获取单元传输的改后图片组;
所述图像记录库在接收到影像获取单元传输的改前图片组时,自动向数据摘选单元传输摘选信号;所述自选规则库内存储有摘选规则,自选规则库内还存在翻白缺陷图片;所述数据摘选单元在接收到图像记录库传输的摘选信号时,会自动结合自选规则库进行数据摘选,数据摘选具体过程为:
步骤一:首先获取到所有的改前图片组;
步骤二:获取到所有的改前图片组内的视图信息组;根据视图任选一视图信息组;
步骤三:对选中的任一视图进行图片遴选,具体遴选步骤为:
S1:获取到该视图对应视图信息组内所有的照片;
S2:将该照片与翻白缺陷图片进行比对,获取到所有改前图片内的缺陷部分面积;
S3:自动计算缺陷部分面积占该照片的总面积的比例,将其标记为缺陷占比Q1;
S4:任选下一照片,重复步骤S2-S4;得到所有照片的缺陷占比Qi,i=1...n;
S5:根据缺陷占比的数值,按照从大到小的顺序对照片进行排序;
S6:获取到最大的缺陷占比对应的照片,将其缺陷占比标记为Qz;筛选出所有满足Qz-Qi≤X1的照片,将其标记为待选照片;
S7:将拍摄时间最晚的照片标记为对应的选中图片;
步骤四:选择下一视图信息组,重复步骤三-步骤四,完成对六组视图信息组的筛选,得到六个视图对应的选中图片,将其标记为视图标参组;
所述数据摘选单元用于将视图标参组返回图像记录库,并将图像记录库内的其他图片全部删除;
所述图鉴模块用于结合图像记录库内的视图标参组,对改后图片组进行修复程度对比,具体对比过程为:
S01:获取到视图标参组内所有的选中图片;
S02:获取到所有的改后图片组;
S03:根据视图将改后图片与选中图片一一对应,得到六个对照组;
S04:任选一对照组;
S05:获取到其内的改后图片和选中图片;
S06:获取到改后图片内缺陷部分的面积,自动计算其占该图片总面积的面积占比G1;
S07:获取到选中图片中的缺陷部分的面积,自动计算其占该图片总面积的面积占比H1;
S08:利用公式计算修复值F1,具体计算公式为:
F1=(H1-G1)/H1;
S09:获取下一对照组;重复步骤S05-S09;直到对六组对照组处理完毕;
S10:得到六个修复值Fj,j=1...6;
S11:根据六个面积占比Hj,j=1...6,对六个修复值Fj进行权值赋予,具体为:
S111:将Hj按照从大到小的顺序进行重新排列,并重新按照P1-P6的顺序进行标记,即此时的P1-P6依次减小;
S112:获取到六个权值P1、P2、P3、P4、P5和P6,将P1-P6依次按照Hj从大到校的顺序赋予;此处P1-P6按照从大到小的顺序进行排列;
S113:计算实修占比Sh;
S12:得到实修占比Sh;
所述图鉴模块用于将实修占比Sh传输到处理器,所述处理器接收图鉴模块传输的实修占比Sh,并将其传输到显示单元进行实时显示;
所述处理器还用于将实修占比Sh传输到自建议单元,所述自建议单元接收处理器传输的实修占比Sh,并进行建议生成步骤,具体为:
当Sh<U1时,产生错误信号;
当U1≤Sh≤U2时,产生合格信号;
当Sh>U2时,产生高能信号;
所述自建议单元用于将错误信号、合格信号和高能信号返回处理器,所述处理器在接收到自建议单元传输的错误信号时,驱动显示单元显示“当前修复效果极差,请重新修复”;
所述处理器在接收到自建议单元传输的合格信号时,驱动显示单元显示“当前修复效果正常,可满足要求”;
所述处理器在接收到自建议单元传输的错误信号时,驱动显示单元显示“当前修复效果极好,能够完美修复”;
所述处理器用于将实修占比Sh传输到智能设备,所述智能设备接收处理器传输的实修占比Sh;所述智能设备为用户便携式智能设备,具体为手机。
所述管理单元用于录入所有的预设值。
银纹腔的密度为本体密度的50%,折光指数低于聚合体本体折光指数,因银纹与本体之间的界面上将对光线产生全反射现象,呈现银光闪闪的纹路。通过进行微粒填充,达到不易透光消除翻白现象,且密实后的银纹腔与周围聚合体融合,阻滞银纹腔裂纹的扩展,增加韧性,产生钉扎效应形成牢固结构,增强抗冲击性;本发明利用特种高分子微粒填充到银纹腔中,提高了仅为本体密度50%的银纹腔的密实度,减少全反射现象产生,从而达到消除银光现象。
同时本发明通过对应核检***的设置,能够对未经过修复前的聚合体本体进行图片摄录之后,进行相关智能选择,得到对应的为经修复前的实际参考标本;之后在修复完之后再次采集对应的六视图图片;并将六视图图片进行比对,并根据比对结果给出相关的结果和建议;本发明简单有效,且易于实用。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (7)
1.塑料PPR银纹翻白缺陷的改进方法,其特征在于,该方法具体包括下述步骤:
步骤一:检测出所有聚合体本体的银纹腔;
步骤二:用五微米的特制高分子微粒进行填充,具体填充方式如步骤三;
步骤三:利用成核剂、内外润滑剂、特制高分子微粒与聚合体本体融合,形成综合体;所述特制高分子微粒是定制的平均粒径为5微米,约6000目的粉体材料经包覆处理后使用;所述粉体材料为进购的海城新广源粉体材料有限公司、其成分是二氧化硅和硅酸镁盐,加入20-30%;
步骤四:通过核检***对综合体的改进情况进行检测;
核检***包括影像获取单元、图鉴模块、图像记录库、数据摘选单元、自选规则库、处理器、显示单元、管理单元、智能设备、自建议单元;
其中,所述影像获取单元用于获取在未进行银纹翻白缺陷改进之前的聚合体本体存在翻白缺陷的六视图,六个视图每个视图获取若干张照片,按照视图形成各个视图的视图信息组;将所有的视图信息组融合形成改前图片组;所述影像获取单元用于将改前图片组传输到图像记录库;
所述影像获取单元还用于获取进行银纹翻白缺陷改进之后聚合体本体的六视图,将其标记为改后图片组,所述影像获取单元用于将改后图片组传输到图鉴模块,所述图鉴模块接收影像获取单元传输的改后图片组;
所述图像记录库在接收到影像获取单元传输的改前图片组时,自动向数据摘选单元传输摘选信号;所述自选规则库内存储有摘选规则,自选规则库内还存在翻白缺陷图片;所述数据摘选单元在接收到图像记录库传输的摘选信号时,会自动结合自选规则库进行数据摘选,数据摘选具体过程为:
步骤一:首先获取到所有的改前图片组;
步骤二:获取到所有的改前图片组内的视图信息组;根据视图任选一视图信息组;
步骤三:对选中的任一视图进行图片遴选,得到选中图片;
步骤四:选择下一视图信息组,重复步骤三-步骤四,完成对六组视图信息组的筛选,得到六个视图对应的选中图片,将其标记为视图标参组;
所述数据摘选单元用于将视图标参组返回图像记录库,并将图像记录库内的其他图片全部删除;
所述图鉴模块用于结合图像记录库内的视图标参组,对改后图片组进行修复程度对比,具体对比过程为:
S01:获取到视图标参组内所有的选中图片;
S02:获取到所有的改后图片组;
S03:根据视图将改后图片与选中图片一一对应,得到六个对照组;
S04:任选一对照组;
S05:获取到其内的改后图片和选中图片;
S06:获取到改后图片内缺陷部分的面积,自动计算其占该图片总面积的面积占比G1;
S07:获取到选中图片中的缺陷部分的面积,自动计算其占该图片总面积的面积占比H1;
S08:利用公式计算修复值F1,具体计算公式为:
F1=(H1-G1)/H1;
S09:获取下一对照组;重复步骤S05-S09;直到对六组对照组处理完毕;
S10:得到六个修复值Fj,j=1...6;
S11:根据六个面积占比Hj,j=1...6,对六个修复值Fj进行权值赋予,具体为:
S111:将Hj按照从大到小的顺序进行重新排列,并重新按照P1-P6的顺序进行标记,即此时的P1-P6依次减小;
S112:获取到六个权值P1、P2、P3、P4、P5和P6,将P1-P6依次按照Hj从大到小的顺序赋予;此处P1-P6按照从大到小的顺序进行排列;
S113:计算实修占比Sh;
S12:得到实修占比Sh;
所述图鉴模块用于将实修占比Sh传输到处理器,所述处理器还用于将实修占比Sh传输到自建议单元,所述自建议单元接收处理器传输的实修占比Sh,并进行建议生成步骤,具体为:
当Sh<U1时,产生错误信号;
当U1≤Sh≤U2时,产生合格信号;
当Sh>U2时,产生高能信号;
所述自建议单元用于将错误信号、合格信号和高能信号返回处理器,所述处理器在接收到自建议单元传输的错误信号时,驱动显示单元显示“当前修复效果极差,请重新修复”;
所述处理器在接收到自建议单元传输的合格信号时,驱动显示单元显示“当前修复效果正常,可满足要求”;
所述处理器在接收到自建议单元传输的错误信号时,驱动显示单元显示“当前修复效果极好,能够完美修复”;
所述管理单元与处理器通信连接;
数据摘选具体过程步骤三种遴选步骤具体为:
S1:获取到该视图对应视图信息组内所有的照片;
S2:将该照片与翻白缺陷图片进行比对,获取到所有改前图片内的缺陷部分面积;
S3:自动计算缺陷部分面积占该照片的总面积的比例,将其标记为缺陷占比Q1;
S4:任选下一照片,重复步骤S2-S4;得到所有照片的缺陷占比Qi,i=1...n;
S5:根据缺陷占比的数值,按照从大到小的顺序对照片进行排序;
S6:获取到最大的缺陷占比对应的照片,将其缺陷占比标记为Qz;筛选出所有满足Qz-Qi≤X1的照片,将其标记为待选照片;
S7:将拍摄时间最晚的照片标记为对应的选中图片。
2.根据权利要求1所述的塑料PPR银纹翻白缺陷的改进方法,其特征在于,所述银纹腔为一微米、十微米、一百微米的立体结构。
3.根据权利要求1所述的塑料PPR银纹翻白缺陷的改进方法,其特征在于,所述成核剂为一个β成核剂,β成核剂具体选用山西化工研究院的PMB-5型芳酰胺类化合物。
4.根据权利要求1所述的塑料PPR银纹翻白缺陷的改进方法,其特征在于,所述内外润滑剂为烷基材料,具体型号选用为美国霍尼韦尔AC-6加入8-15%的聚乙烯合成蜡或者日本胜田kpw12p加1-5%的羟基硬脂酸镁。
5.根据权利要求1所述的塑料PPR银纹翻白缺陷的改进方法,其特征在于,所述处理器接收图鉴模块传输的实修占比Sh,并将其传输到显示单元进行实时显示。
6.根据权利要求1所述的塑料PPR银纹翻白缺陷的改进方法,其特征在于所述处理器用于将实修占比Sh传输到智能设备,所述智能设备接收处理器传输的实修占比Sh;所述智能设备为用户便携式智能设备,具体为手机。
7.根据权利要求1所述的塑料PPR银纹翻白缺陷的改进方法,其特征在于,所述管理单元用于录入所有的预设值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010657444.8A CN111808367B (zh) | 2020-07-09 | 2020-07-09 | 塑料ppr银纹翻白缺陷的改进方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010657444.8A CN111808367B (zh) | 2020-07-09 | 2020-07-09 | 塑料ppr银纹翻白缺陷的改进方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111808367A CN111808367A (zh) | 2020-10-23 |
CN111808367B true CN111808367B (zh) | 2023-05-30 |
Family
ID=72842134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010657444.8A Active CN111808367B (zh) | 2020-07-09 | 2020-07-09 | 塑料ppr银纹翻白缺陷的改进方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111808367B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819162A (zh) * | 2010-05-13 | 2010-09-01 | 山东大学 | 空瓶瓶壁缺陷检测方法及装置 |
CN103954625A (zh) * | 2014-02-13 | 2014-07-30 | 同济大学 | 一种面向激光薄膜内部缺陷的溯源性损伤阈值测量技术 |
CN105486699A (zh) * | 2015-11-19 | 2016-04-13 | 中国航空工业集团公司北京航空材料研究院 | 一种检测有机玻璃银纹和缺陷的实验装置及方法 |
CN108665452A (zh) * | 2018-05-09 | 2018-10-16 | 广东大鹏液化天然气有限公司 | 一种基于大数据的管道焊缝底片扫描入库及焊缝缺陷识别方法及其*** |
KR101982347B1 (ko) * | 2018-06-11 | 2019-05-24 | 주식회사 에이치비테크놀러지 | 오토 리페어 시스템의 불량 검출장치 및 방법 |
CN110111331A (zh) * | 2019-05-20 | 2019-08-09 | 中南大学 | 基于机器视觉的蜂窝纸芯缺陷检测方法 |
CN110579479A (zh) * | 2019-08-09 | 2019-12-17 | 康代影像科技(苏州)有限公司 | 一种基于假点缺陷检测的pcb检修***及检修方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5712344A (en) * | 1996-01-04 | 1998-01-27 | Union Carbide Chemicals & Plastics Technology Corporation | Modified polypropylene impact copolymer compositions |
CN102558689B (zh) * | 2011-12-26 | 2014-07-16 | 上海普利特复合材料股份有限公司 | 一种抗应力发白改性聚丙烯材料及其制备方法 |
CN104497421A (zh) * | 2014-11-26 | 2015-04-08 | 上海邦中高分子材料有限公司 | 一种用于增强ppr给水管的韧性的改性母料 |
US10031087B2 (en) * | 2016-09-22 | 2018-07-24 | SSAB Enterprises, LLC | Methods and systems for the quantitative measurement of internal defects in as-cast steel products |
-
2020
- 2020-07-09 CN CN202010657444.8A patent/CN111808367B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819162A (zh) * | 2010-05-13 | 2010-09-01 | 山东大学 | 空瓶瓶壁缺陷检测方法及装置 |
CN103954625A (zh) * | 2014-02-13 | 2014-07-30 | 同济大学 | 一种面向激光薄膜内部缺陷的溯源性损伤阈值测量技术 |
CN105486699A (zh) * | 2015-11-19 | 2016-04-13 | 中国航空工业集团公司北京航空材料研究院 | 一种检测有机玻璃银纹和缺陷的实验装置及方法 |
CN108665452A (zh) * | 2018-05-09 | 2018-10-16 | 广东大鹏液化天然气有限公司 | 一种基于大数据的管道焊缝底片扫描入库及焊缝缺陷识别方法及其*** |
KR101982347B1 (ko) * | 2018-06-11 | 2019-05-24 | 주식회사 에이치비테크놀러지 | 오토 리페어 시스템의 불량 검출장치 및 방법 |
CN110111331A (zh) * | 2019-05-20 | 2019-08-09 | 中南大学 | 基于机器视觉的蜂窝纸芯缺陷检测方法 |
CN110579479A (zh) * | 2019-08-09 | 2019-12-17 | 康代影像科技(苏州)有限公司 | 一种基于假点缺陷检测的pcb检修***及检修方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111808367A (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110298370A (zh) | 网络模型训练方法、装置及物***姿确定方法、装置 | |
CN110310315A (zh) | 网络模型训练方法、装置及物***姿确定方法、装置 | |
JP2008170981A (ja) | レンズ光学系の偏芯調整方法及び装置並びにプログラム | |
CN104050709B (zh) | 一种三维图像处理方法及电子设备 | |
CN108733780A (zh) | 一种图片搜索方法及装置 | |
Cui et al. | Accurate geometrical optics model for single-lens stereovision system using a prism | |
JP4532171B2 (ja) | 立体物認識装置 | |
CN105654483A (zh) | 三维点云全自动配准方法 | |
CN107230254A (zh) | 一种二三维数据集成方法及*** | |
CN109754006A (zh) | 一种视图及点云融合的立体视觉内容分类方法与*** | |
CN116493290B (zh) | 一种用于塑料颗粒生产的智能分选方法及*** | |
CN111808367B (zh) | 塑料ppr银纹翻白缺陷的改进方法 | |
Almeida et al. | In‐plane displacement and strain image analysis | |
CN109461458A (zh) | 一种基于生成对抗网络的音频异常检测方法 | |
CN114638956B (zh) | 一种基于体素化与三视图的飞机整机点云语义分割方法 | |
CN103679269A (zh) | 基于主动学习的分类器样本选择方法及其装置 | |
Hou et al. | 3D reconstruction and positioning of surface features based on a monocular camera and geometric constraints | |
Molikawa et al. | Radial arc statistics: a powerful new probe of the central density profile of galaxy clusters | |
Yao et al. | Research of camera calibration based on genetic algorithm BP neural network | |
CN106803266A (zh) | 一种船体复杂外板点云肋骨线提取方法及装置 | |
CN113487200B (zh) | 一种公路工程的项目质量评定方法及*** | |
CN107273509B (zh) | 一种神经网络数据存储器、数据存储方法及数据查找方法 | |
CN105683740A (zh) | 高分子材料的模拟方法 | |
CN113505853A (zh) | 一种在约束条件下对晶体材料进行搜索的方法及装置 | |
Soe et al. | Energy absorbing characteristics of additively manufactured TPE cellular structures |
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 |