CN113592043A - 一种纸盒分类方法 - Google Patents

一种纸盒分类方法 Download PDF

Info

Publication number
CN113592043A
CN113592043A CN202111167098.6A CN202111167098A CN113592043A CN 113592043 A CN113592043 A CN 113592043A CN 202111167098 A CN202111167098 A CN 202111167098A CN 113592043 A CN113592043 A CN 113592043A
Authority
CN
China
Prior art keywords
capacity
data
classified
carton
classification
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.)
Granted
Application number
CN202111167098.6A
Other languages
English (en)
Other versions
CN113592043B (zh
Inventor
吴小倩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Jucai Ronghe Technology Co ltd
Original Assignee
Wuhan Jucai Ronghe Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Jucai Ronghe Technology Co ltd filed Critical Wuhan Jucai Ronghe Technology Co ltd
Priority to CN202111167098.6A priority Critical patent/CN113592043B/zh
Publication of CN113592043A publication Critical patent/CN113592043A/zh
Application granted granted Critical
Publication of CN113592043B publication Critical patent/CN113592043B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种纸盒分类方法,包括获取实时分类产能数据,并判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态;若判断为是,生成当前产能状态标识,并获取实际输出纸盒基本信息,获取待分类纸盒盒体完整程度值;分别生成待分类纸盒基本数据标识,并判断各所述待分类纸盒基本数据标识与预设的标准分类参考集合中的各标准分类参考值的特征匹配程度值是否满足预设匹配阈值;若判断为是,则生成纸盒初始分类信息,并生成纸盒更新分类信息。本发明实现了纸盒更新分类信息是综合了多方面信息后实现的结果,提升了纸盒分类的准确性和可靠性,无需再重复多次分类,间接提升纸盒分类效率。

Description

一种纸盒分类方法
技术领域
本申请涉及纸盒数据识别技术领域,特别是涉及一种纸盒分类方法。
背景技术
目前,对于纸盒类的纸制品的分类方法多种多样,如申请号为CN201810344496.2的发明专利中公开的一种废纸图像分类器的建立装置及其建立方法,还涉及一种废纸自动分类***及其分类方法。其中废纸图像分类器的建立方法包括:S1:建立样本库,所述样本库内存储有多种废纸样本图像以及与相应的所述废纸样本图像对应的分类等级,所述废纸样本图像包括不同类别的废纸所对应的样本图像;S2:构建CNN图像分类模型;S3:在所述样本库中随机抽取废纸样本图像对所述CNN图像分类模型进行训练,得到废纸分类模型,即废纸图像分类器。
虽然上述技术方案能够实现一定的分类效果,但是其应用于纸盒分类中,和其他的分类技术一样,存在需要花费大量的时间,存在效率低下的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高纸盒分类效率的纸盒分类方法。
本发明技术方案如下:
一种纸盒分类方法,所述方法包括:
获取预设的各当前纸盒分类生产流水线的实时分类产能数据,并根据所述实时分类产能数据判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态;若判断为是,则根据各所述当前纸盒分类生产流水线分别生成当前产能状态标识,并获取各所述当前纸盒分类生产流水线的实际输出纸盒基本信息,同时根据各所述实际输出纸盒基本信息分别获取待分类纸盒盒体完整程度值;根据各所述当前纸盒分类生产流水线对应的实际输出纸盒基本信息和待分类纸盒盒体完整程度值分别生成待分类纸盒基本数据标识,并判断各所述待分类纸盒基本数据标识与预设的标准分类参考集合中的各标准分类参考值的特征匹配程度值是否满足预设匹配阈值,其中,一个所述标准分类参考集合对应一个标准分类类别;若判断为是,则生成纸盒初始分类信息,并根据所述纸盒初始分类信息、所述当前产能状态标识、所述待分类纸盒盒体完整程度值和所述待分类纸盒基本数据标识生成纸盒更新分类信息。
具体而言,若判断为是,则根据各所述当前纸盒分类生产流水线分别生成当前产能状态标识,并获取各所述当前纸盒分类生产流水线的实际输出纸盒基本信息,同时根据各所述实际输出纸盒基本信息分别获取待分类纸盒盒体完整程度值;之后还包括:
获取各所述当前纸盒分类生产流水线对应的所述待分类纸盒盒体完整程度值小于预设的纸盒最低破损程度值的数值集合,该数值集合对应的待分类纸盒所组成的集合为不接收纸盒集合;获取与所述纸盒最低破损程度值相匹配的特殊纸盒产品信息;对所述特殊纸盒产品信息进行纸盒破损程度分析,并生成纸盒破损程度数据;根据所述纸盒破损程度数据生成纸盒修复措施数据;根据所述纸盒修复措施数据生成修复信息指标值,并将所述修复信息指标值添加至所述纸盒更新分类信息。
具体而言,获取预设的各当前纸盒分类生产流水线的实时分类产能数据,并根据所述实时分类产能数据判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态,具体包括:
获取各当前纸盒分类生产流水线的理论分类产量数据;对预设的各当前纸盒分类生产流水线进行实际产能统计,并在实际产能统计后获取实时分类产能数据;对所述实时分类产能数据中的高产能监测时间段内的产能进行产能数据筛选,并获取高产能状态筛选数据;根据所述理论分类产量数据和所述高产能状态筛选数据进行产能状态分析比对,并生成产能比对分析结果;根据所述产能比对分析结果判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态。
具体而言,对所述实时分类产能数据中的高产能监测时间段内的产能进行产能数据筛选,并获取高产能状态筛选数据;具体包括:
预先设置高产能监测时间段;根据所述高产能监测时间段对所述实时分类产能数据进行数据筛选,并生成高产能状态数据变化表;根据所述高产能状态数据变化表进行高产能数据凸点采集,并获取高差能数据凸点,同时对所述高产能状态数据变化表进行高效率数据采集,并获取高效率数据点;根据各所述高差能数据凸点和各所述高效率数据点生成高产能状态筛选数据。
具体而言,根据所述产能比对分析结果判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态,之后还包括:
当判断所述高产能状态筛选数据超出所述理论分类产量数据时,也即根据所述产能比对分析结果判断各所述当前纸盒分类生产流水线不处于正常产能工作状态时,生成产能调整指令;根据所述产能调整指令对所述产能比对分析结果进行调节参数获取,并生成产能调节向量;根据所述产能调节向量对所述高产能状态筛选数据进行模拟调节,并生成模拟调节结果值,当所述模拟调节结果值大于等于预设的合格调节值时,生成可调节指令;根据所述可调节指令根据所述产能调节向量对各当前纸盒分类生产流水线进行产能调节。
本发明实现技术效果如下:
上述纸盒分类方法,依次通过获取预设的各当前纸盒分类生产流水线的实时分类产能数据,并根据所述实时分类产能数据判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态;若判断为是,则根据各所述当前纸盒分类生产流水线分别生成当前产能状态标识,并获取各所述当前纸盒分类生产流水线的实际输出纸盒基本信息,同时根据各所述实际输出纸盒基本信息分别获取待分类纸盒盒体完整程度值;根据各所述当前纸盒分类生产流水线对应的实际输出纸盒基本信息和待分类纸盒盒体完整程度值分别生成待分类纸盒基本数据标识,并判断各所述待分类纸盒基本数据标识与预设的标准分类参考集合中的各标准分类参考值的特征匹配程度值是否满足预设匹配阈值;若判断为是,则生成纸盒初始分类信息,并根据所述纸盒初始分类信息、所述当前产能状态标识、所述待分类纸盒盒体完整程度值和所述待分类纸盒基本数据标识生成纸盒更新分类信息,也即,本发明为了保证分类工作的正常进行,故首先在对各当前纸盒分类生产流水线输出的待分类纸盒进行分类之前,先判定各所述当前纸盒分类生产流水线是否处于正常的工作状态,即为通过获取预设的各当前纸盒分类生产流水线的实时分类产能数据,并根据所述实时分类产能数据判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态,而当判断各所述当前纸盒分类生产流水线是处于正常产能工作状态时,为了实现对后来分类数据的溯源,也即实现对各待分类纸盒是从哪个流水线输出的溯源,通过根据各所述当前纸盒分类生产流水线分别生成当前产能状态标识,其中,当前产能状态标识包括当前纸盒分类生产流水线的产能数据和当前纸盒分类生产流水线的流水线标识数据,所述流水线标识数据与当前纸盒分类生产流水线对应并用于表征当前纸盒分类生产流水线,为了进一步地进行对纸盒的分类,需要获取各所述当前纸盒分类生产流水线的实际输出纸盒基本信息,并根据各所述实际输出纸盒基本信息分别获取待分类纸盒盒体完整程度值,所述待分类纸盒盒体完整程度值用于表征待分类纸盒的完整程度,通过用数值的形式展开,实现数据化数据展示,提升后续分类效率,而为了进一步对纸盒进行分类,因而需要通过根据各所述当前纸盒分类生产流水线对应的实际输出纸盒基本信息和待分类纸盒盒体完整程度值分别生成待分类纸盒基本数据标识,所述待分类纸盒基本数据标识为与所述待分类纸盒盒体完整程度值相关联的标识,同时通过预先设置标准分类参考集合,并在标准分类参考集合中设置标准分类参考集合中,以通过判断各所述待分类纸盒基本数据标识与各所述标准分类参考值的特征匹配程度值是否满足预设匹配阈值,当判断满足的时候,说明满足预设匹配阈值的待分类纸盒是属于对应的标准分类类别,接着,生成纸盒初始分类信息,并且为了分类的严谨性和分类考量的综合性,因此通过根据所述纸盒初始分类信息、所述当前产能状态标识、所述待分类纸盒盒体完整程度值和所述待分类纸盒基本数据标识生成纸盒更新分类信息,进一步地实现了纸盒更新分类信息是综合了多方面信息后实现的结果,提升了纸盒分类的准确性和可靠性,无需再重复多次分类,间接提升纸盒分类效率。
附图说明
图1为一个实施例中纸盒分类方法的流程示意图;
图2为一个实施例中纸盒分类***的结构框图;
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种纸盒分类方法,所述方法包括:
步骤S100:获取预设的各当前纸盒分类生产流水线的实时分类产能数据,并根据所述实时分类产能数据判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态;
具体地,本发明所述纸盒分类方法应用于的场景为多个纸盒分类生产流水线上,待分类纸盒为需要进行回收处理的纸盒,该类纸盒种类不同、且破损程度不同,因而,需要根据种类以及破损程度等参数进行分类。
进一步地,为了保证分类工作的正常进行,故首先在对各当前纸盒分类生产流水线输出的待分类纸盒进行分类之前,先判定各所述当前纸盒分类生产流水线是否处于正常的工作状态,即为通过获取预设的各当前纸盒分类生产流水线的实时分类产能数据,并根据所述实时分类产能数据判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态。
步骤S200:若判断为是,则根据各所述当前纸盒分类生产流水线分别生成当前产能状态标识,并获取各所述当前纸盒分类生产流水线的实际输出纸盒基本信息,同时根据各所述实际输出纸盒基本信息分别获取待分类纸盒盒体完整程度值;
具体地,当判断各所述当前纸盒分类生产流水线是处于正常产能工作状态时,为了实现对后来分类数据的溯源,也即实现对各待分类纸盒是从哪个流水线输出的溯源,通过根据各所述当前纸盒分类生产流水线分别生成当前产能状态标识,其中,当前产能状态标识包括当前纸盒分类生产流水线的产能数据和当前纸盒分类生产流水线的流水线标识数据,所述流水线标识数据与当前纸盒分类生产流水线对应并用于表征当前纸盒分类生产流水线,为了进一步地进行对纸盒的分类,需要获取各所述当前纸盒分类生产流水线的实际输出纸盒基本信息,并根据各所述实际输出纸盒基本信息分别获取待分类纸盒盒体完整程度值,所述待分类纸盒盒体完整程度值用于表征待分类纸盒的完整程度,通过用数值的形式展开,实现数据化数据展示,提升后续分类效率。
其中,所述实际输出纸盒基本信息为至少包括待分类纸盒盒体完整程度值,还包括实际输出纸盒的材质信息、形状信息以及刀口数据。其中,材质信息优选为根据光谱分析进行获取,形状信息为根据CCD相机进行采集,刀口数据为切割部位数据,亦可以根据CCD相机进行图像采集后获取。
应理解,所述待分类纸盒盒体完整程度值仅为中间数据,其作用为根据实际需求选择留存记录,并作为中间数据方便后续进行方便对比。
步骤S300:根据各所述当前纸盒分类生产流水线对应的实际输出纸盒基本信息和待分类纸盒盒体完整程度值分别生成待分类纸盒基本数据标识,并判断各所述待分类纸盒基本数据标识与预设的标准分类参考集合中的各标准分类参考值的特征匹配程度值是否满足预设匹配阈值,其中,一个所述标准分类参考集合对应一个标准分类类别;
具体地,为了进一步对纸盒进行分类,因而需要通过根据各所述当前纸盒分类生产流水线对应的实际输出纸盒基本信息和待分类纸盒盒体完整程度值分别生成待分类纸盒基本数据标识,所述待分类纸盒基本数据标识为与所述待分类纸盒盒体完整程度值相关联的标识,同时通过预先设置标准分类参考集合,并在标准分类参考集合中设置标准分类参考集合中,以通过判断各所述待分类纸盒基本数据标识与各所述标准分类参考值的特征匹配程度值是否满足预设匹配阈值,当判断满足的时候,说明满足预设匹配阈值的待分类纸盒是属于对应的标准分类类别。
进一步地,本实施例中,所述待分类纸盒基本数据标识采用二维码的形式来实现标识作用,表征所述待分类纸盒盒体完整程度值的二维码不同,也即不同的完整程度对应不同的二维码,不同的二维码被扫码后出现的完整程度值也不同,如当所述待分类纸盒盒体完整程度为100%完整时,扫描对应的二维码后,显示的信息为A-100,其中100则表示完整程度值为100,当所述待分类纸盒盒体完整程度因出现损坏而为95%完整时,扫描对应的二维码后,显示的完整程度值则为A-95,其中的95则表示完整程度值为95。A则包含了所述实际输出纸盒基本信息。
当然上述信息表示方式仅为举例,不作具体限定。
更进一步地,所述待分类纸盒基本数据标识不仅与所述待分类纸盒盒体完整程度值相关联,还与所述实际输出纸盒基本信息相关联,应理解,所述待分类纸盒基本数据标识为综合了所述实际输出纸盒基本信息和所述待分类纸盒盒体完整程度值后生成的综合性标示信息,主要作用为方便后续对纸盒进行分类,也即,通过以一个综合性标示信息进行分类,避免了分别通过所述实际输出纸盒基本信息和所述待分类纸盒盒体完整程度值进行两次分类,提升了分类效率。
其中,预设的标准分类参考集合中的各标准分类参考值为一串具备参考信息的英文码和数字码,如B-96、B-32、C-84等等,其中,英文码代表实际输出纸盒基本信息,优选为表示实际输出纸盒的材质信息,接着,在判断各所述待分类纸盒基本数据标识与预设的标准分类参考集合中的各标准分类参考值的特征匹配程度值是否满足预设匹配阈值的过程中,采用相似度算法,通过相似度值判断是否匹配。
步骤S400:若判断为是,则生成纸盒初始分类信息,并根据所述纸盒初始分类信息、所述当前产能状态标识、所述待分类纸盒盒体完整程度值和所述待分类纸盒基本数据标识生成纸盒更新分类信息。
具体地,并且为了分类的严谨性和分类考量的综合性,因此通过根据所述纸盒初始分类信息、所述当前产能状态标识、所述待分类纸盒盒体完整程度值和所述待分类纸盒基本数据标识生成纸盒更新分类信息,进一步地实现了纸盒更新分类信息是综合了多方面信息后实现的结果,提升了纸盒分类的准确性和可靠性,无需再重复多次分类,间接提升纸盒分类效率。
具体地,所述纸盒初始分类信息还包括所述纸盒初始分类信息的生成时间,在根据所述纸盒初始分类信息、所述当前产能状态标识、所述待分类纸盒盒体完整程度值和所述待分类纸盒基本数据标识生成纸盒更新分类信息时,加上生成时间的信息,提升后续对纸盒更新分类信息中各时间信息的溯源性。
在一个实施例中,步骤S200:若判断为是,则根据各所述当前纸盒分类生产流水线分别生成当前产能状态标识,并获取各所述当前纸盒分类生产流水线的实际输出纸盒基本信息,同时根据各所述实际输出纸盒基本信息分别获取待分类纸盒盒体完整程度值;之后还包括:
步骤S210:获取各所述当前纸盒分类生产流水线对应的所述待分类纸盒盒体完整程度值小于预设的纸盒最低破损程度值的数值集合,该数值集合对应的待分类纸盒所组成的集合为不接收纸盒集合;
步骤S220:获取与所述纸盒最低破损程度值相匹配的特殊纸盒产品信息;
步骤S230:对所述特殊纸盒产品信息进行纸盒破损程度分析,并生成纸盒破损程度数据;
步骤S240:根据所述纸盒破损程度数据生成纸盒修复措施数据;
步骤S250:根据所述纸盒修复措施数据生成修复信息指标值,并将所述修复信息指标值添加至所述纸盒更新分类信息。
具体而言,所述纸盒最低破损程度值为预先设置,所述纸盒最低破损程度值对应的待分类纸盒为已经被损坏至无法直接回收的程度,需要进行修补,因此,获取与所述纸盒最低破损程度值相匹配的特殊纸盒产品信息,所述特殊纸盒产品信息为所述不接收纸盒集合中的纸盒的实际信息,包括破损程度等级、破损原因分析以及破损区域统计,接着,通过根据所述纸盒破损程度数据生成纸盒修复措施数据,所述纸盒维修措施数据为根据破损程度等级、破损原因分析以及破损区域统计的数据进行相应的修补措施的综合而形成的数据,生成的修复信息指标值表征了修复过程所花费的步骤、流程以及修复成本,通过将所述修复信息指标值添加至所述纸盒更新分类信息,方便后续对纸盒分类后的数据进行成本统计处理。
在一个实施例中,步骤S100:获取预设的各当前纸盒分类生产流水线的实时分类产能数据,并根据所述实时分类产能数据判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态,具体包括:
步骤S110:获取各当前纸盒分类生产流水线的理论分类产量数据;
步骤S120:对预设的各当前纸盒分类生产流水线进行实际产能统计,并在实际产能统计后获取实时分类产能数据;
步骤S130:对所述实时分类产能数据中的高产能监测时间段内的产能进行产能数据筛选,并获取高产能状态筛选数据;
步骤S140:根据所述理论分类产量数据和所述高产能状态筛选数据进行产能状态分析比对,并生成产能比对分析结果;
步骤S150:根据所述产能比对分析结果判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态。
具体而言,各所述理论分类产量数据与各当前纸盒分类生产流水线一一对应,用于表示各当前纸盒分类生产流水线理论上可以实现的产能,接着,对所述实时分类产能数据中的高产能监测时间段内的产能进行产能数据筛选,并获取高产能状态筛选数据,所述高产能监测时间段为预先根据实际产能进行划分,具体为根据不同的产能数据,提取不同产能数据中产能排列前10%的数据,而根据所述理论分类产量数据和所述高产能状态筛选数据进行产能状态分析比对,并生成的产能比对分析结果,用于判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态。
进一步地,所述高产能状态筛选数据代表各当前纸盒分类生产流水线在比较优化的工作状态中进行产能的产能数据,本实施例中优选为通过流水线的产量来衡量。如提取不同产能数据中产能排列前10%的数据后,获得的产量为10000件/小时,而所述理论分类产量数据则为9800件/小时-12000件/小时,将根据所述理论分类产量数据和所述高产能状态筛选数据进行产能状态分析比对后,即为将10000件/小时与9800件/小时-12000件/小时,生成的产能比对分析结果则为:实际产能处于理论产能数据范围内,此时产能比对分析结果为产能正常,即处于正常产能工作状态,反之则为不正常。
进而实现了根据所述理论分类产量数据和所述高产能状态筛选数据进行产能状态分析比对,并生成的产能比对分析结果,用于判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态。
在一个实施例中,步骤S130:对所述实时分类产能数据中的高产能监测时间段内的产能进行产能数据筛选,并获取高产能状态筛选数据;具体包括:
步骤S131:预先设置高产能监测时间段;
步骤S132:根据所述高产能监测时间段对所述实时分类产能数据进行数据筛选,并生成高产能状态数据变化表;
步骤S133:根据所述高产能状态数据变化表进行高产能数据凸点采集,并获取高差能数据凸点,同时对所述高产能状态数据变化表进行高效率数据采集,并获取高效率数据点;
步骤S134:根据各所述高差能数据凸点和各所述高效率数据点生成高产能状态筛选数据。
具体而言,通过先设置高产能监测时间段,再对所述实时分类产能数据进行数据筛选,并生成高产能状态数据变化表,实现通过高产能状态数据变化表来进行产能可视化统计,然后,根据所述高产能状态数据变化表进行高产能数据凸点采集,并获取高差能数据凸点,同时对所述高产能状态数据变化表进行高效率数据采集,并获取高效率数据点,所述高差能数据凸点为产能数据在某一时间段内的峰值点,所述高效率数据点为产能数据的产能速率大于预设的标准速率的起始点,进一步地,根据各所述高差能数据凸点和各所述高效率数据点生成高产能状态筛选数据。
在一个实施例中,步骤S150:根据所述产能比对分析结果判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态,之后还包括:
步骤S151:当判断所述高产能状态筛选数据超出所述理论分类产量数据时,也即根据所述产能比对分析结果判断各所述当前纸盒分类生产流水线不处于正常产能工作状态时,生成产能调整指令;
步骤S152:根据所述产能调整指令对所述产能比对分析结果进行调节参数获取,并生成产能调节向量;
步骤S153:根据所述产能调节向量对所述高产能状态筛选数据进行模拟调节,并生成模拟调节结果值,当所述模拟调节结果值大于等于预设的合格调节值时,生成可调节指令;
步骤S154:根据所述可调节指令根据所述产能调节向量对各当前纸盒分类生产流水线进行产能调节。
具体而言,为了保证各当前纸盒分类生产流水线的正常产能,以及在不正常产能时进行调整,因而通过当判断所述高产能状态筛选数据超出所述理论分类产量数据时,也即根据所述产能比对分析结果判断各所述当前纸盒分类生产流水线不处于正常产能工作状态时,生成产能调整指令,然后根据所述产能调整指令对所述产能比对分析结果进行调节参数获取,并生成产能调节向量,所述产能调节向量的大小为需要增加或减少的产能量,而产能调节向量的方向为正向时,则为需要增加产能,当产能调节向量的方向为负向时,则需要减少产能,接着,根据所述产能调节向量对所述高产能状态筛选数据进行模拟调节,并生成模拟调节结果值,当所述模拟调节结果值大于等于预设的合格调节值时,生成可调节指令,当大于等于预设的合格调节值时,说明调节有效,因此根据所述可调节指令根据所述产能调节向量对各当前纸盒分类生产流水线进行产能调节。
综上所述,本发明为了保证分类工作的正常进行,故首先在对各当前纸盒分类生产流水线输出的待分类纸盒进行分类之前,先判定各所述当前纸盒分类生产流水线是否处于正常的工作状态,即为通过获取预设的各当前纸盒分类生产流水线的实时分类产能数据,并根据所述实时分类产能数据判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态,而当判断各所述当前纸盒分类生产流水线是处于正常产能工作状态时,为了实现对后来分类数据的溯源,也即实现对各待分类纸盒是从哪个流水线输出的溯源,通过根据各所述当前纸盒分类生产流水线分别生成当前产能状态标识,其中,当前产能状态标识包括当前纸盒分类生产流水线的产能数据和当前纸盒分类生产流水线的流水线标识数据,所述流水线标识数据与当前纸盒分类生产流水线对应并用于表征当前纸盒分类生产流水线,为了进一步地进行对纸盒的分类,需要获取各所述当前纸盒分类生产流水线的实际输出纸盒基本信息,并根据各所述实际输出纸盒基本信息分别获取待分类纸盒盒体完整程度值,所述待分类纸盒盒体完整程度值用于表征待分类纸盒的完整程度,通过用数值的形式展开,实现数据化数据展示,提升后续分类效率,而为了进一步对纸盒进行分类,因而需要通过根据各所述当前纸盒分类生产流水线对应的实际输出纸盒基本信息和待分类纸盒盒体完整程度值分别生成待分类纸盒基本数据标识,所述待分类纸盒基本数据标识为与所述待分类纸盒盒体完整程度值相关联的标识,同时通过预先设置标准分类参考集合,并在标准分类参考集合中设置标准分类参考集合中,以通过判断各所述待分类纸盒基本数据标识与各所述标准分类参考值的特征匹配程度值是否满足预设匹配阈值,当判断满足的时候,说明满足预设匹配阈值的待分类纸盒是属于对应的标准分类类别,接着,生成纸盒初始分类信息,并且为了分类的严谨性和分类考量的综合性,因此通过根据所述纸盒初始分类信息、所述当前产能状态标识、所述待分类纸盒盒体完整程度值和所述待分类纸盒基本数据标识生成纸盒更新分类信息,进一步地实现了纸盒更新分类信息是综合了多方面信息后实现的结果,提升了纸盒分类的准确性和可靠性,无需再重复多次分类,间接提升纸盒分类效率。
在一个实施例中,如图2所示,提供一种纸盒分类***,所述***包括:
产能获取模块,用于获取预设的各当前纸盒分类生产流水线的实时分类产能数据,并根据所述实时分类产能数据判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态;
信息获取模块,用于若判断为是,则根据各所述当前纸盒分类生产流水线分别生成当前产能状态标识,并获取各所述当前纸盒分类生产流水线的实际输出纸盒基本信息,同时根据各所述实际输出纸盒基本信息分别获取待分类纸盒盒体完整程度值;
阈值匹配模块,用于根据各所述当前纸盒分类生产流水线对应的实际输出纸盒基本信息和待分类纸盒盒体完整程度值分别生成待分类纸盒基本数据标识,并判断各所述待分类纸盒基本数据标识与预设的标准分类参考集合中的各标准分类参考值的特征匹配程度值是否满足预设匹配阈值,其中,一个所述标准分类参考集合对应一个标准分类类别;
分类信息模块,用于若判断为是,则生成纸盒初始分类信息,并根据所述纸盒初始分类信息、所述当前产能状态标识、所述待分类纸盒盒体完整程度值和所述待分类纸盒基本数据标识生成纸盒更新分类信息。
在一个实施例中,所述信息获取模块还用于:
获取各所述当前纸盒分类生产流水线对应的所述待分类纸盒盒体完整程度值小于预设的纸盒最低破损程度值的数值集合,该数值集合对应的待分类纸盒所组成的集合为不接收纸盒集合;获取与所述纸盒最低破损程度值相匹配的特殊纸盒产品信息;对所述特殊纸盒产品信息进行纸盒破损程度分析,并生成纸盒破损程度数据;根据所述纸盒破损程度数据生成纸盒修复措施数据;根据所述纸盒修复措施数据生成修复信息指标值,并将所述修复信息指标值添加至所述纸盒更新分类信息。
在一个实施例中,所述产能获取模块还用于:
获取各当前纸盒分类生产流水线的理论分类产量数据;对预设的各当前纸盒分类生产流水线进行实际产能统计,并在实际产能统计后获取实时分类产能数据;对所述实时分类产能数据中的高产能监测时间段内的产能进行产能数据筛选,并获取高产能状态筛选数据;根据所述理论分类产量数据和所述高产能状态筛选数据进行产能状态分析比对,并生成产能比对分析结果;根据所述产能比对分析结果判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态;预先设置高产能监测时间段;根据所述高产能监测时间段对所述实时分类产能数据进行数据筛选,并生成高产能状态数据变化表;根据所述高产能状态数据变化表进行高产能数据凸点采集,并获取高差能数据凸点,同时对所述高产能状态数据变化表进行高效率数据采集,并获取高效率数据点;根据各所述高差能数据凸点和各所述高效率数据点生成高产能状态筛选数据;当判断所述高产能状态筛选数据超出所述理论分类产量数据时,也即根据所述产能比对分析结果判断各所述当前纸盒分类生产流水线不处于正常产能工作状态时,生成产能调整指令;根据所述产能调整指令对所述产能比对分析结果进行调节参数获取,并生成产能调节向量;根据所述产能调节向量对所述高产能状态筛选数据进行模拟调节,并生成模拟调节结果值,当所述模拟调节结果值大于等于预设的合格调节值时,生成可调节指令;根据所述可调节指令根据所述产能调节向量对各当前纸盒分类生产流水线进行产能调节。
在一个实施例中,如图3所示,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述纸盒分类方法所述的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述纸盒分类方法所述的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种纸盒分类方法,其特征在于,所述方法包括:
获取预设的各当前纸盒分类生产流水线的实时分类产能数据,并根据所述实时分类产能数据判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态;若判断为是,则根据各所述当前纸盒分类生产流水线分别生成当前产能状态标识,并获取各所述当前纸盒分类生产流水线的实际输出纸盒基本信息,同时根据各所述实际输出纸盒基本信息分别获取待分类纸盒盒体完整程度值;根据各所述当前纸盒分类生产流水线对应的实际输出纸盒基本信息和待分类纸盒盒体完整程度值分别生成待分类纸盒基本数据标识,并判断各所述待分类纸盒基本数据标识与预设的标准分类参考集合中的各标准分类参考值的特征匹配程度值是否满足预设匹配阈值,其中,一个所述标准分类参考集合对应一个标准分类类别;若判断为是,则生成纸盒初始分类信息,并根据所述纸盒初始分类信息、所述纸盒初始分类信息的生成时间、所述当前产能状态标识、所述待分类纸盒盒体完整程度值和所述待分类纸盒基本数据标识生成纸盒更新分类信息。
2.根据权利要求1所述的一种纸盒分类方法,其特征在于,若判断为是,则根据各所述当前纸盒分类生产流水线分别生成当前产能状态标识,并获取各所述当前纸盒分类生产流水线的实际输出纸盒基本信息,同时根据各所述实际输出纸盒基本信息分别获取待分类纸盒盒体完整程度值;之后还包括:
获取各所述当前纸盒分类生产流水线对应的所述待分类纸盒盒体完整程度值小于预设的纸盒最低破损程度值的数值集合,该数值集合对应的待分类纸盒所组成的集合为不接收纸盒集合;获取与所述纸盒最低破损程度值相匹配的特殊纸盒产品信息;对所述特殊纸盒产品信息进行纸盒破损程度分析,并生成纸盒破损程度数据;根据所述纸盒破损程度数据生成纸盒修复措施数据;根据所述纸盒修复措施数据生成修复信息指标值,并将所述修复信息指标值添加至所述纸盒更新分类信息。
3.根据权利要求2所述的一种纸盒分类方法,其特征在于,获取预设的各当前纸盒分类生产流水线的实时分类产能数据,并根据所述实时分类产能数据判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态,具体包括:
获取各当前纸盒分类生产流水线的理论分类产量数据;对预设的各当前纸盒分类生产流水线进行实际产能统计,并在实际产能统计后获取实时分类产能数据;对所述实时分类产能数据中的高产能监测时间段内的产能进行产能数据筛选,并获取高产能状态筛选数据;根据所述理论分类产量数据和所述高产能状态筛选数据进行产能状态分析比对,并生成产能比对分析结果;根据所述产能比对分析结果判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态。
4.根据权利要求3所述的一种纸盒分类方法,其特征在于,对所述实时分类产能数据中的高产能监测时间段内的产能进行产能数据筛选,并获取高产能状态筛选数据;具体包括:
预先设置高产能监测时间段;根据所述高产能监测时间段对所述实时分类产能数据进行数据筛选,并生成高产能状态数据变化表;根据所述高产能状态数据变化表进行高产能数据凸点采集,并获取高差能数据凸点,同时对所述高产能状态数据变化表进行高效率数据采集,并获取高效率数据点;根据各所述高差能数据凸点和各所述高效率数据点生成高产能状态筛选数据。
5.根据权利要求4所述的一种纸盒分类方法,其特征在于,根据所述产能比对分析结果判断各所述当前纸盒分类生产流水线是否处于正常产能工作状态,之后还包括:
当判断所述高产能状态筛选数据超出所述理论分类产量数据时,也即根据所述产能比对分析结果判断各所述当前纸盒分类生产流水线不处于正常产能工作状态时,生成产能调整指令。
6.根据权利要求5所述的一种纸盒分类方法,其特征在于,所述生成产能调整指令,之后还包括:
根据所述产能调整指令对所述产能比对分析结果进行调节参数获取,并生成产能调节向量。
7.根据权利要求6所述的一种纸盒分类方法,其特征在于,所述生成产能调节向量,之后还包括:
根据所述产能调节向量对所述高产能状态筛选数据进行模拟调节,并生成模拟调节结果值,当所述模拟调节结果值大于等于预设的合格调节值时,生成可调节指令。
8.根据权利要求7所述的一种纸盒分类方法,其特征在于,所述生成可调节指令,之后还包括:
根据所述可调节指令根据所述产能调节向量对各当前纸盒分类生产流水线进行产能调节。
CN202111167098.6A 2021-10-02 2021-10-02 一种纸盒分类方法 Active CN113592043B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111167098.6A CN113592043B (zh) 2021-10-02 2021-10-02 一种纸盒分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111167098.6A CN113592043B (zh) 2021-10-02 2021-10-02 一种纸盒分类方法

Publications (2)

Publication Number Publication Date
CN113592043A true CN113592043A (zh) 2021-11-02
CN113592043B CN113592043B (zh) 2021-12-07

Family

ID=78242824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111167098.6A Active CN113592043B (zh) 2021-10-02 2021-10-02 一种纸盒分类方法

Country Status (1)

Country Link
CN (1) CN113592043B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116430818A (zh) * 2023-06-05 2023-07-14 水发物联科技有限公司 基于多工位程控设备控制实现的产线自动生产方法及***

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080103715A1 (en) * 2006-10-27 2008-05-01 Omron Corporation Operating condition monitoring apparatus, method for monitoring operating condition and program
US20120066253A1 (en) * 2010-09-15 2012-03-15 Cbs Interactive, Inc. Mapping Product Identification Information To A Product
CN102393912A (zh) * 2011-11-01 2012-03-28 中国电子科技集团公司第二十八研究所 一种基于不确定推理的目标综合识别方法
CN109178724A (zh) * 2018-11-12 2019-01-11 任杰 分类回收客户端、回收箱、验收装置、回收***和方法
CN112306024A (zh) * 2020-05-08 2021-02-02 陈晓清 结合智慧园区的设备运行状态确定方法及大数据中心
CN112718572A (zh) * 2021-04-02 2021-04-30 浙江大胜达包装股份有限公司 再生纸制品分类自动管理***及方法
CN112819793A (zh) * 2021-02-01 2021-05-18 宁波港信息通信有限公司 一种集装箱残损识别方法、装置、设备和可读存取介质
CN112989861A (zh) * 2021-02-08 2021-06-18 北京声智科技有限公司 样本标识码的读取方法、读取装置、电子设备和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080103715A1 (en) * 2006-10-27 2008-05-01 Omron Corporation Operating condition monitoring apparatus, method for monitoring operating condition and program
US20120066253A1 (en) * 2010-09-15 2012-03-15 Cbs Interactive, Inc. Mapping Product Identification Information To A Product
CN102393912A (zh) * 2011-11-01 2012-03-28 中国电子科技集团公司第二十八研究所 一种基于不确定推理的目标综合识别方法
CN109178724A (zh) * 2018-11-12 2019-01-11 任杰 分类回收客户端、回收箱、验收装置、回收***和方法
CN112306024A (zh) * 2020-05-08 2021-02-02 陈晓清 结合智慧园区的设备运行状态确定方法及大数据中心
CN112819793A (zh) * 2021-02-01 2021-05-18 宁波港信息通信有限公司 一种集装箱残损识别方法、装置、设备和可读存取介质
CN112989861A (zh) * 2021-02-08 2021-06-18 北京声智科技有限公司 样本标识码的读取方法、读取装置、电子设备和存储介质
CN112718572A (zh) * 2021-04-02 2021-04-30 浙江大胜达包装股份有限公司 再生纸制品分类自动管理***及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116430818A (zh) * 2023-06-05 2023-07-14 水发物联科技有限公司 基于多工位程控设备控制实现的产线自动生产方法及***
CN116430818B (zh) * 2023-06-05 2023-09-15 鲁控数字技术(山东)有限公司 基于多工位程控设备控制实现的产线自动生产方法及***

Also Published As

Publication number Publication date
CN113592043B (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN116560327B (zh) 一种基于物联网的电动工具生产控制方法及***
CN113592043B (zh) 一种纸盒分类方法
CN108764361B (zh) 基于集成学习的游梁式抽油机示功图的工况识别方法
Liu et al. Unsupervised segmentation and elm for fabric defect image classification
CN116188475B (zh) 一种外观缺陷自动光学检测的智慧控制方法、***及介质
CN103106265A (zh) 相似图像分类方法及***
CN114708587B (zh) 一种基于图像识别的数控机床工件加工余量确定方法
WO2014168883A1 (en) System and method for the automatic determination of critical parametric electrical test parameters for inline yield monitoring
CN113537414A (zh) 锂电池缺陷检测方法、装置、设备及存储介质
CN116992740B (zh) 一种通讯基站精密部件生产设备的智能调控方法及***
CN116862913B (zh) 基于机器视觉的复合镍铜散热底板缺陷检测方法及***
CN112580935A (zh) 一种基于机器视觉的工业产品生产流程溯源分析方法
CN113487607A (zh) 基于多视场图像的缺陷检测方法及装置
CN115731220A (zh) 坯布缺陷定位与分类方法、***、设备及存储介质
CN117608259B (zh) 一种储存芯片生产设备的控制方法及***
CN116776647B (zh) 一种复合镍铜铝散热底板的性能预测方法及***
CN117095247A (zh) 基于数控加工的加工姿态运行优化方法、***及介质
CN116106331B (zh) 一种汽车电池外壳在线检测装置及其检测方法
CN115830302B (zh) 一种多尺度特征提取融合配电网设备定位识别方法
CN116071298A (zh) 一种基于目标检测模型的刀具损耗识别方法、装置
CN115933534A (zh) 一种基于物联网的数控智能检测***及方法
CN113221548A (zh) 基于机器学习的bom表识别方法、装置、计算机设备及介质
CN111968114B (zh) 基于级联深度学习方法的骨科耗材检测方法及***
CN110472656B (zh) 车辆图像分类方法、装置、计算机设备及存储介质
Zanon et al. Analysis of IC manufacturing process deformations: An automated approach using SRAM bit fail maps

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