CN116295752B - 用于smt上料设备的测试力度控制方法及*** - Google Patents
用于smt上料设备的测试力度控制方法及*** Download PDFInfo
- Publication number
- CN116295752B CN116295752B CN202310533104.8A CN202310533104A CN116295752B CN 116295752 B CN116295752 B CN 116295752B CN 202310533104 A CN202310533104 A CN 202310533104A CN 116295752 B CN116295752 B CN 116295752B
- Authority
- CN
- China
- Prior art keywords
- feature
- vibration
- frequency domain
- decoding
- value
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005516 engineering process Methods 0.000 title description 5
- 239000011159 matrix material Substances 0.000 claims abstract description 121
- 238000010586 diagram Methods 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 149
- 238000000605 extraction Methods 0.000 claims description 19
- 238000005303 weighing Methods 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 2
- 238000009826 distribution Methods 0.000 description 23
- 238000005259 measurement Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G27/00—Jigging conveyors
- B65G27/10—Applications of devices for generating or transmitting jigging movements
- B65G27/32—Applications of devices for generating or transmitting jigging movements with means for controlling direction, frequency or amplitude of vibration or shaking movement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G23/00—Auxiliary devices for weighing apparatus
- G01G23/01—Testing or calibrating of weighing apparatus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
- H05K13/02—Feeding of components
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
- H05K13/08—Monitoring manufacture of assemblages
- H05K13/086—Supply management, e.g. supply of components or of substrates
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Manufacturing & Machinery (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mechanical Engineering (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
公开了一种用于SMT上料设备的测试力度控制方法及***。其首先对振动信号进行基于傅里叶变换的频域分析以得到多个频域特征统计值，接着，将所述多个频域特征统计值和所述振动信号的波形图通过联合编码器以得到多模态振动特征矩阵，然后，将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵，接着，将所述解码特征矩阵通过解码器以得到用于表示重量补偿值的解码值，最后，将基于所述解码值对所述上料器的重量值进行校正得到的校正后重量值与预定阈值进行比较，并基于比较结果控制所述上料器提供的力度。这样，可以提高SMT上料设备力度的准确控制和稳定性。
Description
技术领域
本申请涉及智能控制领域，且更为具体地，涉及一种用于SMT上料设备的测试力度控制方法及***。
背景技术
在SMT生产过程中，上料设备的测试力度控制非常重要。如果上料器提供的力度不稳定或过大，将会导致组件放置不准确，从而影响产品质量和生产效率。此外，过大的力度还可能损坏组件或PCB板，增加了生产成本和维修费用。
因此，期待一种用于SMT上料设备的测试力度控制方案。
发明内容
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于SMT上料设备的测试力度控制方法及***。其首先对振动信号进行基于傅里叶变换的频域分析以得到多个频域特征统计值，接着，将所述多个频域特征统计值和所述振动信号的波形图通过联合编码器以得到多模态振动特征矩阵，然后，将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵，接着，将所述解码特征矩阵通过解码器以得到用于表示重量补偿值的解码值，最后，将基于所述解码值对所述上料器的重量值进行校正得到的校正后重量值与预定阈值进行比较，并基于比较结果控制所述上料器提供的力度。这样，可以提高SMT上料设备力度的准确控制和稳定性。
根据本申请的一个方面，提供了一种用于SMT上料设备的测试力度控制方法，其包括：
获取称重传感器采集的上料器的重量值以及在测量所述上料器的重量值时的振动信号；
对所述振动信号进行基于傅里叶变换的频域分析以得到多个频域特征统计值；
将所述多个频域特征统计值和所述振动信号的波形图通过包含序列编码器和图像编码器的联合编码器以得到多模态振动特征矩阵；
将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵；
将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示重量补偿值；
基于所述解码值，对所述上料器的重量值进行校正以得到校正后重量值；以及基于所述校正后重量值与预定阈值之间的比较，控制所述上料器提供的力度。
在上述的用于SMT上料设备的测试力度控制方法中，将所述多个频域特征统计值和所述振动信号的波形图通过包含序列编码器和图像编码器的联合编码器以得到多模态振动特征矩阵，包括：
将所述多个频域特征统计值输入所述序列编码器以得到频域特征关联特征向量；
将所述振动信号的波形图通过所述图像编码器以得到振动波形特征向量；以及对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵。
在上述的用于SMT上料设备的测试力度控制方法中，所述序列编码器为多尺度邻域特征提取模块，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
在上述的用于SMT上料设备的测试力度控制方法中，所述图像编码器为作为过滤器的卷积神经网络模型。
在上述的用于SMT上料设备的测试力度控制方法中，对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵，包括：
以如下因数计算公式分别计算所述振动波形特征向量和所述频域特征关联特征向量的亥姆霍兹类自由能量因数，其中，所述因数计算公式为：
其中，表示所述振动波形特征向量通过分类器得到的分类概率值，/>表示所述频域特征关联特征向量通过分类器得到的分类概率值，/>表示所述振动波形特征向量的各个位置的特征值，/>表示所述频域特征关联特征向量的各个位置的特征值，且/>是特征向量的长度，/>表示指数运算，/>表示以2为底的对数函数，/>表示第一亥姆霍兹类自由能量因数，/>表示第二亥姆霍兹类自由能量因数；分别以所述第一亥姆霍兹类自由能量因数和所述第二亥姆霍兹类自由能量因数作为加权权重对所述频域特征关联特征向量和所述振动波形特征向量进行加权以得到优化后频域特征关联特征向量和优化后振动波形特征向量；以及对所述优化后频域特征关联特征向量和所述优化后振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵。
在上述的用于SMT上料设备的测试力度控制方法中，将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵，包括：
使用所述空间注意力模块的卷积编码部分对所述多模态振动特征矩阵进行深度卷积编码以得到多模态振动卷积特征图；
将所述多模态振动卷积特征图输入所述空间注意力模块的空间注意力部分以得到空间注意力图；
将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；以及计算所述空间注意力特征图和所述多模态振动卷积特征图的按位置点乘以得到所述解码特征矩阵。
在上述的用于SMT上料设备的测试力度控制方法中，将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示重量补偿值，包括：
使用所述解码器的多个全连接层以如下解码公式对所述解码特征矩阵进行解码回归以获得所述解码值，其中，所述解码公式为：，其中/>是所述解码特征矩阵，/>是所述解码值，/>是权重矩阵，/>表示矩阵乘。
根据本申请的另一个方面，提供了一种用于SMT上料设备的测试力度控制***，其包括：
数据获取模块，用于获取称重传感器采集的上料器的重量值以及在测量所述上料器的重量值时的振动信号；
傅里叶变换模块，用于对所述振动信号进行基于傅里叶变换的频域分析以得到多个频域特征统计值；
联合编码模块，用于将所述多个频域特征统计值和所述振动信号的波形图通过包含序列编码器和图像编码器的联合编码器以得到多模态振动特征矩阵；
空间注意力编码模块，用于将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵；
解码模块，用于将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示重量补偿值；
校正模块，用于基于所述解码值，对所述上料器的重量值进行校正以得到校正后重量值；以及力度控制模块，用于基于所述校正后重量值与预定阈值之间的比较，控制所述上料器提供的力度。
在上述的用于SMT上料设备的测试力度控制***中，所述联合编码模块，包括：
序列编码单元，用于将所述多个频域特征统计值输入所述序列编码器以得到频域特征关联特征向量；
图像编码单元，用于将所述振动信号的波形图通过所述图像编码器以得到振动波形特征向量；以及关联编码单元，用于对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵。
在上述的用于SMT上料设备的测试力度控制***中，所述序列编码器为多尺度邻域特征提取模块，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
与现有技术相比，本申请提供的用于SMT上料设备的测试力度控制方法及***，其首先对振动信号进行基于傅里叶变换的频域分析以得到多个频域特征统计值，接着，将所述多个频域特征统计值和所述振动信号的波形图通过联合编码器以得到多模态振动特征矩阵，然后，将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵，接着，将所述解码特征矩阵通过解码器以得到用于表示重量补偿值的解码值，最后，将基于所述解码值对所述上料器的重量值进行校正得到的校正后重量值与预定阈值进行比较，并基于比较结果控制所述上料器提供的力度。这样，可以提高SMT上料设备力度的准确控制和稳定性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中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申请的一些实施例，对于本领域普通技术人员而言，在没有做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。以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本申请的主旨。
图1为根据本申请实施例的用于SMT上料设备的测试力度控制方法的应用场景图。
图2为根据本申请实施例的用于SMT上料设备的测试力度控制方法的流程图。
图3为根据本申请实施例的用于SMT上料设备的测试力度控制方法的架构示意图。
图4为根据本申请实施例的用于SMT上料设备的测试力度控制方法的子步骤S130的流程图。
图5为根据本申请实施例的用于SMT上料设备的测试力度控制方法的子步骤S140的流程图。
图6为根据本申请实施例的用于SMT上料设备的测试力度控制***的框图。
图7为根据本申请实施例的用于SMT上料设备的测试力度控制***中的所述联合编码模块的框图。
实施方式
下面将结合附图对本申请实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本申请的部分实施例，而不是全部的实施例。基于本申请实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本申请保护的范围。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的***中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的，并且所述***和方法的不同方面可以使用不同模块。
本申请中使用了流程图用来说明根据本申请的实施例的***所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
相应地，用于SMT（Surface Mounting Technique,表面贴装技术）上料设备的测试力度控制，包括：通过称重传感器来测量上料器的重量，并根据预设的重量阈值来控制上料器提供的力度。但是，在使用称重传感器来测量上料器的重量时，传感器的测量结果会受到多种因素的影响，如振动等、这些因素可能会导致测量结果偏差，从而影响上料器的提供力度和稳定性。
针对上述技术问题，本申请的技术构思为基于在重量测试时的振动信号来对测量得到的重量值进行校正以得到精准度更高的重量值，通过这样的方式，解决在称重时传感器测量结果受振动干扰引起的偏差问题，以实现对SMT上料设备力度的准确控制和稳定性提高。
具体地，在本申请的技术方案中，首先获取称重传感器采集的上料器的重量值以及在测量所述上料器的重量值时的振动信号。如上所述，在称重传感器的重量测量结果受振动因素的影响，因此，在进行称重时，除了获取称重传感器采集的上料器的重量值外，还需要同时采集测量时的振动信号。通过对振动信号的分析和处理，可以消除或降低振动对称重结果的影响，提高称重精度，并保证上料器的稳定性和一致性。
接着，对所述振动信号进行基于傅里叶变换的频域分析以得到多个频域特征统计值。这里，在测量过程中，传感器采集到的振动信号是一个时间序列信号，其中包含了多个频率的振动成分。通过对振动信号进行基于傅里叶变换的频域分析，可以将时间域上的信号转换为频域上的信号，并得到多个频域特征统计值，如频率、功率谱密度等，这些频域特征统计值可以提供有关振动信号的详细信息和特性，例如振动信号的主要频率、振幅和相位等。通过对这些特征进行分析和处理，可以更准确地判断振动信号的来源，以消除或降低振动对称重结果的干扰，从而提高称重精度和上料器的稳定性。
进而，将所述多个频域特征统计值和所述振动信号的波形图通过包含序列编码器和图像编码器的联合编码器以得到多模态振动特征矩阵。也就是，在本申请的技术方案中，使用包含序列编码器和图像编码器的联合编码器来将从所述振动信号中得到的多个频域特征统计值以及所述振动信号的波形图结合起来，以获得更加全面和准确的振动信息。本领域普通技术人员应理解，所述多个频域特征统计值和所述振动信号的波形图属于不同类型的数据（也就是，不同模态的数据），将两种不同模态的信息有机地整合在一起，这是一个技术难点。基于此，在本申请的技术方案中，构造所述包含序列编码器和图像编码器的联合编码器，所述联合编码器本质上是一种CLIP模型的变型版本，其能够学习表达不同类型数据之间的联系，并将其编码为向量表示。
具体地，在本申请的技术方案中，所述序列编码器为多尺度邻域特征提取模块，其中，所述多尺度邻域特征提取模块在结构层面包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其用于捕捉不同频域特征统计值之间的关联模式特征。同时，在本申请的技术方案中，所述图像编码器为包含多个卷积层的深度卷积神经网络模型，本领域普通技术人员应知晓，卷积神经网络模型在图像特征提取方面具有优异的性能表现和表征能力。
在通过所述序列编码器得到所述频域特征关联特征向量以及通过所述图像编码器得到所述振动波形特征向量后，对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵。
特别地，在本申请的技术方案中，在处理多模态振动特征矩阵时，不同类型数据之间的关系并不相同，有些信息可能更加重要或相关。因此，需要一种有效的方法来捕捉不同类型数据之间的关系，并提取出最有用的信息。空间注意力模块可以帮助实现这一目标。通过空间注意力模块，可以在多模态振动特征矩阵中识别和强调不同区域的重要性，并从中提取出有用的信息。这些信息可以被转化为解码特征矩阵，用于后续的校正和控制上料器提供的力度。
也就是，在本申请的技术方案中，在得到所述多模态振动特征矩阵后，将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵。并进一步地，将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示重量补偿值。接着，基于所述解码值，对所述上料器的重量值进行校正以得到校正后重量值，并基于所述校正后重量值与预定阈值之间的比较，控制所述上料器提供的力度。通过这样的方式，基于解码值进行校正，可以消除误差和偏差，从而得到更加准确和稳定的重量值，这些重量补偿值可以参与到后续的控制算法中，以实现对SMT上料设备力度的准确控制和稳定性提高。
在本申请的技术方案中，在对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵时，由于所述频域特征关联特征向量和所述振动波形特征向量分别表达振动信号的图像语义特征的通道维度分布和频域统计特征的样本关联分布，不论是源数据和特征分布均存在显著差异，这就会导致所述频域特征关联特征向量和所述振动波形特征向量各自的整体特征分布内存在相对于解码器的类弱相关分布实例，也就是，对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码得到所述多模态振动特征矩阵的整体特征分布在解码器的相容性较低，这会影响后续的所述解码特征矩阵通过解码器获得的解码值的准确性。
基于此，优选地，分别计算所述振动波形特征向量和所述频域特征关联特征向量/>的亥姆霍兹类自由能量因数，具体为：
和/>分别表示所述振动波形特征向量/>和所述频域特征关联特征向量/>的通过分类器得到的分类概率值，且/>是特征向量的长度。
这里，基于亥姆霍兹自由能公式，可以将所述振动波形特征向量和所述频域特征关联特征向量/>各自的特征值集合对于预定类标签的能量值以特征向量整体的类自由能进行描述，通过以其对所述振动波形特征向量/>和所述频域特征关联特征向量/>进行加权，就可以对所述振动波形特征向量/>和所述频域特征关联特征向量/>在类目标域中与真值实例（groundtruth instance）分布具有重叠性的特征的类相关原型实例（prototype instance）分布进行关注，以便于在所述振动波形特征向量/>和所述频域特征关联特征向量/>的整体特征分布内存在类弱相关分布实例的情况下通过对于其进行模糊性标注来实现增量学习，从而改进整体特征分布在类标签下的相容性，这样，就提高了所述多模态振动特征矩阵的特征表达的准确性，从而改进了后续的所述解码特征矩阵通过解码器获得的解码值的准确性。
图1为根据本申请实施例的用于SMT上料设备的测试力度控制方法的应用场景图。如图1所示，在该应用场景中，首先，获取称重传感器（例如，图1中所示意的C）采集的上料器（例如，图1中所示意的N）的重量值（例如，图1中所示意的D1）以及在测量所述上料器的重量值时的振动信号（例如，图1中所示意的D2），然后，将所述上料器的重量值和所述振动信号输入至部署有用于SMT上料设备的测试力度控制算法的服务器中（例如，图1中所示意的S），其中，所述服务器能够使用所述用于SMT上料设备的测试力度控制算法对所述上料器的重量值和所述振动信号进行处理以得到用于表示重量补偿值的解码值，然后，基于所述解码值，对所述上料器的重量值进行校正以得到校正后重量值，最后，基于所述校正后重量值与预定阈值之间的比较，控制所述上料器提供的力度。
在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。
图2为根据本申请实施例的用于SMT上料设备的测试力度控制方法的流程图。如图2所示，根据本申请实施例的用于SMT上料设备的测试力度控制方法，包括步骤：S110，获取称重传感器采集的上料器的重量值以及在测量所述上料器的重量值时的振动信号；S120，对所述振动信号进行基于傅里叶变换的频域分析以得到多个频域特征统计值；S130，将所述多个频域特征统计值和所述振动信号的波形图通过包含序列编码器和图像编码器的联合编码器以得到多模态振动特征矩阵；S140，将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵；S150，将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示重量补偿值；S160，基于所述解码值，对所述上料器的重量值进行校正以得到校正后重量值；以及，S170，基于所述校正后重量值与预定阈值之间的比较，控制所述上料器提供的力度。
图3为根据本申请实施例的用于SMT上料设备的测试力度控制方法的架构示意图。如图3所示，在该网络架构中，首先，获取称重传感器采集的上料器的重量值以及在测量所述上料器的重量值时的振动信号；接着，对所述振动信号进行基于傅里叶变换的频域分析以得到多个频域特征统计值；然后，将所述多个频域特征统计值和所述振动信号的波形图通过包含序列编码器和图像编码器的联合编码器以得到多模态振动特征矩阵；接着，将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵；然后，将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示重量补偿值；接着，基于所述解码值，对所述上料器的重量值进行校正以得到校正后重量值；最后，基于所述校正后重量值与预定阈值之间的比较，控制所述上料器提供的力度。
更具体地，在步骤S110中，获取称重传感器采集的上料器的重量值以及在测量所述上料器的重量值时的振动信号。称重传感器的重量测量结果受振动因素的影响，因此，在进行称重时，除了获取称重传感器采集的上料器的重量值外，还需要同时采集测量时的振动信号。通过对振动信号的分析和处理，可以消除或降低振动对称重结果的影响，提高称重精度，并保证上料器的稳定性和一致性。
更具体地，在步骤S120中，对所述振动信号进行基于傅里叶变换的频域分析以得到多个频域特征统计值。传感器采集到的振动信号是一个时间序列信号，其中包含了多个频率的振动成分。通过对振动信号进行基于傅里叶变换的频域分析，可以将时间域上的信号转换为频域上的信号，并得到多个频域特征统计值，如频率、功率谱密度等，这些频域特征统计值可以提供有关振动信号的详细信息和特性，例如振动信号的主要频率、振幅和相位等。通过对这些特征进行分析和处理，可以更准确地判断振动信号的来源，以消除或降低振动对称重结果的干扰，从而提高称重精度和上料器的稳定性。
更具体地，在步骤S130中，将所述多个频域特征统计值和所述振动信号的波形图通过包含序列编码器和图像编码器的联合编码器以得到多模态振动特征矩阵。也就是，在本申请的技术方案中，使用包含序列编码器和图像编码器的联合编码器来将从所述振动信号中得到的多个频域特征统计值以及所述振动信号的波形图结合起来，以获得更加全面和准确的振动信息。
相应地，在一个具体示例中，如图4所示，将所述多个频域特征统计值和所述振动信号的波形图通过包含序列编码器和图像编码器的联合编码器以得到多模态振动特征矩阵，包括：S131，将所述多个频域特征统计值输入所述序列编码器以得到频域特征关联特征向量；S132，将所述振动信号的波形图通过所述图像编码器以得到振动波形特征向量；以及，S133，对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵。
相应地，在一个具体示例中，所述序列编码器为多尺度邻域特征提取模块，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。将所述多个频域特征统计值输入所述序列编码器以得到频域特征关联特征向量，包括：将所述多个频域特征统计值排列为频域输入向量；使用所述多尺度邻域特征提取模块的第一卷积层对所述频域输入向量进行一维卷积编码以得到第一尺度频域特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；使用所述多尺度邻域特征提取模块的第二卷积层对所述频域输入向量进行一维卷积编码以得到第二尺度频域特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，使用所述多尺度邻域特征提取模块的多尺度特征融合层将所述第一尺度频域特征向量和所述第二尺度频域特征向量进行级联以得到所述频域特征关联特征向量。
相应地，在一个具体示例中，所述图像编码器为作为过滤器的卷积神经网络模型。卷积神经网络模型在图像特征提取方面具有优异的性能表现和表征能力。将所述振动信号的波形图通过所述图像编码器以得到振动波形特征向量，包括：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行二维卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述作为过滤器的卷积神经网络模型的最后一层输出所述振动波形特征向量，其中，所述作为过滤器的卷积神经网络模型的第一层的输入为所述振动信号的波形图。
应可以理解，卷积神经网络(Convolutional Neural Network，CNN)是一种人工神经网络，在图像识别等领域有着广泛的应用。卷积神经网络可以包括输入层、隐藏层和输出层，其中，隐藏层可以包括卷积层、池化(pooling)层、激活层和全连接层等，上一层根据输入的数据进行相应的运算，将运算结果输出给下一层，输入的初始数据经过多层的运算之后得到一个最终的结果。卷积神经网络模型利用卷积核作为特征过滤因子在图像局部特征提取方面具有非常优异的性能表现，且相较于传统的基于统计或者基于特征工程的图像特征提取算法，所述卷积神经网络模型具有更强的特征提取泛化能力和拟合能力。
相应地，在一个具体示例中，对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵，包括：以如下因数计算公式分别计算所述振动波形特征向量和所述频域特征关联特征向量的亥姆霍兹类自由能量因数，其中，所述因数计算公式为：
其中，表示所述振动波形特征向量通过分类器得到的分类概率值，/>表示所述频域特征关联特征向量通过分类器得到的分类概率值，/>表示所述振动波形特征向量的各个位置的特征值，/>表示所述频域特征关联特征向量的各个位置的特征值，且/>是特征向量的长度，/>表示指数运算，/>表示以2为底的对数函数，/>表示第一亥姆霍兹类自由能量因数，/>表示第二亥姆霍兹类自由能量因数；分别以所述第一亥姆霍兹类自由能量因数和所述第二亥姆霍兹类自由能量因数作为加权权重对所述频域特征关联特征向量和所述振动波形特征向量进行加权以得到优化后频域特征关联特征向量和优化后振动波形特征向量；以及，对所述优化后频域特征关联特征向量和所述优化后振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵。
在本申请的技术方案中，在对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵时，由于所述频域特征关联特征向量和所述振动波形特征向量分别表达振动信号的图像语义特征的通道维度分布和频域统计特征的样本关联分布，不论是源数据和特征分布均存在显著差异，这就会导致所述频域特征关联特征向量和所述振动波形特征向量各自的整体特征分布内存在相对于解码器的类弱相关分布实例，也就是，对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码得到所述多模态振动特征矩阵的整体特征分布在解码器的相容性较低，这会影响后续的所述解码特征矩阵通过解码器获得的解码值的准确性。
基于亥姆霍兹自由能公式，可以将所述振动波形特征向量和所述频域特征关联特征向量各自的特征值集合对于预定类标签的能量值以特征向量整体的类自由能进行描述，通过以其对所述振动波形特征向量和所述频域特征关联特征向量进行加权，就可以对所述振动波形特征向量和所述频域特征关联特征向量在类目标域中与真值实例分布具有重叠性的特征的类相关原型实例分布进行关注，以便于在所述振动波形特征向量和所述频域特征关联特征向量的整体特征分布内存在类弱相关分布实例的情况下通过对于其进行模糊性标注来实现增量学习，从而改进整体特征分布在类标签下的相容性，这样，就提高了所述多模态振动特征矩阵的特征表达的准确性，从而改进了后续的所述解码特征矩阵通过解码器获得的解码值的准确性。
更具体地，在步骤S140中，将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵。特别地，在本申请的技术方案中，在处理多模态振动特征矩阵时，不同类型数据之间的关系并不相同，有些信息可能更加重要或相关。因此，需要一种有效的方法来捕捉不同类型数据之间的关系，并提取出最有用的信息。空间注意力模块可以帮助实现这一目标。通过空间注意力模块，可以在多模态振动特征矩阵中识别和强调不同区域的重要性，并从中提取出有用的信息。这些信息可以被转化为解码特征矩阵，用于后续的校正和控制上料器提供的力度。
相应地，在一个具体示例中，如图5所示，将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵，包括：S141，使用所述空间注意力模块的卷积编码部分对所述多模态振动特征矩阵进行深度卷积编码以得到多模态振动卷积特征图；S142，将所述多模态振动卷积特征图输入所述空间注意力模块的空间注意力部分以得到空间注意力图；S143，将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；以及，S144，计算所述空间注意力特征图和所述多模态振动卷积特征图的按位置点乘以得到所述解码特征矩阵。
更具体地，在步骤S150中，将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示重量补偿值。通过这样的方式，基于解码值进行校正，可以消除误差和偏差，从而得到更加准确和稳定的重量值，这些重量补偿值可以参与到后续的控制算法中，以实现对SMT上料设备力度的准确控制和稳定性提高。
相应地，在一个具体示例中，将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示重量补偿值，包括：使用所述解码器的多个全连接层以如下解码公式对所述解码特征矩阵进行解码回归以获得所述解码值，其中，所述解码公式为：，其中/>是所述解码特征矩阵，/>是所述解码值，/>是权重矩阵，/>表示矩阵乘。
更具体地，在步骤S160中，基于所述解码值，对所述上料器的重量值进行校正以得到校正后重量值。
更具体地，在步骤S170中，基于所述校正后重量值与预定阈值之间的比较，控制所述上料器提供的力度。
综上，基于本申请实施例的用于SMT上料设备的测试力度控制方法，其首先对振动信号进行基于傅里叶变换的频域分析以得到多个频域特征统计值，接着，将所述多个频域特征统计值和所述振动信号的波形图通过联合编码器以得到多模态振动特征矩阵，然后，将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵，接着，将所述解码特征矩阵通过解码器以得到用于表示重量补偿值的解码值，最后，将基于所述解码值对所述上料器的重量值进行校正得到的校正后重量值与预定阈值进行比较，并基于比较结果控制所述上料器提供的力度。这样，可以提高SMT上料设备力度的准确控制和稳定性。
图6为根据本申请实施例的用于SMT上料设备的测试力度控制***100的框图。如图6所示，根据本申请实施例的用于SMT上料设备的测试力度控制***100，包括：数据获取模块110，用于获取称重传感器采集的上料器的重量值以及在测量所述上料器的重量值时的振动信号；傅里叶变换模块120，用于对所述振动信号进行基于傅里叶变换的频域分析以得到多个频域特征统计值；联合编码模块130，用于将所述多个频域特征统计值和所述振动信号的波形图通过包含序列编码器和图像编码器的联合编码器以得到多模态振动特征矩阵；空间注意力编码模块140，用于将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵；解码模块150，用于将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示重量补偿值；校正模块160，用于基于所述解码值，对所述上料器的重量值进行校正以得到校正后重量值；以及，力度控制模块170，用于基于所述校正后重量值与预定阈值之间的比较，控制所述上料器提供的力度。
在一个示例中，如图7所示，在上述用于SMT上料设备的测试力度控制***100中，所述联合编码模块130，包括：序列编码单元131，用于将所述多个频域特征统计值输入所述序列编码器以得到频域特征关联特征向量；图像编码单元132，用于将所述振动信号的波形图通过所述图像编码器以得到振动波形特征向量；以及，关联编码单元133，用于对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵。
在一个示例中，在上述用于SMT上料设备的测试力度控制***100中，所述序列编码器为多尺度邻域特征提取模块，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
在一个示例中，在上述用于SMT上料设备的测试力度控制***100中，所述图像编码器为作为过滤器的卷积神经网络模型。
在一个示例中，在上述用于SMT上料设备的测试力度控制***100中，对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵，包括：以如下因数计算公式分别计算所述振动波形特征向量和所述频域特征关联特征向量的亥姆霍兹类自由能量因数，其中，所述因数计算公式为：
其中，表示所述振动波形特征向量通过分类器得到的分类概率值，/>表示所述频域特征关联特征向量通过分类器得到的分类概率值，/>表示所述振动波形特征向量的各个位置的特征值，/>表示所述频域特征关联特征向量的各个位置的特征值，且/>是特征向量的长度，/>表示指数运算，/>表示以2为底的对数函数，/>表示第一亥姆霍兹类自由能量因数，/>表示第二亥姆霍兹类自由能量因数；分别以所述第一亥姆霍兹类自由能量因数和所述第二亥姆霍兹类自由能量因数作为加权权重对所述频域特征关联特征向量和所述振动波形特征向量进行加权以得到优化后频域特征关联特征向量和优化后振动波形特征向量；以及，对所述优化后频域特征关联特征向量和所述优化后振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵。
在一个示例中，在上述用于SMT上料设备的测试力度控制***100中，所述空间注意力编码模块，用于：使用所述空间注意力模块的卷积编码部分对所述多模态振动特征矩阵进行深度卷积编码以得到多模态振动卷积特征图；将所述多模态振动卷积特征图输入所述空间注意力模块的空间注意力部分以得到空间注意力图；将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；以及，计算所述空间注意力特征图和所述多模态振动卷积特征图的按位置点乘以得到所述解码特征矩阵。
在一个示例中，在上述用于SMT上料设备的测试力度控制***100中，所述解码模块150，用于：使用所述解码器的多个全连接层以如下解码公式对所述解码特征矩阵进行解码回归以获得所述解码值，其中，所述解码公式为：，其中/>是所述解码特征矩阵，/>是所述解码值，/>是权重矩阵，/>表示矩阵乘。
这里，本领域技术人员可以理解，上述用于SMT上料设备的测试力度控制***100中的各个模块的具体功能和操作已经在上面参考图1到图5的用于SMT上料设备的测试力度控制方法的描述中得到了详细介绍，并因此，将省略其重复描述。
如上所述，根据本申请实施例的用于SMT上料设备的测试力度控制***100可以实现在各种无线终端中，例如具有用于SMT上料设备的测试力度控制算法的服务器等。在一个示例中，根据本申请实施例的用于SMT上料设备的测试力度控制***100可以作为一个软件模块和/或硬件模块而集成到无线终端中。例如，该用于SMT上料设备的测试力度控制***100可以是该无线终端的操作***中的一个软件模块，或者可以是针对于该无线终端所开发的一个应用程序；当然，该用于SMT上料设备的测试力度控制***100同样可以是该无线终端的众多硬件模块之一。
替换地，在另一示例中，该用于SMT上料设备的测试力度控制***100与该无线终端也可以是分立的设备，并且该用于SMT上料设备的测试力度控制***100可以通过有线和/或无线网络连接到该无线终端，并且按照约定的数据格式来传输交互信息。
根据本申请的另一方面，还提供了一种非易失性的计算机可读存储介质，其上存储有计算机可读的指令，当利用计算机执行所述指令时可以执行如前所述的方法。
技术中的程序部分可以被认为是以可执行的代码和/或相关数据的形式而存在的“产品”或“制品”，通过计算机可读的介质所参与或实现的。有形的、永久的储存介质可以包括任何计算机、处理器、或类似设备或相关的模块所用到的内存或存储器。例如，各种半导体存储器、磁带驱动器、磁盘驱动器或者类似任何能够为软件提供存储功能的设备。
所有软件或其中的一部分有时可能会通过网络进行通信，如互联网或其他通信网络。此类通信可以将软件从一个计算机设备或处理器加载到另一个。例如：从视频目标检测设备的一个服务器或主机计算机加载至一个计算机环境的硬件平台，或其他实现***的计算机环境，或与提供目标检测所需要的信息相关的类似功能的***。因此，另一种能够传递软件元素的介质也可以被用作局部设备之间的物理连接，例如光波、电波、电磁波等，通过电缆、光缆或者空气等实现传播。用来载波的物理介质如电缆、无线连接或光缆等类似设备，也可以被认为是承载软件的介质。在这里的用法除非限制了有形的“储存”介质，其他表示计算机或机器“可读介质”的术语都表示在处理器执行任何指令的过程中参与的介质。
本申请使用了特定词语来描述本申请的实施例。如“第一/第二实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“***”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本发明所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
上面是对本发明的说明，而不应被认为是对其的限制。尽管描述了本发明的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本发明的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本发明范围内。应当理解，上面是对本发明的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本发明由权利要求书及其等效物限定。
Claims (10)
1.一种用于SMT上料设备的测试力度控制方法，其特征在于，包括：
获取称重传感器采集的上料器的重量值以及在测量所述上料器的重量值时的振动信号；
对所述振动信号进行基于傅里叶变换的频域分析以得到多个频域特征统计值；
将所述多个频域特征统计值和所述振动信号的波形图通过包含序列编码器和图像编码器的联合编码器以得到多模态振动特征矩阵；
将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵；
将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示重量补偿值；
基于所述解码值，对所述上料器的重量值进行校正以得到校正后重量值；以及基于所述校正后重量值与预定阈值之间的比较，控制所述上料器提供的力度。
2.根据权利要求1所述的用于SMT上料设备的测试力度控制方法，其特征在于，将所述多个频域特征统计值和所述振动信号的波形图通过包含序列编码器和图像编码器的联合编码器以得到多模态振动特征矩阵，包括：
将所述多个频域特征统计值输入所述序列编码器以得到频域特征关联特征向量；
将所述振动信号的波形图通过所述图像编码器以得到振动波形特征向量；以及对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵。
3.根据权利要求2所述的用于SMT上料设备的测试力度控制方法，其特征在于，所述序列编码器为多尺度邻域特征提取模块，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
4.根据权利要求3所述的用于SMT上料设备的测试力度控制方法，其特征在于，所述图像编码器为作为过滤器的卷积神经网络模型。
5.根据权利要求4所述的用于SMT上料设备的测试力度控制方法，其特征在于，对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵，包括：
以如下因数计算公式分别计算所述振动波形特征向量和所述频域特征关联特征向量的亥姆霍兹类自由能量因数，其中，所述因数计算公式为：
其中，/>表示所述振动波形特征向量通过分类器得到的分类概率值，/>表示所述频域特征关联特征向量通过分类器得到的分类概率值，表示所述振动波形特征向量的各个位置的特征值，/>表示所述频域特征关联特征向量的各个位置的特征值，且/>是特征向量的长度，/>表示指数运算，/>表示以2为底的对数函数，/>表示第一亥姆霍兹类自由能量因数，/>表示第二亥姆霍兹类自由能量因数；
分别以所述第一亥姆霍兹类自由能量因数和所述第二亥姆霍兹类自由能量因数作为加权权重对所述频域特征关联特征向量和所述振动波形特征向量进行加权以得到优化后频域特征关联特征向量和优化后振动波形特征向量；以及对所述优化后频域特征关联特征向量和所述优化后振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵。
6.根据权利要求5所述的用于SMT上料设备的测试力度控制方法，其特征在于，将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵，包括：
使用所述空间注意力模块的卷积编码部分对所述多模态振动特征矩阵进行深度卷积编码以得到多模态振动卷积特征图；
将所述多模态振动卷积特征图输入所述空间注意力模块的空间注意力部分以得到空间注意力图；
将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；以及计算所述空间注意力特征图和所述多模态振动卷积特征图的按位置点乘以得到所述解码特征矩阵。
7.根据权利要求6所述的用于SMT上料设备的测试力度控制方法，其特征在于，将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示重量补偿值，包括：
使用所述解码器的多个全连接层以如下解码公式对所述解码特征矩阵进行解码回归以获得所述解码值，其中，所述解码公式为：，其中/>是所述解码特征矩阵，/>是所述解码值，/>是权重矩阵，/>表示矩阵乘。
8.一种用于SMT上料设备的测试力度控制***，其特征在于，包括：
数据获取模块，用于获取称重传感器采集的上料器的重量值以及在测量所述上料器的重量值时的振动信号；
傅里叶变换模块，用于对所述振动信号进行基于傅里叶变换的频域分析以得到多个频域特征统计值；
联合编码模块，用于将所述多个频域特征统计值和所述振动信号的波形图通过包含序列编码器和图像编码器的联合编码器以得到多模态振动特征矩阵；
空间注意力编码模块，用于将所述多模态振动特征矩阵通过空间注意力模块以得到解码特征矩阵；
解码模块，用于将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示重量补偿值；
校正模块，用于基于所述解码值，对所述上料器的重量值进行校正以得到校正后重量值；以及力度控制模块，用于基于所述校正后重量值与预定阈值之间的比较，控制所述上料器提供的力度。
9.根据权利要求8所述的用于SMT上料设备的测试力度控制***，其特征在于，所述联合编码模块，包括：
序列编码单元，用于将所述多个频域特征统计值输入所述序列编码器以得到频域特征关联特征向量；
图像编码单元，用于将所述振动信号的波形图通过所述图像编码器以得到振动波形特征向量；以及关联编码单元，用于对所述频域特征关联特征向量和所述振动波形特征向量进行关联编码以得到所述多模态振动特征矩阵。
10.根据权利要求9所述的用于SMT上料设备的测试力度控制***，其特征在于，所述序列编码器为多尺度邻域特征提取模块，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310533104.8A CN116295752B (zh) | 2023-05-12 | 2023-05-12 | 用于smt上料设备的测试力度控制方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310533104.8A CN116295752B (zh) | 2023-05-12 | 2023-05-12 | 用于smt上料设备的测试力度控制方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116295752A CN116295752A (zh) | 2023-06-23 |
| CN116295752B true CN116295752B (zh) | 2023-08-15 |
Family
ID=86830851
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310533104.8A Active CN116295752B (zh) | 2023-05-12 | 2023-05-12 | 用于smt上料设备的测试力度控制方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116295752B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116563291B (zh) * | 2023-07-11 | 2023-09-22 | 深圳市蓝眼科技有限公司 | 一种smt智能防错上料检测仪 |
| CN116734750B (zh) * | 2023-08-15 | 2023-10-27 | 山西锦烁生物医药科技有限公司 | 基于光纤传感器的冰场冰层厚度智能检测方法及*** |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08110261A (ja) * | 1994-10-11 | 1996-04-30 | Yamato Scale Co Ltd | 質量計量装置及び重量計量装置 |
| JPH09113346A (ja) * | 1995-10-16 | 1997-05-02 | Ishida Co Ltd | 計量方法および装置 |
| CN103499387A (zh) * | 2013-09-26 | 2014-01-08 | 北京空间飞行器总体设计部 | 一种微振动信号处理方法 |
| CN103954344A (zh) * | 2014-05-12 | 2014-07-30 | 浙江大学 | 基于加速度传感器的动态称重信号实时补偿装置及方法 |
| CN108363374A (zh) * | 2018-03-29 | 2018-08-03 | 中山市鸿菊自动化设备制造有限公司 | 一种smt物料供给方法及*** |
| CN208314553U (zh) * | 2018-03-29 | 2019-01-01 | 中山市鸿菊自动化设备制造有限公司 | 一种smt物料供给*** |
| CN109298457A (zh) * | 2018-11-20 | 2019-02-01 | 中国科学技术大学 | 适用于原子干涉重力仪的振动噪声修正补偿方法 |
| CN110352000A (zh) * | 2019-06-17 | 2019-10-18 | 江苏华志珹智能科技有限公司 | 一种高稳定性可双边上料拱桥式smt贴片机 |
| CN215004043U (zh) * | 2021-06-01 | 2021-12-03 | 深圳市蓝眼科技有限公司 | 一种smt上料设备测值深度自动调控机构 |
| CN215500341U (zh) * | 2021-07-26 | 2022-01-11 | 苏州帕兰提尼智能科技股份有限公司 | 一种具有自动校准功能的柔性电路板贴片机 |
-
2023
- 2023-05-12 CN CN202310533104.8A patent/CN116295752B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08110261A (ja) * | 1994-10-11 | 1996-04-30 | Yamato Scale Co Ltd | 質量計量装置及び重量計量装置 |
| JPH09113346A (ja) * | 1995-10-16 | 1997-05-02 | Ishida Co Ltd | 計量方法および装置 |
| CN103499387A (zh) * | 2013-09-26 | 2014-01-08 | 北京空间飞行器总体设计部 | 一种微振动信号处理方法 |
| CN103954344A (zh) * | 2014-05-12 | 2014-07-30 | 浙江大学 | 基于加速度传感器的动态称重信号实时补偿装置及方法 |
| CN108363374A (zh) * | 2018-03-29 | 2018-08-03 | 中山市鸿菊自动化设备制造有限公司 | 一种smt物料供给方法及*** |
| CN208314553U (zh) * | 2018-03-29 | 2019-01-01 | 中山市鸿菊自动化设备制造有限公司 | 一种smt物料供给*** |
| CN109298457A (zh) * | 2018-11-20 | 2019-02-01 | 中国科学技术大学 | 适用于原子干涉重力仪的振动噪声修正补偿方法 |
| CN110352000A (zh) * | 2019-06-17 | 2019-10-18 | 江苏华志珹智能科技有限公司 | 一种高稳定性可双边上料拱桥式smt贴片机 |
| CN215004043U (zh) * | 2021-06-01 | 2021-12-03 | 深圳市蓝眼科技有限公司 | 一种smt上料设备测值深度自动调控机构 |
| CN215500341U (zh) * | 2021-07-26 | 2022-01-11 | 苏州帕兰提尼智能科技股份有限公司 | 一种具有自动校准功能的柔性电路板贴片机 |
Non-Patent Citations (1)
| Title |
|---|
| 物联网驱动的SMT车间制造执行***研究;张浩;马瑞;葛世伦;刘平;;现代制造工程(第02期);第46-54页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116295752A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116295752B (zh) | 用于smt上料设备的测试力度控制方法及*** | |
| Gamboa et al. | Validation of the rapid detection approach for enhancing the electronic nose systems performance, using different deep learning models and support vector machines | |
| US11715190B2 (en) | Inspection system, image discrimination system, discrimination system, discriminator generation system, and learning data generation device | |
| WO2020189189A1 (ja) | 検査装置及び方法 | |
| CN116453438B (zh) | 一种显示屏参数检测方法、装置、设备及存储介质 | |
| CN116563291B (zh) | 一种smt智能防错上料检测仪 | |
| CN116805061B (zh) | 基于光纤传感的泄漏事件判断方法 | |
| CN109886337B (zh) | 基于自适应采样的深度度量学习方法及*** | |
| CN117152152B (zh) | 检测试剂盒的生产管理***及方法 | |
| CN113554624B (zh) | 异常检测方法、装置及计算机存储介质 | |
| CN117434429B (zh) | 芯片的稳定性测试方法及相关装置 | |
| CN117233682B (zh) | 一种平衡电桥的快速校准*** | |
| CN117147532B (zh) | 基于物联网的微型化学发光法氮氧化物气体传感器 | |
| CN116502899B (zh) | 基于人工智能的风险评级模型生成方法、装置及存储介质 | |
| CN115266583B (zh) | 环境光滤除方法、***、计算机设备及计算机可读存储介质 | |
| CN116482597A (zh) | 电能表运行数据变量筛选方法、电子设备及存储介质 | |
| CN116312860A (zh) | 基于监督迁移学习的农产品可溶性固形物预测方法 | |
| CN113780573B (zh) | 一种抗噪的高精度测距方法及装置 | |
| CN114694771A (zh) | 样品分类方法、分类器的训练方法、设备和介质 | |
| CN116539952B (zh) | 基于物联网的毫米波治疗仪功率智能采样方法及*** | |
| CN117934963B (zh) | 一种气体传感器漂移补偿方法 | |
| CN113033757A (zh) | 用于测试神经网络中算子精度的方法、装置和计算机可读存储介质 | |
| CN117872248A (zh) | 一种非线性失真度测量仪的检定方法及*** | |
| CN117635533A (zh) | 一种smt智能首件检测方法及设备 | |
| CN116486178B (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 |
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 |