CN116429790B - 一种基于数据分析的木质包装箱产线智能管控*** - Google Patents
一种基于数据分析的木质包装箱产线智能管控*** Download PDFInfo
- Publication number
- CN116429790B CN116429790B CN202310698483.6A CN202310698483A CN116429790B CN 116429790 B CN116429790 B CN 116429790B CN 202310698483 A CN202310698483 A CN 202310698483A CN 116429790 B CN116429790 B CN 116429790B
- Authority
- CN
- China
- Prior art keywords
- packaging box
- area
- packing box
- judging
- state
- 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
- 238000012856 packing Methods 0.000 title claims abstract description 55
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 22
- 238000007405 data analysis Methods 0.000 title claims abstract description 14
- 238000004806 packaging method and process Methods 0.000 claims abstract description 80
- 238000000034 method Methods 0.000 claims abstract description 75
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 239000002023 wood Substances 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 238000004026 adhesive bonding Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 239000003292 glue Substances 0.000 claims description 10
- 238000007789 sealing Methods 0.000 claims description 10
- 238000009423 ventilation Methods 0.000 claims description 10
- 239000011248 coating agent Substances 0.000 claims description 8
- 238000000576 coating method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 4
- 230000000149 penetrating effect Effects 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
- G01M3/32—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for containers, e.g. radiators
- G01M3/3281—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for containers, e.g. radiators removably mounted in a test cell
- G01M3/329—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for containers, e.g. radiators removably mounted in a test cell for verifying the internal pressure of closed containers
-
- 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
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G01N2021/8887—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 based on image processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Closing Of Containers (AREA)
Abstract
本发明涉及产线管控技术领域,具体公开了一种基于数据分析的木质包装箱产线智能管控***,所述***包括:透光检测组件,设置于产线预固定工序之后、终固定工序之前,包括光源发生装置、图像采集装置及分析端;在所述透光检测组件进行检测的过程中:所述光源发生装置用于向包装箱发出预设波长大小的光;所述图像采集模块用于采集包装箱检测面的图像;所述分析端用于对所述图像采集模块采集的图像进行特征识别,根据特征识别的结果对包装箱的预固定状态进行判断,根据判断结果确定包装箱状态是否正常;若正常,则对终固定工序的工作参数进行调整;否则将包装箱进行返工。
Description
技术领域
本发明涉及产线管控技术领域,具体为一种基于数据分析的木质包装箱产线智能管控***。
背景技术
木质包装箱是产品包装运输过程中常用的一种包装容器,其重量轻、强度高,能够对包装的获取起到较优的防护效果;随着智能制造技术的快速发展,木质包装箱的生产过程主要通过自动化产线完成,通过将堆叠的木板组装,进而制备完成木质包装箱的整体结构;在木板固定的过程中,由于木材不同部位材质的差异,在固定控制过程中难以保证木板间的间隙达到要求,因此会通过两道固定工序来完成作业,且在两道固定工序之间设置检测工位,进而实现第二道固定工序参数的调节过程。
现有技术中,通过图像识别技术能够对木质包装箱表面存在的缺陷及不合格间隙进行识别判断,进而便于后续的调整、返工、报废等工序的选择,然而,相对于塑料、金属型材表面特征的均一性,木材的表面木纹特征会影响到图像识别的准确性,进而导致检测的结果相对实际状况存在较大的误差。
发明内容
本发明的目的在于提供一种基于数据分析的木质包装箱产线智能管控***,解决以下技术问题:
如何在木质包装箱生产过程中保证其固定质量。
本发明的目的可以通过以下技术方案实现:
一种基于数据分析的木质包装箱产线智能管控***,所述***包括:
透光检测组件,设置于产线预固定工序之后、终固定工序之前,包括光源发生装置、图像采集装置及分析端;
在所述透光检测组件进行检测的过程中:
所述光源发生装置用于向包装箱发出预设波长大小的光;
所述图像采集模块用于采集包装箱检测面的图像;
所述分析端用于对所述图像采集模块采集的图像进行特征识别,根据特征识别的结果对包装箱的预固定状态进行判断,根据判断结果确定包装箱状态是否正常;
若正常,则对终固定工序的工作参数进行调整;
否则将包装箱进行返工。
于一实施例中,所述特征识别的过程包括:
S1、基于AI识别出木质包装箱在图片中的轮廓区域;
S2、按照预设波长大小确定对应的颜色识别区间,按照颜色识别区间对轮廓区域进行轮廓提取,获取风险位置区域;
S3、获取风险位置区域的形状特征作为特征识别的结果。
于一实施例中,包装箱状态是否异常的判断过程为:
获取包装箱的连接缝隙区域及非缝隙区域;
判断非缝隙区域是否出现风险位置区域:
若出现,则将包装箱返工;
否则判断连接缝隙区域是否出现风险位置区域:
若未出现,则不对终固定工序的工作参数进行调整;
否则,将连接缝隙区域分为直线区域及角区域;
通过公式计算获得风险值AN;
其中,为直线区域缝隙相对包装箱外轮廓法线在风险位置区域中的最大值;为角区域中风险位置区域的面积;/>为固定参考值;/>为直线区域及角区域缝隙在包装箱外轮廓投影总长;/>为风险位置区域的总面积;q为调整系数;C为风险位置区域的总周长;
将风险值AN与预警值W1、W2进行比对:
若AN≥W2,则将该包装箱返工;
若W1≤AN<W2,则对终固定工序的工作参数进行调整;
若AN<W1,则不对终固定工序的工作参数进行调整。
于一实施例中,终固定工序的工作参数调整过程包括:
预先根据包装箱的固定位点将连接缝隙区域进行划分;
通过公式计算获得第k个区域的参考作用力F(k);
其中,为基准作用力,/>为预设对照表函数,/>为修正系数,/>为第k个区域缝隙相对包装箱外轮廓法线在风险位置区域中的最大值,S(k)为第k个风险位置区域的面积,L(k)为第k个风险位置区域在包装箱外轮廓投影的长度;
按照参考作用力F(k)对第k个区域进行加固。
于一实施例中,所述***还包括气密性检测组件;
所述气密性检测组件包括盖体、通气装置及压强传感器,且所述通气装置及所述压强传感器均贯穿设置于盖体上,所述盖体上还设置有与包装箱相匹配的密封圈;
所述气密性检测组件工作的过程包括:
将盖体安装在未封口的包装箱上,且使得密封圈与包装箱匹配安装;
通过通气装置按预设策略进行通气,通过压强传感器检测获得实时压强变化曲线;
所述分析端根据实时压强变化曲线对包装箱的气密性状态进行判断。
于一实施例中,对气密性状态进行判断的过程包括:
通过公式计算获得气密性状态值At;
其中,为通气起始时间点;/>为通气结束时间点;在/>时段中按固定间隔获得m-2个时间点,i=1、2、…、m;/>为第i个时间点在实时压强变化曲线上的对应压强值;为第i个时间点在标准压强变化曲线上的对应压强值;/>为第i个时间点的影响度;
将At与临界值进行比对:
若At≥临界值,则判断气密性状态存在异常。
于一实施例中,所述分析端还用于根据实时压强变化曲线状态与预设的标准压强变化曲线状态进行特征分析,根据比对结果判断影响气密性状态的具体原因。
于一实施例中,所述分析端进行特征分析的过程包括:
通过公式计算获得t时刻的差值变化率k(t);
其中,t∈[,/>];
将k(t)与预置区间[K1,K2]进行比对:
若k(t)∈[K1,K2],则判断问题为包装箱涂胶遗漏;
若k(t)∈(K2,∞),则判断问题为包装箱涂胶不牢。
于一实施例中,在存在包装箱涂胶遗漏问题时:
通过公式计算获得遗漏涂胶范围大小区间;
其中,Ex为分段函数,其根据数值所在区间确定对应的遗漏涂胶范围大小区间。
本发明的有益效果:
(1)本发明通过光源发生装置向包装箱发出预设波长大小的光,预设波长根据箱体的颜色选择与其区分度较大的波长,再通过图像采集模块采集包装箱检测面的图像,分析端对图像进行特征识别,进而能够对包装箱存在的缺陷位置及缝隙位置进行较为准确的获取,进而准备的判断出包装箱状态是否正常。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明基于数据分析的木质包装箱产线智能管控***的逻辑框图;
图2是本发明中特征识别的过程流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,在一个实施例中,提供了一种基于数据分析的木质包装箱产线智能管控***,所述***包括透光检测组件,所述透光检测组件包括光源发生装置、图像采集装置及分析端;其设置于产线预固定工序之后、终固定工序之前,能够对预固定工序之后产品进行检测,并通过检测的结果对终固定工序的参数进行相应的调整;具体的监测步骤包括,首先通过光源发生装置用于向包装箱发出预设波长大小的光;光源发生装置可通过可调波长的均匀光源来实现,之后通过图像采集模块来采集包装箱检测面的图像;通过分析端对所述图像采集模块采集的图像进行特征识别,显然特征识别的结果体现了预固定工序之后包装箱固定的状态,之后根据特征识别的结果对包装箱的预固定状态进行判断,根据判断结果确定包装箱状态是否正常;若正常,显然说明预固定工序的产品为产生较大的异常,因此对终固定工序的工作参数进行调整;若不正常,说明包装箱存在异常,可能存在破损等问题,因此将包装箱进行返工。
通过上述技术方案,本实施例通过透光检测组件来实现对木质包装箱状态的检测过程并对后续的终固定工序的工作参数进行调整,进而实现对木箱状态的判断;具体地,通过光源发生装置向包装箱发出预设波长大小的光,预设波长根据箱体的颜色选择与其区分度较大的波长,且该过程在环境光较弱的环境下进行,因此透出的对应光与环境状态差别较为明显,再通过图像采集模块采集包装箱检测面的图像,分析端对图像进行特征识别,进而能够对包装箱存在的缺陷位置及缝隙位置进行较为准确的获取,进而通过获取的结果来确定包装箱状态是否正常,并在正常时对终固定工序的工作参数进行对应的调整,在不正常时直接进行返工处理。
作为本发明的一种实施方式,请参阅图2所示,本实施例给出了一种特征识别的过程,主要包括S1、基于AI识别出木质包装箱在图片中的轮廓区域;S2、按照预设波长大小确定对应的颜色识别区间,按照颜色识别区间对轮廓区域进行轮廓提取,获取风险位置区域;S3、获取风险位置区域的形状特征作为特征识别的结果。
通过上述技术方案,本实施例在特征识别的过程中,基于AI识别技术来对包装箱进行识别,其中AI识别技术可通过多组木质包装箱图像进行卷积神经训练获得,在此不作限定,以此来识别获得包装箱的轮廓区域;之后再根据波长大小确定对应的颜色识别区间,该颜色识别区间根据包装箱颜色与波长叠加后的颜色区间确定,例如将波长大小控制在550~400nm范围(蓝光),木质包装箱颜色为黄色,因此识别颜色区间为550~400nm范围(蓝光)及两者重叠边缘处的颜色;因此按照该颜色识别区间进行轮廓提取,进而能够准确的获取风险位置区域;之后再根据风险位置区域的形状特征作为特征识别的结果,进而能够依此来确定包装箱状态。
作为本发明的一种实施方式,包装箱状态是否异常的判断过程为:获取包装箱的连接缝隙区域及非缝隙区域;判断非缝隙区域是否出现风险位置区域:若出现,说明包装箱存在缺损问题且未进行修补或修补不完全,则将包装箱返工;否则判断连接缝隙区域是否出现风险位置区域:若未出现,则不对终固定工序的工作参数进行调整;否则,将连接缝隙区域分为直线区域及角区域;
通过公式计算获得风险值AN;其中,/>为直线区域缝隙相对包装箱外轮廓法线在风险位置区域中的最大值;/>为角区域中风险位置区域的面积;/>为固定参考值;/>为直线区域及角区域缝隙在包装箱外轮廓投影总长;为风险位置区域的总面积;q为调整系数;C为风险位置区域的总周长;
将风险值AN与预警值W1、W2进行比对:若AN≥W2,则将该包装箱返工;若W1≤AN<W2,则对终固定工序的工作参数进行调整;若AN<W1,则不对终固定工序的工作参数进行调整。
通过上述技术方案,本实施例给出了具体的包装箱状态异常判断方法,具体地,首先根据识别的包装箱图像获取包装箱的连接缝隙区域及非缝隙区域,此获取过程根据包装箱的结构设置预先确定划分比例,之后按比例划分后获得,在此不作详述;
然后判断非缝隙区域是否出现风险位置区域,显然,若非缝隙区域出现风险位置区域,说明包装箱存在缺损问题且未进行修补或修补不完全,进行需要进行返工;若未出现,则针对连接缝隙区域存在的风险位置区域进行分析,风险的过程首先将连接缝隙区域分为直线区域及角区域,此划分过程通上述的连接缝隙区域及非缝隙区域划分过程,之后再通过公式获得风险值AN来对出现的风险位置区域特征进行判断,风险值AN的公式根据/>简化后获得,其中,/>为风险位置区域的宽度均值状态;/>为直线区域的风险位置区域的宽度极值;/>为角区域的临界状态;/>则为风险位置区域的特征状态;调整系数q主要起到数值范围调节的效果,其根据测试数据拟合获得;因此,通过风险值AN,能够在角区域出现缺陷时、缝隙较大时、风险位置区域不规则时通过数值大小进行预警,进而通过将风险值AN与预警值W1、W2进行比对来确定后续的处理过程,若AN≥W2,则说明出现明显的异常,则将该包装箱返工;若W1≤AN<W2,说明问题为初固定未完全造成,因此对终固定工序的工作参数进行调整后对包装箱进行再次固定;若AN<W1,说明包装箱已经满足要求,因此不对终固定工序的工作参数进行调整。
需要说明的是,预警值W1、W2根据临界状态下的数据拟合获得。
作为本发明的一种实施方式,终固定工序的工作参数调整过程包括:预先根据包装箱的固定位点将连接缝隙区域进行划分;通过公式计算获得第k个区域的参考作用力F(k);
其中,为基准作用力,/>为预设对照表函数,/>为修正系数,/>为第k个区域缝隙相对包装箱外轮廓法线在风险位置区域中的最大值,S(k)为第k个风险位置区域的面积,L(k)为第k个风险位置区域在包装箱外轮廓投影的长度;
按照参考作用力F(k)对第k个区域进行加固。
通过上述技术方案,本实施例本实施例在判断需要对终固定工作参数进行调整的基础上,给出了一种调整其工作参数的方法,通过计算获得第k个区域的参考作用力F(k),其中,/>为基准作用力,且初固定均按照该项参数进行,/>为预设对照表函数,根据数值所在的区间根据对照表获取作用力的调节量,修正系数用于调节/>相对/>的数值范围,其根据经验数据代入后获得,因此获得的参考作用力F(k)能够适用于箱体的实际状况,进而保证了固定效果的同时,避免了作用力过大对包装箱造成损伤。
作为本发明的一种实施方式,所述***还包括气密性检测组件;所述气密性检测组件包括盖体、通气装置及压强传感器,且所述通气装置及所述压强传感器均贯穿设置于盖体上,所述盖体上还设置有与包装箱相匹配的密封圈;
所述气密性检测组件工作的过程包括:
将盖体安装在未封口的包装箱上,且使得密封圈与包装箱匹配安装;通过通气装置按预设策略进行通气,通过压强传感器检测获得实时压强变化曲线;所述分析端根据实时压强变化曲线对包装箱的气密性状态进行判断。
由于部分包装箱需要具备防潮效果,因此在包装箱终固定完成后需要对透气缝隙处进行涂胶,以使得包装箱具有较优的防潮效果,同时在涂胶干燥工序完成后,需要对其气密性进行判断,由于木质包装箱的体积较大,因此,本实施例通过设置气密性检测组件来对箱体的气密性状态进行判断,具体地,气密性检测组件包括盖体、通气装置及压强传感器,且所述通气装置及所述压强传感器均贯穿设置于盖体上,所述盖体上还设置有与包装箱相匹配的密封圈,在检测过程中,将盖体安装在未封口的包装箱上,且使得密封圈与包装箱匹配安装;通过通气装置按预设策略进行通气,再通过压强传感器检测获得实时压强变化曲线;通过分析端对实时压强变化曲线状态进行判断,如果实时压强变化曲线与包装箱符合密封性状态下的标准变化曲线相差较小,则说明包装箱密封性状态符合要求,反正,则说明包装箱存在漏气问题,同时根据实时压强变化曲线的变化状况,能够对具体漏气的状态进行判断,即能判断是否存在密封性不佳的问题。
需要说明的是,预设策略指在预设时段内按照线性将压强调整至压强设定值,且压强设定值不超过包装箱的承受范围,具体的参数设定可根据通气装置的性能选择,在此不作限定。
作为本发明的一种实施方式,对气密性状态进行判断的过程包括:通过公式计算获得气密性状态值At;其中,/>为通气起始时间点;/>为通气结束时间点;在/>时段中按固定间隔获得m-2个时间点,i=1、2、…、m;/>为第i个时间点在实时压强变化曲线上的对应压强值;/>为第i个时间点在标准压强变化曲线上的对应压强值;/>为第i个时间点的影响度;
将At与临界值进行比对:若At≥临界值,则说明实时压强变化曲线与标准压强变化曲线的偏离状态较大,判断气密性状态存在异常。
通过上述技术方案,本实施例给出了气密性状态判断的具体过程,通过公式计算获得气密性状态值At来进行判断,其中,/>为第i个时间点的影响度,其根据标准状态下的变化特性测试获得,因此通过气密性状态值的计算过程,能够对是否出现密封异常问题进行判断。
需要说明的是,临界值根据多组密封正常状态下的测试数据带入后获得;同时,为理想状态下的数据,因此不存在/>大于等于/>的状况;另外,气密性状态检测主要判断是否存在明显透气点,较小缝隙造成的透气造成的影响有限,在此不予考虑。
作为本发明的一种实施方式,所述分析端还用于根据实时压强变化曲线状态与预设的标准压强变化曲线状态进行特征分析,根据比对结果判断影响气密性状态的具体原因。
所述分析端进行特征分析的过程包括:
通过公式计算获得t时刻的差值变化率k(t);
其中,t∈[,/>];
将k(t)与预置区间[K1,K2]进行比对:若k(t)∈[K1,K2],则判断问题为包装箱涂胶遗漏;若k(t)∈(K2,∞),则判断问题为包装箱涂胶不牢。
在存在包装箱涂胶遗漏问题时:通过公式计算获得遗漏涂胶范围大小区间;其中,Ex为分段函数,其根据数值所在区间确定对应的遗漏涂胶范围大小区间。
通过上述技术方案,本实施例给出了判断影响气密性状态具体原因的方法,用以方便后的返工过程,具体的,根据实时压强变化曲线状态与预设的标准压强变化曲线状态进行特征分析,通过公式计算获得t时刻的差值变化率k(t);若包装箱本身存在涂胶遗漏问题,则/>处于缓慢增加的状态,因此k(t)的范围有限,因此通过将k(t)与预置区间[K1,K2]进行比对,预置区间[K1,K2]根据临界状态下的数据拟合获得,因此当k(t)∈[K1,K2],则判断问题为包装箱涂胶遗漏,而当k(t)∈(K2,∞)时,说明差值变化率k(t)出现明显激增的状况,即说明/>产生较大的数值变化,因此说明存在胶体脱落导致出气口增加,进而导致出现/>数值较大的变化,进而在k(t)∈(K2,∞)时,判断问题为包装箱涂胶不牢。
另外,在存在包装箱涂胶遗漏问题时,本实施例还通过公式计算获得遗漏涂胶范围大小区间,进而在返工时提供相关的参数数据,其中,分段函数Ex根据不同横截面开口大小测试数据的对应值确定出不同的分段,因此根据/>所在的分段,进而分段对应的开口大小,即确定出遗漏涂胶范围大小区间。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (6)
1.一种基于数据分析的木质包装箱产线智能管控***,其特征在于,所述***包括:
透光检测组件,设置于产线预固定工序之后、终固定工序之前,包括光源发生装置、图像采集装置及分析端;
在所述透光检测组件进行检测的过程中:
所述光源发生装置用于向包装箱发出预设波长大小的光;
所述图像采集装置用于采集包装箱检测面的图像;
所述分析端用于对所述图像采集装置采集的图像进行特征识别,根据特征识别的结果对包装箱的预固定状态进行判断,根据判断结果确定包装箱状态是否正常;
若正常,则对终固定工序的工作参数进行调整;
否则将包装箱进行返工;
所述特征识别的过程包括:
S1、基于AI识别出木质包装箱在图片中的轮廓区域;
S2、按照预设波长大小确定对应的颜色识别区间,按照颜色识别区间对轮廓区域进行轮廓提取,获取风险位置区域;
S3、获取风险位置区域的形状特征作为特征识别的结果;
包装箱状态是否异常的判断过程为:
获取包装箱的连接缝隙区域及非缝隙区域;
判断非缝隙区域是否出现风险位置区域:
若出现,则将包装箱返工;
否则判断连接缝隙区域是否出现风险位置区域:
若未出现,则不对终固定工序的工作参数进行调整;
否则,将连接缝隙区域分为直线区域及角区域;
通过公式计算获得风险值AN;
其中,为直线区域缝隙相对包装箱外轮廓法线在风险位置区域中的最大值;/>为角区域中风险位置区域的面积;/>为固定参考值;/>为直线区域及角区域缝隙在包装箱外轮廓投影总长;/>为风险位置区域的总面积;q为调整系数;C为风险位置区域的总周长;
将风险值AN与预警值W1、W2进行比对:
若AN≥W2,则将该包装箱返工;
若W1≤AN<W2,则对终固定工序的工作参数进行调整;
若AN<W1,则不对终固定工序的工作参数进行调整;
终固定工序的工作参数调整过程包括:
预先根据包装箱的固定位点将连接缝隙区域进行划分;
通过公式计算获得第k个区域的参考作用力F(k);
其中,为基准作用力,/>为预设对照表函数,/>为修正系数,/>为第k个区域缝隙相对包装箱外轮廓法线在风险位置区域中的最大值,S(k)为第k个风险位置区域的面积,L(k)为第k个风险位置区域在包装箱外轮廓投影的长度;
按照参考作用力F(k)对第k个区域进行加固。
2.根据权利要求1所述的一种基于数据分析的木质包装箱产线智能管控***,其特征在于,所述***还包括气密性检测组件;
所述气密性检测组件包括盖体、通气装置及压强传感器,且所述通气装置及所述压强传感器均贯穿设置于盖体上,所述盖体上还设置有与包装箱相匹配的密封圈;
所述气密性检测组件工作的过程包括:
将盖体安装在未封口的包装箱上,且使得密封圈与包装箱匹配安装;
通过通气装置按预设策略进行通气,通过压强传感器检测获得实时压强变化曲线;
所述分析端根据实时压强变化曲线对包装箱的气密性状态进行判断。
3.根据权利要求2所述的一种基于数据分析的木质包装箱产线智能管控***,其特征在于,对气密性状态进行判断的过程包括:
通过公式计算获得气密性状态值At;
其中,为通气起始时间点;/>为通气结束时间点;在/>时段中按固定间隔获得m-2个时间点,i=1、2、…、m;/>为第i个时间点在实时压强变化曲线上的对应压强值;/>为第i个时间点在标准压强变化曲线上的对应压强值;/>为第i个时间点的影响度;
将At与临界值进行比对:
若At≥临界值,则判断气密性状态存在异常。
4.根据权利要求3所述的一种基于数据分析的木质包装箱产线智能管控***,其特征在于,所述分析端还用于根据实时压强变化曲线状态与预设的标准压强变化曲线状态进行特征分析,根据比对结果判断影响气密性状态的具体原因。
5.根据权利要求4所述的一种基于数据分析的木质包装箱产线智能管控***,其特征在于,所述分析端进行特征分析的过程包括:
通过公式计算获得t时刻的差值变化率k(t);
其中,;
将k(t)与预置区间[K1,K2]进行比对:
若k(t)∈[K1,K2],则判断问题为包装箱涂胶遗漏;
若k(t)∈(K2,∞),则判断问题为包装箱涂胶不牢。
6.根据权利要求5所述的一种基于数据分析的木质包装箱产线智能管控***,其特征在于,在存在包装箱涂胶遗漏问题时:
通过公式计算获得遗漏涂胶范围大小区间;
其中,Ex为分段函数,其根据数值所在区间确定对应的遗漏涂胶范围大小区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310698483.6A CN116429790B (zh) | 2023-06-14 | 2023-06-14 | 一种基于数据分析的木质包装箱产线智能管控*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310698483.6A CN116429790B (zh) | 2023-06-14 | 2023-06-14 | 一种基于数据分析的木质包装箱产线智能管控*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116429790A CN116429790A (zh) | 2023-07-14 |
CN116429790B true CN116429790B (zh) | 2023-08-15 |
Family
ID=87091121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310698483.6A Active CN116429790B (zh) | 2023-06-14 | 2023-06-14 | 一种基于数据分析的木质包装箱产线智能管控*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116429790B (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5960104A (en) * | 1996-08-16 | 1999-09-28 | Virginia Polytechnic & State University | Defect detection system for lumber |
US6122065A (en) * | 1996-08-12 | 2000-09-19 | Centre De Recherche Industrielle Du Quebec | Apparatus and method for detecting surface defects |
DE102008029952A1 (de) * | 2008-06-26 | 2009-12-31 | Wincor Nixdorf International Gmbh | Verfahren und Vorrichtung zum Erkennen von Transportbehältnissen |
JP2010151587A (ja) * | 2008-12-25 | 2010-07-08 | Asahi Breweries Ltd | 容器の外観検査装置 |
DE102013013079A1 (de) * | 2013-08-06 | 2015-02-12 | Interseroh Dienstleistungs Gmbh | Verfahren und Vorrichtung zum Identifizieren von Verpackungen |
CN107179324A (zh) * | 2017-05-17 | 2017-09-19 | 珠海格力电器股份有限公司 | 检测产品包装的方法、装置和*** |
CN108430876A (zh) * | 2015-12-28 | 2018-08-21 | 尤妮佳股份有限公司 | 用于检查吸收性物品的包装产品的方法和设备 |
CN111523611A (zh) * | 2020-05-07 | 2020-08-11 | 北京智机科技有限公司 | 涂胶检测方法 |
KR102161315B1 (ko) * | 2019-11-08 | 2020-10-05 | 주식회사 지팬스 | 컨테이너 식별코드 모니터링 시스템 및 그 방법 |
CN111985466A (zh) * | 2020-08-19 | 2020-11-24 | 上海海事大学 | 一种集装箱危险品标志识别方法 |
CN112222010A (zh) * | 2020-09-30 | 2021-01-15 | 龙岩烟草工业有限责任公司 | 包装箱输送*** |
CN112561098A (zh) * | 2021-02-19 | 2021-03-26 | 浙江大胜达包装股份有限公司 | 基于快递纸包装箱图像分析的自动回收复用***及方法 |
KR102358948B1 (ko) * | 2021-08-18 | 2022-02-08 | (주)썬컴퍼니 | Ai 기반으로 포장용 종이 상자 제조를 위한 자동화 시스템 |
CN114577810A (zh) * | 2022-02-09 | 2022-06-03 | 南京港龙潭集装箱有限公司 | 一种集装箱智能道口验残***及方法 |
CN115201208A (zh) * | 2022-08-04 | 2022-10-18 | 扬州安睿自动化科技有限公司 | 一种平面包在线瑕疵检测方法及装置 |
KR102470422B1 (ko) * | 2021-11-26 | 2022-11-25 | 호전실업 주식회사 | 합성곱 신경망 특징맵 기반 봉제 스티치 불량 자동 검출 방법 및 시스템 |
CN115456652A (zh) * | 2022-09-29 | 2022-12-09 | 广东格林精密部件股份有限公司 | 一种基于人工智能的精密注塑件不良品的溯源方法 |
CN218369251U (zh) * | 2022-11-02 | 2023-01-24 | 山东力乐新材料研究院有限公司 | 一种可以调节高度的木塑箱 |
CN115690807A (zh) * | 2022-10-18 | 2023-02-03 | 青岛杰瑞工控技术有限公司 | 一种基于ocr技术的箱号识别方法 |
WO2023019508A1 (zh) * | 2021-08-19 | 2023-02-23 | 宁德时代新能源科技股份有限公司 | 涂胶面积的检测方法、电子设备和计算机可读存储介质 |
CN116110053A (zh) * | 2023-04-13 | 2023-05-12 | 济宁能源发展集团有限公司 | 基于图像识别的集装箱表面信息检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3123632A1 (en) * | 2018-12-21 | 2020-06-25 | Canscan Softwares And Technologies Inc. | Automated inspection system and associated method for assessing the condition of shipping containers |
-
2023
- 2023-06-14 CN CN202310698483.6A patent/CN116429790B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6122065A (en) * | 1996-08-12 | 2000-09-19 | Centre De Recherche Industrielle Du Quebec | Apparatus and method for detecting surface defects |
US5960104A (en) * | 1996-08-16 | 1999-09-28 | Virginia Polytechnic & State University | Defect detection system for lumber |
DE102008029952A1 (de) * | 2008-06-26 | 2009-12-31 | Wincor Nixdorf International Gmbh | Verfahren und Vorrichtung zum Erkennen von Transportbehältnissen |
JP2010151587A (ja) * | 2008-12-25 | 2010-07-08 | Asahi Breweries Ltd | 容器の外観検査装置 |
DE102013013079A1 (de) * | 2013-08-06 | 2015-02-12 | Interseroh Dienstleistungs Gmbh | Verfahren und Vorrichtung zum Identifizieren von Verpackungen |
CN108430876A (zh) * | 2015-12-28 | 2018-08-21 | 尤妮佳股份有限公司 | 用于检查吸收性物品的包装产品的方法和设备 |
CN107179324A (zh) * | 2017-05-17 | 2017-09-19 | 珠海格力电器股份有限公司 | 检测产品包装的方法、装置和*** |
KR102161315B1 (ko) * | 2019-11-08 | 2020-10-05 | 주식회사 지팬스 | 컨테이너 식별코드 모니터링 시스템 및 그 방법 |
CN111523611A (zh) * | 2020-05-07 | 2020-08-11 | 北京智机科技有限公司 | 涂胶检测方法 |
CN111985466A (zh) * | 2020-08-19 | 2020-11-24 | 上海海事大学 | 一种集装箱危险品标志识别方法 |
CN112222010A (zh) * | 2020-09-30 | 2021-01-15 | 龙岩烟草工业有限责任公司 | 包装箱输送*** |
CN112561098A (zh) * | 2021-02-19 | 2021-03-26 | 浙江大胜达包装股份有限公司 | 基于快递纸包装箱图像分析的自动回收复用***及方法 |
KR102358948B1 (ko) * | 2021-08-18 | 2022-02-08 | (주)썬컴퍼니 | Ai 기반으로 포장용 종이 상자 제조를 위한 자동화 시스템 |
WO2023019508A1 (zh) * | 2021-08-19 | 2023-02-23 | 宁德时代新能源科技股份有限公司 | 涂胶面积的检测方法、电子设备和计算机可读存储介质 |
KR102470422B1 (ko) * | 2021-11-26 | 2022-11-25 | 호전실업 주식회사 | 합성곱 신경망 특징맵 기반 봉제 스티치 불량 자동 검출 방법 및 시스템 |
CN114577810A (zh) * | 2022-02-09 | 2022-06-03 | 南京港龙潭集装箱有限公司 | 一种集装箱智能道口验残***及方法 |
CN115201208A (zh) * | 2022-08-04 | 2022-10-18 | 扬州安睿自动化科技有限公司 | 一种平面包在线瑕疵检测方法及装置 |
CN115456652A (zh) * | 2022-09-29 | 2022-12-09 | 广东格林精密部件股份有限公司 | 一种基于人工智能的精密注塑件不良品的溯源方法 |
CN115690807A (zh) * | 2022-10-18 | 2023-02-03 | 青岛杰瑞工控技术有限公司 | 一种基于ocr技术的箱号识别方法 |
CN218369251U (zh) * | 2022-11-02 | 2023-01-24 | 山东力乐新材料研究院有限公司 | 一种可以调节高度的木塑箱 |
CN116110053A (zh) * | 2023-04-13 | 2023-05-12 | 济宁能源发展集团有限公司 | 基于图像识别的集装箱表面信息检测方法 |
Non-Patent Citations (1)
Title |
---|
木质板材表面缺陷自动检测技术研究;马娟娟;金永;;林业机械与木工设备(09);28-30 * |
Also Published As
Publication number | Publication date |
---|---|
CN116429790A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115082464B (zh) | 除尘机焊接过程中焊缝数据的识别方法及*** | |
KR102012318B1 (ko) | 영상센서를 이용한 용접 품질 전수 검사 장치 및 그 방법 | |
CN116429790B (zh) | 一种基于数据分析的木质包装箱产线智能管控*** | |
CN117291919B (zh) | 一种钢轨螺栓表面润滑脂视觉检测方法 | |
CN114407079B (zh) | 一种控制机械臂安装螺栓的方法 | |
CN114359253A (zh) | 基于卷积神经网络的影像脏污检测方法及*** | |
CN113343834A (zh) | 基于机器视觉和激光线的皮带跑偏诊断方法 | |
CN115456652B (zh) | 一种基于人工智能的精密注塑件不良品的溯源方法 | |
US9409278B2 (en) | Method and system for the ply-by-ply machining of a component made of composite material, by applying energy | |
CN114199127B (zh) | 基于机器视觉的汽车零件尺寸检测***及方法 | |
CN115965699A (zh) | 电池极片检测用自适应灰度校正方法 | |
CN111275331A (zh) | 一种生产***的监控方法和装置 | |
CN116342456A (zh) | 连接器件检测方法、电子设备及存储介质 | |
CN117147587B (zh) | 基于软抽包装的缺陷检测***及检测方法 | |
US20230419477A1 (en) | Anomaly detection system in the automatic placement of composites during the manufacturing of structural elements | |
US7551765B2 (en) | Electronic component detection system | |
JP7270322B2 (ja) | データ推定制御装置 | |
CN116309337B (zh) | 基于图像识别的包装盒质量检测*** | |
CN118090730B (zh) | 一种基于机器视觉的石榴发酵红茶成熟度检测方法及*** | |
TWI793035B (zh) | 影像缺陷辨識方法及其影像分析裝置 | |
CN116152245B (zh) | 一种基于人工智能的胶线缺陷检测*** | |
CN117911412B (zh) | 用于工程机械用链轨节的尺寸检测方法及*** | |
TWI783548B (zh) | 印刷焊點品質識別與維修建議系統及其方法 | |
CN117818998A (zh) | 背封包装方法及设备 | |
KR102629698B1 (ko) | 기상측정을 이용한 공구의 마모량 예측방법 및 예측 시스템 |
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 |