[发明专利]基于样本数据训练的产品质量控制设备及质量控制方法

说明书

本发明公开了基于样本数据训练的产品质量控制设备及质量控制方法，适用于产品自动化生产流水线，包括多个图像采集装置和控制终端；所述控制终端包括质量判定模块和工艺参数调整模块；所述质量判定模块预存有质量判定模型，并根据输入的数字图像输出相应的质量判定等级，该质量判定模型通过人工智能数据训练获得；所述工艺参数调整模块预存有分歩加工设备的工艺参数与半成品质量判定关系对应的工艺参数调整模型；所述控制终端输出控制对应的分布加工设备。本发明提供了基于样本数据训练的产品质量控制设备及质量控制方法，进而指导生产设备自动化调整工艺参数，实现智能化、自动化、高效率、低消耗的自动化生产线，从而确保产品质量得以控制。

技术领域

本发明涉及自动化加工领域，，特别是涉及基于样本数据训练的产品质量控制设备及质量控制方法。

背景技术

随着机器视觉技术的逐渐成熟，利用机器视觉技术改善自动化水平的自动化设备也逐渐投入应用。机器视觉技术取代了原本工业生产中许多仅能依靠人工完成的工作，如质量检测等，且具有更高的检测效率和更低的错检率，极大提高了生产效率。

现有技术中，机器视觉技术应用于工业检测时，仅能对产品的简单质量信息(如长度尺寸、颜色等)，采用视觉技术基于简单特征识别算法进行检测；当产品的质量信息含有复杂特征时，简单特征识别算法则难以检测；而工业上，绝大部分产品的质量信息往往具有复杂特征(如复杂纹理或复杂形状等特征)，因此，基于简单特征识别算法的视觉检测技术的适用性受到限制。对于含有复杂特征的产品检测时，只能依靠人工方式检测，效率低，且不利于自动化调整生产设备自动化检测。

基于样本训练的人工智能方法是一种新兴的机器视觉检测方法，通过对样本数据进行训练，得到表征样本特征的训练模型，并利用该训练模型即可对待测图像进行特征归类识别。常用的数据训练模型有深度学习、强化学习和迁移学习等。此种数据处理方法的特点在于，通过将预设有标签的图像数据输出至训练模型，并在一定的训练次数后，得到图像数据与相应标签的对应关系。目前，工业检测领域关于复杂特征的检测技术仍是空白。

此外，当产品生产线中的半成品存在复杂特征质量检测时，则无法根据半成品的复杂特征质量判定信息动态实时调整工艺参数，即不利于产品整体质量的改善，所生产的产品质量也较为不稳定。

发明内容

本发明的目的在于克服现有技术之不足，提供了基于样本数据训练的产品质量控制设备及质量控制方法，进而指导生产设备自动化调整工艺参数，实现智能化、自动化、高效率、低消耗的自动化生产线，从而确保产品质量得以控制。

本发明解决其技术问题所采用的技术方案是：

基于样本数据训练的产品质量控制设备，适用于产品自动化生产流水线，该产品自动化生产流水线由多个分歩加工设备组成；该质量检测设备包括图像采集装置和控制终端，该图像采集装置采集获得所述分歩加工设备生产的半成品的数字图像；

所述控制终端包括质量判定模块和工艺参数调整模块；所述质量判定模块预存有每一个分布加工设备的质量判定模型，该质量判定模型通过多组标记有质量判定的半成品数字图像进行人工智能数据训练获得，并表征半成品数字图像和质量判定的对应关系；所述工艺参数调整模块预存有每一个分布加工设备的工艺参数调整模型，该工艺参数调整模型表征工艺参数和质量判定的对应关系；

所述控制终端的质量判定判断模块分别与所述多个图像采集装置信号连接，所述控制终端的工艺参数调整模块分别与所述多个分布加工设备信号连接；所述控制终端实时接收图像采集装置获得的不同工序的半成品数字图像，并输出质量判定至所述工艺参数调整模块，所述工艺参数调整模块根据当前的质量判定情况输出产品工艺参数至相应的分布加工设备。

其中一较佳实施例中，所述工艺参数调整模块通过所述分歩加工设备的功能原理及性能参数结合人为经验或试验数据建模调整后确定。