[发明专利]基于强化学习的工业产品多道检测方法及系统

权利要求书

1.一种基于强化学习的工业产品多道检测方法，其特征在于，包括：

步骤S1：获取同一工件相邻工序的检测结果数据集；

步骤S2：筛选检测结果数据集中的检测信息；

步骤S3：设置卡控条件；

步骤S4：对卡控条件进行最优解求解。

2.根据权利要求1所述的基于强化学习的工业产品多道检测方法，其特征在于，在所述步骤S1中：

收集相邻工序中出现的所有工件的检测结果，并存储于检测结果信息文件中，检测结果信息文件的格式包括CSV、BMP，含有信息包括所属工件的标识符、每个检测结果的位置、检测结果的类型、检测结果的大小和检测结果的形状和数量；通过读取工具读取检测结果信息文件，读取工具包括Pandas、OpenCV，利用工件标识符在相邻工序中进行工件匹配，工件标识符包括OCRSTRING，得到同一工件的相邻工序的检测结果数据集。

3.根据权利要求1所述的基于强化学习的工业产品多道检测方法，其特征在于，在所述步骤S2中：

多道检测策略的生成方法，根据实际情况选取检测结果作为卡控条件设置的前提，根据经验或者观察出的特征筛选合适的检测结果，包括：

检测结果形状突出，包括边缘凹凸较多的不规则的检测结果；

检测结果的尺寸大于预设标准；

检测结果的类别属于预设标准，包括毛刺、异物和前后工序形状差别大于预设标准的检测结果；

同类型检测结果数量大于预设值。

4.根据权利要求1所述的基于强化学习的工业产品多道检测方法，其特征在于，在所述步骤S3中：

卡控条件的设置是多元多目标的非线性规划，根据尺寸形状类别多个特征进行多重条件设置，在应用过程中，根据相邻工序的检测结果之间的关联，以检测结果的尺寸、检测结果的形状、检测结果的类别、检测结果的位置、检测结果的灰度分布作为基本条件，对基本条件设置数量的卡控，定义以下变量：

在新的卡控条件下前道工序光学检测结果为NG的同时，后道工序光学检测结果为NG的工件数量表示为A，后道工序光学检测结果为OK的工件数量表示为B；

在新的卡控条件下前道工序光学检测结果为OK的同时，后道工序光学检测结果为NG的工件数量表示为C，后道工序光学检测结果为OK的工件数量表示为D；

卡控条件误判率x为：

x＝B/A

后道工序光学检测NG比率y为：

y＝(A+B)/(A+B+C+D)

卡控方式准确率z为：

z＝(A+D)/(A+B+C+D)；

规划的限制调节设置如下：x不超过第一阈值；y不超过第二阈值；z大于第三阈值；根据基本条件和限制条件完成卡控条件的设置。