【技术实现步骤摘要】
【国外来华专利技术】制造方法
[0001]对应的申请
[0002]本申请要求2019年10月15日以AISAPACK HOLDING SA名义提交的早期欧洲申请号19203285.2的优先权,通过引用将该早期申请的内容全文并入本申请中。
[0003]本专利技术涉及需要在制造期间进行精细视觉检查的批量制造的物体的领域。本专利技术更具体地应用于制造需要集成到生产线中的视觉检查的物体的高吞吐量过程。
技术介绍
[0004]一些图像分析和学习系统和方法在现有技术中是已知的。以下公报中给出了一些示例:WO 2018/112514,WO 2018/200866,WO 2011/115666,WO 2012/164562和WO 2017/052592,WANG JINJIANG等人“Deep learning for smart manufacturing:Methods and applications”JOURNAL OF MANUFACTURING SYSTEMS,SOCIETY OF MANUFACTURING ENGINEERS,DEARBORN,MI,US,第48卷,2018年1月8日(2018
‑
01
‑
08),第144
‑
156页,MEHMOOD KHAN等人:“An integrated supply chain model with errors in quality inspection and learning in production”,OMEGA.,第 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于制造物体的方法,所述物体例如是管或包装,所述方法包括集成到所述制造方法中的至少一个质量检查,该质量检查在生产期间执行并且连续地执行,所述质量检查包括学习阶段和生产阶段,所述学习阶段至少包括以下步骤:
‑
)生产被认为是能接受的N个物体;
‑
)拍摄所述N个物体中的每一个的至少一个参考初级图像(A
k
);
‑
)将每个参考初级图像(A
k
)分为(P
k
)个参考次级图像(S
k,p
);
‑
)将对应的参考次级图像分组为多批N个图像;
‑
)确定每批具有压缩因子(Q
k,p
)的压缩
‑
解压缩模型(F
k,p
),并且所述生产阶段至少包括以下步骤:
‑
)拍摄生产中的至少一个物体的至少一个初级图像;
‑
)将每个初级图像分成次级图像(S
k,p
);
‑
)将在所述学习阶段中定义的所述压缩
‑
解压缩模型和所述压缩因子应用于每个次级图像(S
k,p
),以便形成重建的次级图像(R
k,p
);
‑
)计算每个重建的次级图像R
k,p
的重建误差;
‑
)基于所述重建误差为每个物体分配一个或多个分数;
‑
)基于一个或多个分配的分数确定生产的物体是否成功通过所述质量检查。2.根据权利要求1所述的方法,其中,对至少一个最初拍摄的所述初级图像执行多重分析,所述多重分析产生“子”初级图像,该“子”初级图像用于代替该“子”初级图像源自的所述最初拍摄的图像。3.根据权利要求1或2所述的方法,其中,在拍摄至少一个初级图像的步骤之后,重新定位每个初级图像。4.根据前述权利要求中任一项所述的方法,其中,处理每个初级图像。5.根据权利要求4所述的方法,其中,所述处理操作是数字处理操作。6.根据权利要求4或5所述的方法,其中,所述处理操作使用滤波器、和/或边缘检测、和/或掩模应用,以便隐藏所述图像的某些区域。7.根据前述权利要求中任一项所述的方法,其中,所述压缩因子在5至500000之间,优选在100至10000之间。8.根据前述权利要求中任一项所述的方法,其中,所述压缩
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。