【技术实现步骤摘要】
本专利技术涉及智能制造，尤其涉及一种基于机器学习的智能冲压成形制造方法及系统。
技术介绍
1、从坯料到零部件成形，其生产过程比较复杂，为了避免零部件成形过程出现质量问题，其中每道工序必须有严格的质量把控，否则就有可能会直接地影响零部件的实际服役性能。目前零部件在成形过程中主要还是依赖人工操作以及人工视觉检查，效率低下且易受主观因素影响，并且具有一定的偶然性，其效果缺少准确性与稳定性。此外，在成形的过程中若出现坯料变形精度不够无法控制生产设备进行补偿使零件的成形尺寸不达标而导致产品报废。随着机器视觉和深度学习技术的发展，自动化产线逐渐成为提高生产效率和产品质量的重要手段，产线的自动化将成为制造业中加工生产的主流方式。
2、公开号为cn116681301a的中国专利公开了一种数据驱动的锻造过程自主决策方法，包含以下步骤：(1)采集锻造生产过程中的工艺数据与锻件质检数据，建立锻造过程数据库；(2)从锻造过程数据库中挖掘频繁项集，抽象出节点、节点属性及三元关系；(3)基于节点关系构建锻造过程知识图谱，通过知识推理补全锻造过程知识图谱...
【技术保护点】
1.一种基于机器学习的智能冲压成形制造方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述对所述样本图像数据集进行预处理，以获取标注图像数据集，具体包括：
3.如权利要求1所述的方法，其特征在于，所述基于YOLOv5s算法构建初始生产线样本识别模型，包括：
4.如权利要求1所述的方法，其特征在于，所述生产线样本识别模型的网络结构包括骨干网络、颈部网络以及头部网络，其中，
5.如权利要求4所述的方法，其特征在于，将所述标注图像数据集划分的训练集和测试集输入到所述初始生产线样本识别模型进行训练，具体
...
【技术特征摘要】
1.一种基于机器学习的智能冲压成形制造方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述对所述样本图像数据集进行预处理，以获取标注图像数据集，具体包括：
3.如权利要求1所述的方法，其特征在于，所述基于yolov5s算法构建初始生产线样本识别模型，包括：
4.如权利要求1所述的方法，其特征在于，所述生产线样本识别模型的网络结构包括骨干网络、颈部网络以及头部网络，其中，
5.如权利要求4所述的方法，其特征在于，将所述标注图像数据集划分的训练集和测试集输入到所述初始生产线样本识别模型进行训练，具体包括：
6.如权利要求5所述的方法，其特征在于，所述损失函数的表达式为：
7.如权利要求1所...
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。