本發(fā)明涉及打孔設(shè)備領(lǐng)域,具體涉及一種卷膜智能打孔系統(tǒng)及方法。
背景技術(shù):
1、卷膜打孔裝置是一種專門用于對(duì)卷狀薄膜材料進(jìn)行精確打孔的設(shè)備,廣泛應(yīng)用于包裝、農(nóng)業(yè)和工業(yè)制造等領(lǐng)域。此類裝置主要由卷料部、數(shù)據(jù)采集裝置、打孔部構(gòu)成。打孔組件根據(jù)預(yù)設(shè)參數(shù)在薄膜上進(jìn)行打孔,確保符合生產(chǎn)需求的孔距和孔徑。傳統(tǒng)的卷膜打孔裝置雖然能夠根據(jù)預(yù)設(shè)參數(shù)進(jìn)行薄膜打孔,但其存在多個(gè)缺陷和不足。第一,機(jī)械定位和傳感器檢測(cè)的精度有限,難在復(fù)雜孔位和高精度應(yīng)用中容易出現(xiàn)誤差。第二,傳統(tǒng)設(shè)備缺乏動(dòng)態(tài)調(diào)整能力,一旦設(shè)定了打孔參數(shù),設(shè)備無(wú)法根據(jù)實(shí)時(shí)數(shù)據(jù)進(jìn)行自動(dòng)糾正,導(dǎo)致打孔偏移和孔距誤差。在多規(guī)格薄膜的打孔加工中,換規(guī)格時(shí)需要較長(zhǎng)時(shí)間的準(zhǔn)備。同時(shí),傳統(tǒng)設(shè)備的適應(yīng)性差,無(wú)法智能識(shí)別不同材料或孔位圖案。因此,為了解決上述問題,需要一種卷膜智能打孔系統(tǒng)及方法。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足,提出一種卷膜智能打孔系統(tǒng)及方法。其中,一種卷膜智能打孔系統(tǒng)的具體技術(shù)方案如下:
2、一種卷膜智能打孔系統(tǒng),其特征在于:
3、包括卷料組件、數(shù)據(jù)采集模組、圖像識(shí)別組件、控制模組、打孔組件和收卷組件;
4、所述數(shù)據(jù)采集模組和圖像識(shí)別組件通過數(shù)據(jù)總線與所述控制模組相連,所述控制模組通過控制信道分別連接所述卷料組件、所述打孔組件所述收卷組件;
5、所述卷料組件用于傳輸待打孔的卷膜到加工區(qū),所述數(shù)據(jù)采集模組用于檢測(cè)薄膜的位置信息同步傳輸至所述控制模組,所述圖像識(shí)別組件用于識(shí)別薄膜孔位,所述打孔組件用于接收所述控制模組的控制信號(hào),在定位后的薄膜材料上執(zhí)行打孔操作,所述收卷組件用于將打孔完成的薄膜卷起。
6、為更好地實(shí)現(xiàn)本發(fā)明,可進(jìn)一步地:所述打孔組件包括打孔頭和驅(qū)動(dòng)裝置,所述驅(qū)動(dòng)裝置接收來(lái)自控制模組的控制信號(hào),對(duì)定位后的薄膜材料進(jìn)行打孔。
7、一種卷膜智能打孔系統(tǒng)的工作方法具體技術(shù)方案為:
8、一種卷膜智能打孔系統(tǒng)的工作方法,其特征在于:
9、包括如下步驟:
10、s1:所述卷料組件將待打孔的卷膜材料傳輸至加工區(qū),并保持薄膜材料穩(wěn)定;
11、s2:所述數(shù)據(jù)采集模組檢測(cè)薄膜的速度和位置數(shù)據(jù),并將數(shù)據(jù)傳送至所述控制模組;
12、s3:所述圖像識(shí)別組件采集薄膜表面圖像,對(duì)薄膜上預(yù)設(shè)的標(biāo)識(shí)進(jìn)行分析,識(shí)別薄膜孔位,并將識(shí)別數(shù)據(jù)傳送至所述控制模組;
13、s4:所述控制模組生成打孔控制信號(hào)并傳輸至所述打孔組件;
14、s5:所述打孔組件在接收控制模組的控制信號(hào)后,對(duì)卷膜材料的目標(biāo)位置進(jìn)行打孔操作;
15、s6:所述控制模組生成同步控制信號(hào)至所述收卷組件,使收卷組件的收卷速度與打孔操作同步,確保薄膜材料均勻卷起。
16、進(jìn)一步地:
17、所述圖像識(shí)別組件包圖像預(yù)處理模塊和圖像識(shí)別模型;
18、所述圖像識(shí)別模型采用卷積神經(jīng)網(wǎng)絡(luò)模型,該卷積神經(jīng)網(wǎng)絡(luò)模型用于增強(qiáng)定位精度,采用如下訓(xùn)練過程:
19、所述圖像識(shí)別模型將n張帶有預(yù)設(shè)標(biāo)識(shí)的薄膜圖作為輸入數(shù)據(jù),標(biāo)記的標(biāo)識(shí)位置為標(biāo)簽,構(gòu)成數(shù)據(jù)集
20、其中,tm為第m張圖像,ym為預(yù)設(shè)標(biāo)識(shí)位置實(shí)際坐標(biāo);
21、所述圖像識(shí)別模型的映射函數(shù)為fα,所述圖像識(shí)別模型的輸出預(yù)測(cè)得到所述圖像識(shí)別模型的損失函數(shù):
22、
23、通過梯度下降法最小化損失函數(shù)l(α)來(lái)訓(xùn)練所述圖像識(shí)別模型,獲得優(yōu)化后的模型參數(shù)α*,得到訓(xùn)練完成的圖像識(shí)別模型。
24、進(jìn)一步地:s3-1:所述圖像預(yù)處理模塊對(duì)薄膜表面的圖像進(jìn)行灰度化處理,將其轉(zhuǎn)換為單通道圖像;
25、s3-2:圖像預(yù)處理模塊對(duì)灰度圖像進(jìn)行平滑濾波,去除噪聲,使預(yù)設(shè)標(biāo)識(shí)的邊緣更清晰,得到圖像濾波p1(u,v):
26、
27、其中,q(a,c)為濾波核,r(u,v)為原始灰度圖像;
28、s3-3:所述圖像預(yù)處理模塊對(duì)平滑后的圖像p1(u,v)進(jìn)行canny邊緣檢測(cè),提取圖像中的邊緣信息,形成邊緣圖像p2(u,v);
29、s3-4:所述圖像識(shí)別模型基于邊緣圖像p2(u,v)作為輸入識(shí)別來(lái)識(shí)別出孔位預(yù)設(shè)標(biāo)位(u1,v1);
30、s3-5:所述圖像識(shí)別模型將孔位預(yù)設(shè)標(biāo)位(u1,v1)輸入到所述控制模組。
31、進(jìn)一步地:卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程采用帶有預(yù)設(shè)標(biāo)識(shí)的薄膜圖像數(shù)據(jù)集,所述網(wǎng)絡(luò)設(shè)置學(xué)習(xí)率為0.001,最大迭代步數(shù)為2000次,批處理大小設(shè)定為64;
32、所述卷積神經(jīng)網(wǎng)絡(luò)使用梯度下降算法通過最小化損失函數(shù)來(lái)不斷更新網(wǎng)絡(luò)參數(shù),以優(yōu)化模型的精度。
33、進(jìn)一步地:所述卷積神經(jīng)網(wǎng)絡(luò)選用adam優(yōu)化器,以加速收斂并減少訓(xùn)練過程中的震蕩,最終獲得能夠精確識(shí)別薄膜上預(yù)設(shè)標(biāo)識(shí)位置的模型參數(shù)。
34、本發(fā)明的有益效果為:本發(fā)明整體結(jié)構(gòu)簡(jiǎn)單,通過數(shù)據(jù)采集模組和圖像識(shí)別組件對(duì)薄膜的位置、速度和孔位實(shí)時(shí)監(jiān)測(cè)和精確定位,解決傳統(tǒng)機(jī)械定位精度不足的問題,大幅提升打孔的精準(zhǔn)度。系統(tǒng)中的圖像識(shí)別組件可以識(shí)別薄膜上的預(yù)設(shè)標(biāo)識(shí),精準(zhǔn)確定孔位,使得不同規(guī)格薄膜的加工更加便捷。卷積神經(jīng)網(wǎng)絡(luò)選用adam優(yōu)化器,能夠自適應(yīng)調(diào)整每個(gè)參數(shù)的學(xué)習(xí)率,實(shí)現(xiàn)快速收斂,且對(duì)超參數(shù)不敏感,提供穩(wěn)定的性能。結(jié)合動(dòng)量和均方根傳播,它能有效減少參數(shù)更新中的振蕩,從而快速接近目標(biāo)。
1.一種卷膜智能打孔系統(tǒng),其特征在于:
2.根據(jù)權(quán)利要求1所述一種卷膜智能打孔系統(tǒng),其特征在于:
3.采用權(quán)利要求2所述一種卷膜智能打孔系統(tǒng)的工作方法,其特征在于:
4.根據(jù)權(quán)利要求3所述一種卷膜智能打孔系統(tǒng)的工作方法,其特征在于:
5.根據(jù)權(quán)利要求4所述一種卷膜智能打孔系統(tǒng)的工作方法,其特征在于:
6.根據(jù)權(quán)利要求5所述一種卷膜智能打孔系統(tǒng)的工作方法,其特征在于:
7.根據(jù)權(quán)利要求6所述一種卷膜智能打孔系統(tǒng)的工作方法,其特征在于: