CN119427688A 基于机器视觉的模具精密注塑加工方法及其装置 (深圳市绿星科技有限公司)_第1页
CN119427688A 基于机器视觉的模具精密注塑加工方法及其装置 (深圳市绿星科技有限公司)_第2页
CN119427688A 基于机器视觉的模具精密注塑加工方法及其装置 (深圳市绿星科技有限公司)_第3页
CN119427688A 基于机器视觉的模具精密注塑加工方法及其装置 (深圳市绿星科技有限公司)_第4页
CN119427688A 基于机器视觉的模具精密注塑加工方法及其装置 (深圳市绿星科技有限公司)_第5页
已阅读5页,还剩30页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于机器视觉的模具精密注塑加工方法及析检测结果调用光谱分析仪对待注塑材料进行据材料特性检测结果确定待注塑材料的材料加2基于机器视觉系统对模具型腔的表面进行全方位扫描,得到所述将所述型腔三维图像数据输入至图像分析检测模型中,得到所述图基于所述第一分析检测结果调用光谱分析仪对待注塑材料进行根据所述材料特性检测结果确定所述待注塑材料的材料加工参数,基于所述模具型腔的模具特性参数确定第一模具注塑加工参数,并获取所述模具型腔在注塑过程中的温度变化范围,以及所将所述型腔三维图像数据输入至所述图像分析检测模型,基于所述基于所述图像分析检测模型中的图神经网络层对所述型腔三维图像数据进行特征提基于所述图像分析检测模型中的全连接层将所述型腔局部特征和所述型腔拓扑结构若基于所述第一分析检测结果确定所述模具型腔的表面符合预设基于所述待注塑材料对所述光谱分析仪发出的每个光波段的反射率、吸收率和透射3对所述关系模型进行分析,得到所述待注塑材料的材料特性检测所述基于机器视觉系统对模具型腔的表面进行全方位扫描,得到所光发射器发出的激光束的夹角,激光在所述模具型腔的表面形成的激光光斑在所述高分基于所述夹角、所述夹角、所述位移x和所述焦距f,确定所述模具型腔的表面上任一点的高度h,高度h的计算公式为h=(AX*f)/(tan6*tanc);将所述高分辨率CCD相机采集到的所述模具型腔的表面在多个视角下的图像进行处理6.根据权利要求1至5任一项所述的基于机器视觉的模具精在以所述第一模具注塑加工参数将所述材料熔体注塑至所述模所述材料熔体在所述模具型腔内的流动状态信息;所述流动状态信息包括熔体前沿位置、基于所述流动状态信息调整所述第一模具注塑加工参数,得到第二模具注塑加工参基于所述第二模具注塑加工参数将所述材料熔体注塑至7.根据权利要求1至5任一项所述的基于机器视觉的在模具注塑完成后且产品脱模前,基于所述机器视觉系统对模将所述产品三维图像数据输入至所述图像分析检测模型中,得到所述基于所述第二分析检测结果对所述模具注塑产品进8.一种基于机器视觉的模具精密注塑加工装置,模型检测模块,用于将所述型腔三维图像数据输入至图像分析检材料检测模块,用于基于所述第一分析检测结果调用光谱分析仪对待4注塑模块,用于基于所述模具型腔的模具特性参数确定第一模于所述第一模具注塑加工参数将所述材料熔体10.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质中存储有计算5模具注塑加工参数将所述材料熔体注塑至所6加工模块,用于根据所述材料特性检测结果确定所述待注塑材料的材料加工参注塑模块,用于基于所述模具型腔的模具特性参数确定第一模具注塑加工参数,并基于所述第一模具注塑加工参数将所述材料熔体注理器执行时实现如上述任一种基于机器视觉的模具精密注塑[0010]图1是本发明实施例提供的基于机器视觉的模具精密注塑加工方法的流程示意图2是本发明实施例提供的基于机器视觉的模具精密注塑加工装置的结构示意7和高分辨率CCD相机对模具型腔的表面进行全方位扫描,得到模具型腔的型腔三维图像数析检测模型基于样本图像数据及其对应的分析检测结果标签训8x为高且k为小且c根据材料的熔体指数MI、材料的密度P等因素建立复杂的函数关系或模糊规则模型来确控制算法来调整加热功率ph和螺杆驱动电机的转速Tm,以确保材料能够稳定地熔化到目功率或电机转速调整量e(t)为实际值与目标值的偏差(如实际温度与熔化温度Tmn的偏9f,确定模具型腔的表面上任一点的高度h,高度h的计算公式为h=(AX*f)/(tan6*tanc);激光发射器和与之对应的高分辨率CCD相机。激光发射器以特定角度向模具型腔的表面发的焦距为f,根据相似三角形原理,可推导出模具型腔的表面某点的高度h计算公式:。图像数据H(x,y)=E1w;*h;(x,y;),其中,为第i个视角的权重系数,可根据视角步骤202,基于图像分析检测模型中的图神经网络层对型腔三维图像数据进行特步骤203,基于图像分析检测模型中的全连接层将型腔局部特征和型腔拓扑结构大小为ki,步长为si,输入通道数为ci,输出通道数为di,则该层的输出特征图大小O1=(l-k+2p)/(s1)+1,其中,li为输入特征图大小,pi为填充大小,特征图的每[0038]进一步地,基于图像分析检测模型中的图神经网络层GNN对型腔三维图像数据进腔的连通性、复杂轮廓特征等。在一实施例中,模具型腔的表面被离散化为个节点为:。hf为节点vi在第t次迭代的特征向量,N(i)为节点vi的邻居节点集合,weage和wser为可学习的权重矩阵,o0为激活函数(如ReLU函数bg为偏置向量。体积为,则D,=(V-V)/(V0)*100%,模型输出的磨损程度预测值D,是基于上粗糙度大于预设粗糙度,根据模具型腔的第一分析检测结果调整光谱分析仪的检测参数。腔磨损程度阈值为TW,当D,>TY时,光谱分析仪对材料粘性系数的检测精度提高倍(出多个光波段对待注塑材料进行检测,本发明实施例光谱分析仪采用多波段光谱分析技1={A1,A2,…,AP},材料对第P个波段光。N()为一个小型神经网络,用于捕捉光谱数据之间的o(x)=1/(1+e*),。tp=(cm*AT)/q,其中,AT为模具在注塑过程中的温度变化范围,q为模具与周围环境hc为型腔的最小壁厚,Po为基础注塑压力,为经验系数(根据不同材料和模具类型确vi=(Q*t)/f的PVT数据建立PVT模型V=f(P,T),然后在保压阶段,根据材料的收缩情况计算保压压力和时间。例如,在一实施例中,材料在保压阶段的体积变化量为AV,则保压压力ph=(AV*kpvr)/u(kpvr为根据PVT模型计算得到的压力一体积系数保压时间th根,同时根据新的注塑速度重新计算注塑周期和保记点与熔体前沿相对位置的识别来确定熔体[0062]在一实施例中,机器视觉系统拍摄的图像分辨率为像素M*。,其中,为图像像素与实际尺寸的计算这些距离的平均值和标准差来评采用时间序列图像分析方法。在连续的时间间隔At内拍摄多帧模具型腔内部图[0066]在一实施例中,第时刻熔体前沿特征点坐标为(xrp1,yrp1),第t2=t1十At时。在位置对整体流动的重要性确定,例如靠近浇口位置的特征点权重较大,可设W,=dmin/(dmin十drp)(dmin为一个极小值,防止分母为零)。将模具型腔划分为多个子区域Ai,i=1,2,..,l,通过机器视觉系统分析每个子函数关系h;=f(g)(其中,gi为子区域Ai内熔体填充区域的平均灰度值该函数关系调整算法。定义熔体前沿位置偏差AD=d-Di差和流动速度偏差在各自模糊集中的隶属度函数值,对于第K条模糊规则RK:如果AD为[0076]则调整后的注塑压力Ptanh(x)=(e"-e*)/(e"+e*),[0079]则调整后的注塑速度vz=v1*(1+B)。变化和熔体体积变化发现调整保压压力和保压时间。[0083]保压压力调整采用比例控制算法:ph2=ph1*(1十sra)。[0084]保压时间调整采用基于指数函数的算法:th2=th1*exp(⃞*sra),其中,为[0087]本发明实施例在脱模前对产品进行全面检测,能够及时[0088]进一步地,下面对本发明提供的基于机器视觉的模具精密注塑加工系统进行描材料检测模块230,用于基于第一分析检测结果调用光谱分析仪对待注塑材料进[0090]本发明实施例在模具状态检测步骤中,通过机器视觉系统对模具型腔的精确检

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论