基于工艺参数闭环调节的咽含片生产控制方法与流程
本发明属于工艺参数控制,具体涉及基于工艺参数闭环调节的咽含片生产控制方法。
背景技术:
1、在咽含片各设备生产流程中,各个设备对应的工艺参数对咽含片的质量都有一定的影响;在现有的生产控制过程中,从进出口物料比、反应时间等方面对咽含片的质量进行控制。
2、现有技术中,通过采用单一灰度阈值分割算法来对咽含片的质量进行控制,包括先将含片彩色图像转为灰度图,设定固定全局阈值对全部像素统一判定,灰度低于阈值则识别为裂纹,以此生成二值图像并判断缺陷,咽含片生产依次通过沸腾制粒干燥机制备达标颗粒,筛粉机规整颗粒粒径,混合机混匀物料,再经压片成型,成品进行视觉检测后,由充填包装机完成分装密封,检测出裂纹缺陷时会反向调整各设备工艺参数。
3、但是在经各控制设备处理后的咽含片实际视觉检测过程中,由于咽含片主体为浅色调,是咽含片本身的天然药理纹理,而咽含片的微小裂纹、发丝裂也是表面线性凹陷;二者对光线的反射程度接近,在图像中灰度区间高度重叠,像素明暗差别微弱,依靠单一灰度阈值分割,无法划定清晰边界,极易将正常纹理判定为裂纹,咽含片的裂纹检测准确度下降,误报率升高,进而为后续各控制设备的工艺参数进行动态调整产生无效性,进而降低了咽含片的生产效率。
技术实现思路
1、本发明的目的就在于解决咽含片本身天然药理纹理与真裂纹高度相似,极易将正常纹理判定为裂纹,咽含片的裂纹检测准确度下降,误报率升高,进而为后续各控制设备的工艺参数进行动态调整产生无效性,进而降低了咽含片的生产效率问题,而提出基于工艺参数闭环调节的咽含片生产控制方法。
2、在本发明实施的第一方面,首先提出基于工艺参数闭环调节的咽含片生产控制方法,所述方法包括:
3、获取经各控制设备处理后得到的咽含片,采集所述咽含片的图像数据;
4、对所述图像数据进行自适应阈值分割得到咽含裂纹图像集;
5、对每个咽含裂纹图像进行咽含片的裂纹识别得到裂纹结果;
6、若裂纹结果是有裂纹的咽含片,则确定咽含片的质量异常,并获取各控制设备的各个工艺参数;
7、对各个工艺参数进行动态优化得到咽含片的最优工艺参数组合;根据所述最优工艺参数组合控制各控制设备生产咽含片。
8、可选的,对所述图像数据进行自适应阈值分割得到咽含裂纹图像集包括:
9、对图像数据进行灰度处理后,得到裂纹灰度图像集;
10、调用otsu算法对裂纹灰度图像集进行分析,得到不同阈值下前景与背景的类间方差,然后取类间方差的最大值,记为全局最优裂纹阈值;
11、根据预设滑动窗口对裂纹灰度图像集进行逐行、逐列滑动遍历得到多个滑动窗口;对每个滑动窗口分别计算得到局部灰度方差;
12、根据窗口局部灰度方差与预设方差阈值进行对比处理后,得到咽含裂纹图像集;
13、若窗口局部灰度方差<预设方差阈值,则启用全局最优裂纹阈值进行分割;
14、若窗口局部灰度方差≥预设方差阈值,则启用局部自适应阈值进行分割。
15、通过局部灰度方差动态判断区域纹理复杂度;平坦区用全局otsu阈值,保持分割稳定性;纹理复杂区用局部自适应阈值,避免裂纹漏检或误判。这种方差驱动的自适应策略,兼顾全局一致性与局部敏感性,有效区分天然纹理与真实裂纹,为后续识别提供高质量输入。
16、可选的,所述窗口局部灰度方差的计算公式为:
17、
18、其中,d是滑动窗口的局部灰度方差,是滑动窗口的总像素,是滑动窗口的像素坐标点,表示对应的像素坐标点的灰度值;
19、所述局部自适应阈值的计算公式为:
20、
21、其中,是局部自适应阈值,是全局最优裂纹阈值,为权重系数,0<α<1。
22、通过滑动窗口计算局部灰度方差,量化区域灰度波动,区分背景与裂纹区域;再结合全局最优阈值与局部灰度均值,通过权重系数生成自适应阈值。兼顾全局与局部信息,避免单一阈值失效,提升裂纹与背景的区分度,为咽含片裂纹识别提供可靠的分割基础。
23、可选的,对每个咽含裂纹图像进行咽含片的裂纹识别得到裂纹结果包括:
24、将所述咽含裂纹图像分别代入svm裂纹模型和咽含裂纹识别模型得到咽含片的第一裂纹结果和第二裂纹结果;
25、对第一咽含片裂纹结果和第二咽含片裂纹结果互补比对得到裂纹结果;
26、若判定咽含片的裂纹结果不一致,则划分为两种裂纹判定规则;
27、第一裂纹判定规则:若第一咽含片裂纹结果为有裂纹,且当咽含片的裂纹概率大于等于预设的极端裂纹概率,判定为有裂纹的咽含片;若第一咽含片裂纹结果为有裂纹,且咽含片的裂纹概率小于预设的极端裂纹概率,判定为咽含片的裂纹误判;
28、第二裂纹判定规则:若第二咽含片裂纹结果为有裂纹,则判定为有裂纹的咽含片;
29、若判定咽含片的裂纹结果一致,则输出裂纹结果。
30、通过svm模型与深度学习模型协同判定并设计差异化融合策略;当两模型结果一致时,采用精度更高的深度学习模型结论,确保可靠;当不一致时,svm检出需达极端裂纹概率阈值才判为真实裂纹,否则视为误判滤除,而深度学习模型检出则直接判为有裂纹。有效滤除天然纹理导致的误报,同时避免真实裂纹漏检,实现优势互补,显著提升裂纹检测的准确率。
31、可选的,所述咽含裂纹识别模型对咽含裂纹图像的裂纹识别过程包括:
32、对所述咽含裂纹图像进行连续下采样得到第一裂纹特征图、第二裂纹特征图和第三裂纹特征图;
33、对第三裂纹特征图进行裂纹特征增强得到第三增强裂纹特征图;对第三增强裂纹特征图上采样后,与第二裂纹特征图进行特征融合得到第二增强裂纹特征图;对第二增强裂纹特征图进行上采样后,与第一裂纹特征图进行特征融合得到第一增强裂纹特征图;
34、将第一增强裂纹特征图、第二增强裂纹特征图和第三增强裂纹特征图代入对应的检测头得到第一裂纹特征类别、第二裂纹特征类别和第三裂纹特征类别;
35、根据第一裂纹特征类别、第二裂纹特征类别和第三裂纹特征类别与预设的咽含片裂纹数据库对比后,得到第二裂纹结果。
36、通过连续下采样提取多尺度裂纹特征,再经特征增强与上采样融合,实现深浅层裂纹特征互补,提升裂纹细节与轮廓的识别能力;多尺度检测头同步输出结果并与预设数据库比对,综合判定裂纹情况,有效提升咽含片裂纹识别的精度与鲁棒性。
37、可选的,所述对第三裂纹特征图进行裂纹特征增强得到第三增强裂纹特征图,包括:
38、将第三裂纹特征图代入1×1conv模块处理,得到第一裂纹卷积特征图;
39、将所述第一裂纹卷积特征图分别代入3×3conv模块、3×3dsconv第一模块和3×3dsconv第二模块处理后得到对应的特征图,将对应的特征图代入concat模块处理得到第一裂纹融合特征图;所述dsconv第一模块和dsconv第二模块分别是水平方向和垂直方向进行一维卷积操作;
40、将所述第一裂纹卷积特征图分别代入7×7conv模块、7×7dsconv第一模块和7×7dsconv第二模块处理后得到对应的特征图,将对应的特征图代入concat模块处理得到第二裂纹融合特征图;
41、将所述第一裂纹卷积特征图分别代入13×13conv模块、13×13dsconv第一模块和13×13dsconv第二模块处理后得到对应的特征图,将对应的特征图代入concat模块处理得到第三裂纹融合特征图;
42、将第一裂纹融合特征图、第二裂纹融合特征图和第三裂纹融合特征图代入concat模块处理,得到最终裂纹融合特征图;对所述最终裂纹融合特征图进行代入1×1conv模块处理得到第三增强裂纹特征图。
43、通过1×1卷积降维整合通道信息,再利用不同尺度(3×3、7×7、13×13)的标准卷积与可分离卷积(x/y方向),提取多尺度、多方向的裂纹特征并分别融合,最后拼接输出并经1×1卷积聚合,得到增强特征图。多尺度多方向卷积可兼顾裂纹细节与整体轮廓,可分离卷积则降低计算量,有效提升裂纹特征的表达能力,强化模型对咽含片微小裂纹的识别精度。
44、可选的,对各个工艺参数进行动态优化得到咽含片的最优工艺参数组合,包括:
45、步骤一:对各个工艺参数进行随机组合得到多个粒子,将多个粒子整合得到初始粒子种群,并预设最大的迭代次数;
46、步骤二:根据当前的搜索权重系数和学习引导系数进行自适应动态更新初始粒子种群中每个粒子,得到第一更新种群;
47、步骤三:对所述第一更新种群的所有粒子进行适应度函数计算得到适应度值,选择适应度值最大的粒子作为当前最优工艺参数组合;
48、步骤四:对第一更新种群执行遗传优化得到更新种群,所述遗传优化包括精英筛选、参数交叉重组、参数随机变异和种群更新;
49、步骤五:执行步骤二至步骤四,当到达预设最大的迭代次数或者粒子的适应度值收敛,则输出当前粒子,并确定为最优工艺参数组合。
50、采用改进粒子群算法,先随机生成初始粒子种群并设定迭代次数;再通过自适应更新权重与学习系数动态调整粒子位置;接着计算粒子适应度,筛选当前最优参数;随后引入遗传优化(精英筛选、交叉重组、随机变异)增强种群多样性;循环迭代至收敛或达最大次数,输出最优工艺参数组合。兼顾全局探索与局部寻优,避免陷入局部最优,高效得到咽含片生产的最优工艺参数组合。
51、可选的,所述步骤二包括:
52、所述搜索权重系数的计算公式为:
53、
54、其中,是第t次迭代的搜索权重系数,是惯性权重的最小值,是惯性权重的最大值,是预设最大的迭代次数,t是迭代次数;
55、所述学习引导系数包括个体学习因子和群体学习因子,具体计算公式为:
56、
57、
58、其中,是第t次迭代的个体学习因子;是第t次迭代的群体学习因子。
59、可以动态平衡全局探索与局部开发能力,避免过早陷入局部最优,提升工艺参数寻优的效率与精度。
60、本发明的有益效果:
61、通过结合改进otsu自适应阈值分割与双模型交叉验证,提升裂纹检测精度,有效区分咽含片天然纹理与真实裂纹,大幅降低误报、漏报率,同时采用自适应权重与动态学习因子的改进粒子群算法高效寻优工艺参数,避免陷入局部最优,最终实现缺陷检测与工艺调控的闭环联动,从根源上减少裂纹缺陷,显著提升咽含片产品合格率与生产稳定性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com