[发明专利]一种基于机器学习的铝型材落砂检测方法有效
| 申请号： | 201710666194.2 | 申请日： | 2017-08-07 |
| 公开（公告）号： | CN107608207B | 公开（公告）日： | 2020-10-27 |
| 发明（设计）人： | 利啟东;肖盼;黄冠成;林健发 | 申请（专利权）人： | 佛山缔乐视觉科技有限公司 |
| 主分类号： | G05B13/02 | 分类号： | G05B13/02 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 任毅 |
| 地址： | 528200 广东省佛山市南海区狮山镇*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习的铝型材落砂检测方法，本发明采用神经网络进行前预测处理，并结合Q‑学习算法进行具体情况的策略处理，神经网络前处理部分可以预测出初次落砂的量，确保在尽量少操作的情况下，接近黑点直径所要求的效果，并在此基础上引入耐磨性质量等级作为Q‑学习算法的一部分输入，并根据实时的黑点直径与电阻阻值进行不同落砂量的调控，最大化检测效率和准确性。本发明作为一种基于机器学习的铝型材落砂检测方法可广泛应用于工业领域。 | ||
| 搜索关键词： | 一种 基于 机器 学习 铝型材落砂 检测 方法 | ||
【主权项】：
一种基于机器学习的铝型材落砂检测方法，其特征在于，包括有以下步骤：A、根据落砂检测的实验数据，训练出以铝型材膜厚和工艺条件为输入、铝型材标准质量等级下的初始落砂量为输出的BP神经网络；B、根据上述初始落砂量以及铝型材表面黑点直径计算得到铝型材表面质量等级；C、以实时检测到的铝型材表面质量等级、铝型材表面黑点直径和电阻为输入，采用Q‑学习算法计算控制落砂时间；D、当铝型材表面黑点的检测电阻值达到经验电阻值，输出落砂总量作为铝型材耐磨性检测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于佛山缔乐视觉科技有限公司，未经佛山缔乐视觉科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710666194.2/，转载请声明来源钻瓜专利网。
