三维模具调试参数确定方法及装置转让专利
申请号 : CN201910661163.7
文献号 : CN110363759B
文献日 : 2021-03-19
发明人 : 孟祥飞 , 李健增 , 段莉莉 , 彭修乾 , 张婷
申请人 : 国家超级计算天津中心
摘要 :
权利要求 :
1.一种三维模具调试参数确定方法,其特征在于,包括:获取目标三维模具对应的拍摄图像;
将所述拍摄图像输入三维模具缺陷检测模型,得到所述三维模具缺陷检测模型输出的缺陷信息,所述三维模具缺陷检测模型是利用第一样本图像训练得到的,所述第一样本图像包含第一缺陷标定信息,所述第一样本图像与所述拍摄图像的拍摄信息相同,所述拍摄信息包括拍摄设备的安装位置和镜头角度;
根据所述拍摄图像和内禀关联模型,确定所述缺陷信息对应的调试参数信息;
所述内禀关联模型是由第一内禀关联样本数据集合中的第一内禀关联样本数据训练得到的,第一内禀关联样本数据包括三维模型参数的参数值和对应的缺陷图示信息,所述缺陷图示信息用于描述包含第一缺陷标定信息的第二样本图像的信息,或者所述缺陷图示信息用于指示所述第二样本图像的存储位置,所述第二样本图像为对应的三维模型参数的参数值确定的三维模具对应的图像;
或者,
所述内禀关联模型是由第二内禀关联样本数据集合中的第二内禀关联样本数据训练得到的,第二内禀关联样本数据包括三维模型参数的参数值和对应的缺陷信息;
所述调试参数信息包括与所述缺陷信息对应的三维模具参数的参数标识信息和相关性权重信息。
2.根据权利要求1所述的方法,其特征在于:所述第一内禀关联样本数据中的三维模具参数的参数值为CAE系统的输入参数的参数值,所述第一内禀关联样本数据中的缺陷图示信息为所述CAE系统的输出结果或输出结果的存储位置,所述CAE系统用于利用输入值仿真得到仿真三维模具,并获取所述仿真三维模具的仿真缺陷;
或者,
所述第一内禀关联样本数据中的三维模具参数的参数值为CAE系统的输入参数的参数值,所述第一内禀关联样本数据中的缺陷信息是根据所述CAE系统的输出结果获取的,所述CAE系统用于利用输入值仿真得到仿真三维模具,并获取所述仿真三维模具的仿真缺陷。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:利用所述CAE系统对所述调试参数信息进行校核;
利用校核结果与所述三维模具缺陷检测模型进行双向迭代校验。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述拍摄图像和内禀关联模型,确定所述缺陷信息对应的调试参数信息,包括:将所述拍摄图像与第二样本图像进行特征匹配;将匹配得到的第二样本图像输入所述内禀关联模型,得到所述缺陷信息对应的调试参数信息;
或者,
将所述拍摄图像输入内禀关联模型,得到所述缺陷信息对应的调试参数信息。
5.根据权利要求4所述的方法,其特征在于,所述将所述拍摄图像与第二样本图像进行特征匹配,包括:
利用所述缺陷信息对所述拍摄图像进行渲染;
将渲染后的所述拍摄图像与第二样本图像进行特征匹配。
6.根据权利要求5所述的方法,其特征在于,所述缺陷信息包括缺陷位置,所述利用所述缺陷信息对所述拍摄图像进行渲染,包括:确定所述缺陷位置在所述拍摄图像中对应的图像位置,根据预定渲染规则队所述图像位置和/或非图像位置进行渲染。
7.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:输出所述缺陷信息和所述调试参数信息。
8.一种三维模具调试参数确认装置,其特征在于,包括:存储器和处理器;
所述存储器用于保存所述处理器执行计算机程序时所使用的数据;
所述处理器用于执行计算机程序以实现如权利要求1~7任意一项所述的方法。
说明书 :
三维模具调试参数确定方法及装置
技术领域
背景技术
得到的产品部件表面不光滑、表面变形等诸多问题。
冲压,冲压成型的钢板上将沾有油膜,工作人员通过油膜沾染情况进行缺陷识别,例如,未
沾染油膜的区域即是缺陷区域,该缺陷可能是汽车覆盖件模具表面有异常凸起或凹陷,也
可能是汽车覆盖件模具其他关键性尺寸设计不合理,具体需要工作人员凭经验判断;又例
如,工作人员还需要凭经验评估油膜覆盖率是否达标。在完成缺陷识别后,仍然需要工作人
员凭经验确定需要调整的制作参数。
工作人员不够的情况,进一步导致效率低,另一方面,人工识别及调试参数的速度和效率无
法与计算机识别的速度和效率相提并论。
发明内容
本图像包含第一缺陷标定信息,所述第一样本图像与所述拍摄图像的拍摄信息相同,所述
拍摄信息包括拍摄设备的安装位置和镜头角度;
本图像包含第一缺陷标定信息,所述第一样本图像与所述拍摄图像的拍摄信息相同,所述
拍摄信息包括拍摄设备的安装位置和镜头角度;
到的内禀关联模型,自动确定缺陷信息对应的调试参数信息,处理过程中无需人工干预,也
不依赖人工经验,提高了处理效率。
附图说明
具体实施方式
施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领
域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明
保护的范围。因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要
求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。本发明实施例提供的方法,
利用超级计算机的强大算力可以为三维模具调试提供高效、可靠的保障,但本发明实施例
提供的方法可以但不仅限应用于超级计算机。
并训练缺陷与三维模具参数之间的内禀关联模型。在三维模具试制阶段,运用工业相机或
其他成像设备对试制得到的三维模具或利用三维模具得到的产品部件进行定焦拍摄,利用
人工智能技术对图像进行分析处理,精准定位三维模具的质量缺陷,同时将结果和柔性调
试数据库进行自动比对,自动为调试人员提供工艺调试建议,从而缩短模具的研发调试周
期。
具的设计缺陷。在此基础上,建立CAE系统的输入参数(即三维模具仿真参数,如模具的关键
尺寸,材料参数,等效阻力等)与CAE系统的输出结果(即仿真缺陷)之间的关联性数据库,该
数据库兼顾数字、图片等数据源的异构特性,为后续的人工智能分析提供数据基础。
力可以但不仅限于压边力、拉延阻力;三维模具的缺陷(包括仿真缺陷)可以但不仅限于是
冲压缺陷,例如打褶、破裂、起皱等。
例而非限定,冲压缺陷图中指示缺陷的方式可以是利用不同颜色区分三维模具的缺陷位置
和非缺陷位置,进一步地,还可以通过不同颜色指示不同的缺陷类型。
参数之间的内禀关联模型,并给出各三维模具参数的关联规则(该关联规则记录了各个三
维模具参数针对同一个缺陷的相关性权重),同时针对内禀关联模型推送的缺陷对应的调
试参数可进一步通过CAE仿真建模进行计算校核,计算的结果可与三维模具缺陷检测模型
进行双向迭代校验,从而使模型更加趋于完善。
性。对图片中呈现出的产品质量缺陷进行人为标定,建立用于图像识别的质量缺陷图片数
据库,利用超级计算机进行三维模具缺陷检测模型的迭代训练。
本图像包含第一缺陷标定信息,第一样本图像与拍摄图像的拍摄信息相同,拍摄信息包括
拍摄设备的安装位置和镜头角度。
参数的相关性权重信息,还可以包括三维模型参数的调整参考值。
禀关联模型,自动确定缺陷信息对应的调试参数信息,处理过程中无需人工干预,也不依赖
人工经验,提高了处理效率。本发明实施例中,内禀关联模型的一种训练方式可以参照上述
描述,即内禀关联模型是由第一内禀关联样本数据集合(例如上述关联性数据库)中的第一
内禀关联样本数据训练得到的,第一内禀关联样本数据包括三维模型参数的参数值(即上
述各个三维模具仿真参数的参数值)和对应的缺陷图示信息,该缺陷图示信息用于描述包
含第一缺陷标定信息的第二样本图像(即上述冲压缺陷图)的信息,或者该缺陷图示信息用
于指示第二样本图像的存储位置,第二样本图像为对应的三维模型参数的参数值确定的三
维模具对应的图像。
对应的缺陷信息。应当指出的是,这种实现方式中,第二内禀关联样本数据与第一内禀关联
样本数据的区别在于前者包含缺陷信息,而后者包含缺陷图示信息。具体的,可以在第一内
禀关联样本数据的基础上得到第二内禀关联样本数据,即根据缺陷图示信息提取缺陷信
息,作为举例而非限定,通过图像分析算法从冲压缺陷图中识别出缺陷位置及缺陷类型,并
以文本形式保存缺陷位置和缺陷类型(缺陷信息)。
图示信息为CAE系统的输出结果或输出结果的存储位置,CAE系统用于利用输入值仿真得到
仿真三维模具,并获取仿真三维模具的仿真缺陷。
缺陷信息是根据所述CAE系统的输出结果获取的,所述CAE系统用于利用输入值仿真得到仿
真三维模具,并获取所述仿真三维模具的仿真缺陷。
验。
模型检测到的缺陷信息,具体可以是指输出利用该缺陷信息渲染后的拍摄图像。
模型参数对该缺陷的相关性权重,提示调试人员进行三维模型参数调试,消除缺陷。
的可视化表征,外形相似、破坏方式和破坏位置高度接近,差异在于仿真出来的云图色彩更
饱满,通过将两者都转化为灰度图,再进一步做相似特征提取和海量的模型训练即可实现
有效的虚实融合。
然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特性进
行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术
方案的范围。