买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江苏和亿智能科技有限公司申请的专利一种十六线四滚筒电镀线生产控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119753798B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411899360.X，技术领域涉及：C25D21/12；该发明授权一种十六线四滚筒电镀线生产控制方法是由付文学;郑协丰;沈康;尤家鑫;陈跃设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种十六线四滚筒电镀线生产控制方法在说明书摘要公布了：本发明公开了一种十六线四滚筒电镀线生产控制方法，涉及电镀生产线控制技术领域，包括，在所有生产线上部署边缘节点，并利用传感器实时采集电镀液状态数据；根据电镀液状态数据，利用机器学习算法，对电镀液的状态数据异常进行识别；利用视觉传感器和红外感知设备采集电镀线的视觉图像数据和红外图像数据；基于视觉图像数据和红外图像数据，通过图像处理算法对电镀线进行质量评估；根据电镀液的异常状态和电镀线的质量评估结果，通过自适应算法对电镀液状态参数进行调整；本发明通过综合考虑电镀液状态和电镀线质量评估结果，显著提升了电镀质量的一致性和稳定性。

本发明授权一种十六线四滚筒电镀线生产控制方法在权利要求书中公布了：1.一种十六线四滚筒电镀线生产控制方法，其特征在于：包括， 在所有生产线上部署边缘节点，并利用传感器实时采集电镀液状态数据； 根据电镀液状态数据，利用机器学习算法，对电镀液的状态数据异常进行识别，具体步骤如下， 根据电镀液状态数据，构建状态数据集； 根据生产线上对电镀液的状态数据设定的范围，将不在状态数据设定的范围内的数据贴上异常标签，对处于状态数据设定的范围内的数据贴上正常标签； 混合带有异常标签和正常标签的状态数据，并划分为训练集和测试集； 基于非线性支持向量机SVM，在边缘节点上构建电镀液状态判断模型； 将训练集输入到电镀液状态判断模型中，计算目标损失函数； 将训练集划分为个子集，使用如k折交叉验证，轮流使用其中一个子集作为验证集，其余作为训练集，进行训练与验证； 根据生产线上对电镀液的状态数据的范围设定，预设准确率、精度和召回率阈值； 每次训练与验证后，计算准确率、精度和召回率，当准确率、精度和召回率均大于准确率、精度和召回率阈值时，训练结束； 将测试集输入到电镀液状态判断模型，计算准确率、精度和召回率，当准确率、精度和召回率均大于准确率、精度和召回率阈值时，电镀液状态判断模型训练完成； 在电镀液状态判断模型中融入增量学习机制，对电镀液状态判断模型进行实时更新； 实时采集的电镀液的状态数据，利用边缘节点上的电镀液状态判断模型对生产线上电镀液的状态进行判断； 利用视觉传感器和红外感知设备采集电镀线的视觉图像数据和红外图像数据，具体步骤如下， 利用视觉传感器采集电镀线的视觉图像数据，捕捉电镀过程中电镀线表面的缺陷； 利用红外感知设备采集电镀线的红外图像数据，通过发射红外辐射并接收反射信号，精确测量电镀层的厚度和均匀性； 对视觉图像数据和红外图像数据进行处理； 基于视觉图像数据和红外图像数据，通过图像处理算法对电镀线进行质量评估，具体步骤如下， 根据红外感知设备的红外辐射强度与电镀层厚度之间的关系，计算电镀层的厚度； 通过图像分割方法提取电镀线的电镀层区域，计算每个区域内的电镀层厚度的标准差作为均匀性评估指标； 对视觉图像数据中的已知缺陷进行分类和标注，包括正常、裂纹、气泡、剥落； 每张图像标注多个缺陷的类别，并为每个缺陷区域提供边界框； 基于卷积神经网络CNN，构建缺陷识别模型； 通过将已知缺陷进行分类和标注的视觉图像数据划分为训练集和验证集，并将训练集输入缺陷识别模型； 通过计算训练集中已知缺陷进行分类和标注的视觉图像的交叉熵损失函数，对输入缺陷识别模型进行训练； 使用梯度下降法最小化损失函数，并迭代优化网络权重，每次训练后，通过验证集评估模型的表现，调整超参数； 通过计算缺陷识别模型准确率和召回率，评估模型的性能； 利用训练好的缺陷识别模型对新采集的视觉图像数据进行缺陷检测； 通过综合考虑电镀层的厚度、均匀性、表面缺陷，对电镀层的整体质量进行评估； 根据电镀液的异常状态和电镀线的质量评估结果，通过自适应算法对电镀液状态参数进行调整。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏和亿智能科技有限公司，其通讯地址为：214122 江苏省无锡市蠡园开发区滴翠路100号五号楼四楼东；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。