卷筒位置跟踪的制作方法

本公开的实施例涉及位置跟踪，并且更具体地，涉及便于进行卷筒位置跟踪。

背景技术：

1、卷筒位置跟踪(诸如在造纸厂或纸板生产厂中)对于卷筒加工极为重要。例如，在卷绕机上对卷筒进行解卷和复卷期间，准确的卷筒位置跟踪可以有助于在加工期间识别并修复卷筒中的缺陷。用于卷筒位置跟踪的一些已知系统可以使用墨水或激光标记按规则间隔在卷筒上添加代码，然后在卷筒上读取作为位置表示的代码。然而，此类系统可能是混乱、昂贵、危险，并且/或者可能需要持续的维护。

技术实现思路

1、根据各种实施例，提供了一种便于进行卷筒位置跟踪的方法，所述方法涉及：接收对多个第一阶段异常位置的表示，其表示在第一卷筒加工阶段在卷筒上检测到的异常位置；接收对多个第二阶段异常位置的表示，其表示在第二卷筒加工阶段在所述卷筒上检测到的异常位置；并且针对多个不同候选位置偏移中的每一者：将所述候选位置偏移与所述多个第一阶段异常位置和所述多个第二阶段异常位置进行比较，以确定要与所述候选位置偏移相关联的差异表示；以及将所述差异表示与所述候选位置偏移相关联。所述方法涉及：至少部分地基于所述差异表示，从所述候选位置偏移中识别确定的位置偏移。

2、将所述候选位置偏移与所述多个第一阶段异常位置和所述多个第二阶段异常位置进行比较可以涉及：将所述候选位置偏移应用于所述多个第一阶段异常位置，以确定多个偏移的第一阶段异常位置；以及确定所述多个偏移的第一阶段异常位置与所述多个第二阶段异常位置之间的差异。

3、确定所述差异可以涉及：针对所述多个偏移的第一阶段异常位置中的每一者，确定相应的偏移差异。

4、应用所述候选位置偏移可以涉及：针对所述多个第一阶段异常位置中的每一者，确定基于所述第一阶段异常位置的位置而调整的至少一个候选偏移距离，并且将所述至少一个候选偏移距离添加到所述第一阶段异常位置。

5、将所述候选位置偏移与所述多个第一阶段异常位置和所述多个第二阶段异常位置进行比较可以涉及：将所述候选位置偏移应用于所述多个第二阶段异常位置，以确定多个偏移第二阶段异常位置；以及确定所述多个偏移第二阶段异常位置与所述多个第一阶段异常位置之间的差异。

6、确定所述差异可以涉及：针对所述多个偏移第二阶段异常位置中的每一者，确定相应的偏移差异。

7、应用所述候选位置偏移可以涉及：针对所述多个第二阶段异常位置中的每一者，确定基于所述第二阶段异常位置的位置而调整的至少一个候选偏移距离，并且将所述至少一个候选偏移距离添加到所述第二阶段异常位置。

8、将所述候选位置偏移与所述多个第一阶段异常位置和所述多个第二阶段异常位置进行比较可以涉及：针对所述偏移差异中的每一者，确定基于所述偏移差异的相应加权偏移差异、以及与所述偏移差异相关联的异常权重。

9、该方法可以涉及：针对所述偏移差异中的每一者，基于确定相关联的偏移差异所依据的异常严重性来确定相应的相关联异常权重。

10、接收对所述多个第二阶段异常位置的所述表示可以涉及：接收对多个候选第二阶段异常位置的表示，并且将所述多个第二阶段异常位置确定为所述多个候选第二阶段异常位置的子集。

11、确定所述多个第二阶段异常位置可以涉及：对所述多个候选第二阶段异常位置进行排序，并且将所述子集选择为一个或多个最高排序的候选第二阶段异常位置。

12、对所述多个候选第二阶段异常位置进行排序可以涉及：至少部分地基于所述第二阶段异常位置与当前处于所述第二卷筒加工阶段的卷筒位置的接近度，对所述多个候选第二阶段异常位置中的每一者进行排序。

13、对所述多个候选第二阶段异常位置进行排序可以涉及：至少部分地基于与所述第二阶段异常位置相关联的异常严重性，对所述多个候选第二阶段异常位置中的每一者进行排序。

14、所述第二卷筒加工阶段可以是在所述第一卷筒加工阶段的下游。

15、识别所确定的位置偏移可以涉及：识别所述多个候选位置偏移中的、与所述差异表示中的最小表示相关联的候选位置偏移。

16、接收对所述多个第一阶段异常位置的所述表示可以涉及：接收所述卷筒在所述第一卷筒加工阶段的一个或多个第一阶段图像集；以及至少部分地基于将至少一个第一阶段异常识别灵敏度应用于所述一个或多个第一阶段图像集来确定所述多个第一阶段异常位置。

17、所述一个或多个第一阶段图像集可以包括第一阶段图像第一集和第一阶段图像第二集，并且所述至少一个第一阶段异常识别灵敏度可以包括第一第一阶段异常识别灵敏度和第二第一阶段异常识别灵敏度，所述第二第一阶段异常识别灵敏度不同于所述第一第一阶段异常识别灵敏度。确定所述多个第一阶段异常位置可以涉及：至少部分地基于将所述第一第一阶段异常识别灵敏度应用于所述第一阶段图像第一集来确定第一阶段异常位置第一集；以及至少部分地基于将所述第二第一阶段异常识别灵敏度应用于所述第一阶段图像第二集来确定第一阶段异常位置第二集。

18、所述第一第一阶段异常识别灵敏度和所述第二第一阶段异常识别灵敏度中的每一者可以包括多个异常识别阈值，每个异常识别阈值与相应的像素位置相关联。

19、该方法可以涉及：确定与所述第一第一阶段异常识别灵敏度相关联的至少一个异常密度，以及至少部分地基于与所述第一第一阶段异常识别灵敏度相关联的所述至少一个异常密度和所述第一第一阶段异常识别灵敏度来确定所述第二第一阶段异常识别灵敏度。

20、确定所述至少一个异常密度可以涉及：确定由所述多个第一阶段异常位置的第一集表示的异常的计数。

21、确定所述至少一个异常密度可以涉及：确定由所述多个第一阶段异常位置的第一集表示的异常中包括的异常像素的至少一个计数。

22、该方法可以涉及：确定与所述第一第一阶段异常识别灵敏度相关联的所述至少一个异常密度与期望的第一阶段异常密度之间的至少一个差异，并且其中，确定所述第二第一阶段异常识别灵敏度可以涉及：至少部分地基于所确定的至少一个差异来确定所述第二第一阶段异常识别灵敏度。

23、接收对所述多个第二阶段异常位置的所述表示可以涉及：接收所述卷筒在所述第二卷筒加工阶段的一个或多个第二阶段图像集；以及至少部分地基于将至少一个第二阶段异常识别灵敏度应用于所述一个或多个第二阶段图像集来确定所述多个第二阶段异常位置。所述一个或多个第二阶段图像集可以包括第二阶段图像第一集和第二阶段图像第二集，并且所述至少一个第二阶段异常识别灵敏度可以包括第一第二阶段异常识别灵敏度和第二第二阶段异常识别灵敏度。确定所述多个第二阶段异常位置可以涉及：至少部分地基于将所述第一第二阶段异常识别灵敏度应用于所述第二阶段图像第一集来确定第二阶段异常位置第一集；以及至少部分地基于将所述第二第二阶段异常识别灵敏度应用于所述第二阶段图像第二集来确定第二阶段异常位置第二集。所述方法可以涉及：确定与所述第一第二阶段异常识别灵敏度相关联的至少一个异常密度，以及至少部分地基于与所述第一第二阶段异常识别灵敏度相关联的所述至少一个异常密度和所述第一第二阶段异常识别灵敏度来确定所述第二第二阶段异常识别灵敏度。所述方法可以涉及：确定与所述第一第二阶段异常识别灵敏度相关联的所述至少一个异常密度与期望的第二阶段异常密度之间的差异，所期望的第二阶段异常密度小于所期望的第一阶段异常密度的90％。确定第二第二阶段异常识别灵敏度可以涉及：至少部分地基于与所述第一第二阶段异常识别灵敏度相关联的所述至少一个异常密度与所期望的第二阶段异常密度之间所确定的差异来确定所述第二第二阶段异常识别灵敏度。

24、确定与所述第一第二阶段异常识别灵敏度相关联的所述至少一个异常密度可以涉及：确定由所述多个第二阶段异常位置的第一集表示的异常的计数。

25、所述第一第二阶段异常识别灵敏度和所述第二第二阶段异常识别灵敏度可以涉及：多个异常识别阈值，每个异常识别阈值与相应的像素位置相关联。

26、第一第二阶段异常识别灵敏度和第二第二阶段异常识别灵敏度中的每一者可以包括多个异常识别阈值，每个异常识别阈值与相应的像素位置相关联。

27、接收对所述多个第二阶段异常位置的所述表示可以涉及：接收所述卷筒在所述第二卷筒加工阶段的一个或多个第二阶段图像集；以及至少部分地基于将至少一个第二阶段异常识别灵敏度应用于所述一个或多个第二阶段图像集来确定所述多个第二阶段异常位置。

28、所述一个或多个第二阶段图像集可以包括第二阶段图像第一集和第二阶段图像第二集，并且所述至少一个第二阶段异常识别灵敏度可以包括第一第二阶段异常识别灵敏度和第二第二阶段异常识别灵敏度，所述第二第二阶段异常识别灵敏度不同于所述第一第二阶段异常识别灵敏度。确定所述多个第二阶段异常位置可以涉及：至少部分地基于将所述第一第二阶段异常识别灵敏度应用于所述第二阶段图像第一集来确定第二阶段异常位置第一集；以及至少部分地基于将所述第二第二阶段异常识别灵敏度应用于所述第二阶段图像第二集来确定第二阶段异常位置第二集。

29、确定与所述第一第二阶段异常识别灵敏度相关联的至少一个异常密度，以及至少部分地基于与所述第一第二阶段异常识别灵敏度相关联的所述至少一个异常密度和所述第一第二阶段异常识别灵敏度来确定所述第二第二阶段异常识别灵敏度。

30、确定所述至少一个异常密度可以涉及：确定由所述多个第二阶段异常位置的第一集表示的异常的计数。

31、确定至少一个异常密度可以涉及：确定由多个第二阶段异常位置的第一集表示的异常中包括的异常像素的至少一个计数。

32、所述方法可以涉及：确定与所述第一第二阶段异常识别灵敏度相关联的所述至少一个异常密度与期望的第二阶段异常密度之间的至少一个差异，并且其中，确定所述第二第二阶段异常识别灵敏度可以涉及：至少部分地基于所确定的至少一个差异来确定所述第二第二阶段异常识别灵敏度。

33、所述第一第一阶段异常识别灵敏度和所述第二第一阶段异常识别灵敏度中的每一者可以包括多个异常识别阈值，每个异常识别阈值与相应的像素位置相关联。

34、所述方法可以涉及：接收所述卷筒在所述第一卷筒加工阶段的第一阶段图像校准集；至少部分地基于将第一阶段校准异常识别灵敏度应用于所述第一阶段图像校准集来确定至少一个第一阶段校准异常密度；以及至少部分地基于所述第一阶段校准异常识别灵敏度和所述至少一个第一阶段校准异常密度来确定基于校准的第一阶段异常识别灵敏度。

35、确定所述至少一个第一阶段校准异常密度可以涉及：至少部分地基于将所述校准第一阶段异常识别灵敏度应用于所述第一阶段图像校准集来确定异常位置的第一阶段校准集；以及确定由所述异常位置的第一阶段校准集表示的异常的计数。

36、确定所述至少一个第一阶段校准异常密度可以涉及：确定所述第一阶段图像校准集中包括的异常中包括的异常像素的计数。

37、所述第一阶段校准异常识别灵敏度和所述基于校准的第一阶段异常识别灵敏度中的每一者可以包括多个异常识别阈值，每个异常识别阈值与相应的像素位置相关联。

38、确定所述基于校准的第一阶段异常识别灵敏度可以涉及：确定所述至少一个第一阶段校准异常密度与期望的第一阶段校准异常密度之间的至少一个差异，以及至少部分地基于所确定的至少一个差异来确定所述基于校准的第一阶段异常识别灵敏度。

39、所述第一阶段图像第一集可以包括所述第一阶段图像校准集中的至少一者。

40、所述第一阶段图像第一集和所述第一阶段图像校准集可以是相同的图像。

41、所述方法可以涉及：接收对一个或多个检测第一阶段缺陷位置的表示，其表示在所述第一卷筒加工阶段在所述卷筒上检测到的缺陷位置；接收对所述卷筒在所述第二卷筒加工阶段感测的第二阶段位置的表示，所感测的第二阶段位置表示所述卷筒在所述第二卷筒加工阶段的当前位置；基于所确定的位置偏移、所述卷筒所感测的第二阶段位置以及所述一个或多个检测第一阶段缺陷位置，确定所感测的第二阶段位置与所述缺陷中的至少一者的缺陷接近度；以及在所确定的缺陷接近度满足阈值标准的情况下，产生信号以使所述第二卷筒加工阶段的加工被调整

42、确定所述缺陷接近度可以涉及：将所确定的位置偏移应用于所述一个或多个检测第一阶段缺陷位置，以确定表示在所述第二卷筒加工阶段针对所述卷筒预测的缺陷位置的一个或多个预测第二阶段缺陷位置，并且将所述一个或多个预测第二阶段缺陷位置与所感测的第二阶段位置进行比较。

43、确定所述缺陷接近度可以涉及：将所确定的位置偏移应用于所感测的第二阶段位置以确定偏移感测位置，并且将所述一个或多个检测第一阶段缺陷位置与所述偏移感测位置进行比较。

44、根据各种实施例，提供了一种便于进行卷筒位置跟踪的系统，所述系统包括至少一个处理器，所述至少一个处理器被配置为执行上述方法中的任一种。

45、根据各种实施例，提供了一种存储有代码的非暂时性计算机可读介质，所述代码在由至少一个处理器执行时使所述至少一个处理器执行上述方法中的任一种。

46、在结合附图审查对本公开具体实施例的以下描述之后，对于本领域普通技术人员而言，本公开实施例的其他方面和特征将变得显而易见。