CN109871459B - 一种基于图像处理的多目标拆卸线确定方法 - Google Patents

Abstract

本发明公开了一种基于图像处理的多目标拆卸线确定方法。该基于图像处理的多目标拆卸线的平衡控制方法包括以下步骤：拍摄待拆卸产品的内部和外部图像，得到外部图像和内部图像；处理图像并生成图像数据，包括外部三维特征数据、内部零件相对位置数据以及内部三维特征数据；将该图像数据传输至数据库，数据库根据外部三维特征数据搜索待拆卸产品的型号，得到拆卸数据；从数据库导出待拆卸产品的拆卸数据，采用智能优化算法求解该拆卸数据得到拆卸方案。可见，本发明的工艺非常简单，不仅从源头上解决拆卸效率低的问题，而且整个方案智能化程度高，可以大规模地进行。

Description

一种基于图像处理的多目标拆卸线确定方法

技术领域

本发明涉及废品拆卸技术领域，具体而言，涉及一种基于图像处理的多目标拆卸线确定 方法。

背景技术

随着工业4.0及大数据分析的发展，越来越多的计算机智能处理技术运用到实际的工业 生产规划过程中，越来越多的人工智能机械取代了人工操作。资源短缺和环境问题严重制约 着现代工业的快速发展，为此需重视对资源的回收再利用，但在对废旧产品的回收再利用及 无害化处理的拆卸线中，由于拆卸过程的复杂性与不确定性，难以实现完全的机械化、智能 化操作。为了提高拆卸线的拆卸效率与利润，合理规划拆卸线是至关重要的。

在本申请的申请人已经在先提交的中国发明专利申请(公开号：CN102830621，名称： 一种多目标拆卸线的平衡控制方法)中，给出了一种粒子群算法，能够在一定程度上提升求 解精度和求解效率。但是该申请没有解决拆卸效率低下的问题。

发明内容

本发明的主要目的在于提供一种基于图像处理的多目标拆卸线确定方法，以解决现有技 术中拆卸线效率低的问题。

为了实现上述目的，本发明提供了一种基于图像处理的多目标拆卸线确定方法。该基于 图像处理的多目标拆卸线的平衡控制方法包括以下步骤：

1)拍摄待拆卸产品的内部和外部图像，得到外部图像和内部图像；

2)处理图像并生成图像数据，包括外部三维特征数据、内部零件相对位置数据以及内部 三维特征数据；

3)将该图像数据传输至数据库，数据库根据外部三维特征数据搜索待拆卸产品的型号， 得到拆卸数据；

4)从数据库导出待拆卸产品的拆卸数据，采用智能优化算法求解该拆卸数据得到拆卸方 案。

目前，已有采用成像技术对机械零部件进行定性、定量检测，通过计算机系统的处理直 接查看检测图像。本申请的发明人想到，如果能够获得待拆卸产品的内部和外部的图像，得 到待拆卸产品的内部零部件的相对位置关系，就能够显著提升拆卸线的精准度。并且通过成 像技术来获取本发明通过拍照获取拆卸产品的内部结构，并与数据库匹配，确定待拆卸产品 型号，获得待拆卸产品内部零部的拆卸数据，将拆卸数据传递至计算机中心，运用工业工程 相关智能优化算法合理规划多目标拆卸线，求取较优解决方案。可见，本发明的工艺非常简 单，不仅从源头上解决拆卸效率低的问题，而且整个方案智能化程度高，可以大规模地进行。

进一步地，步骤3)中，当数据库中没有与图像数据相匹配的待拆卸产品型号时，则人 工进行拆卸并将拆卸数据上传至数据库。此时，仅拆卸一台待拆卸产品即可，由此形成的拆 卸方案即可适用于同批次或后续批次的待拆卸产品。

进一步地，处理图像采用CAD软件，对应的图像数据为数字CAD图像数值数据。由此， 简单且易获取。

进一步地，拆卸数据为矩阵G＝{V,A,U}；

其中节点集V＝{v₁,v₂,…,v_n}，表示拆卸任务集，v_i(i＝1,2,…,n)表示拆卸任务i；

拆卸优先关系矩阵A＝(a_ij)_n*n，表示节点v_i、v_j是否相邻，相邻则表示任务i、j存在优先 约束关系，若任务i为任务j的紧前任务，则a_ij＝1，否则a_ij＝0；

拆卸信息矩阵U＝(u_ij)_n*p，p表示拆卸任务属性。

由此，简单且表述得非常清楚。

进一步地，其特征在于：p＝4，分别为零部件拆卸时间、零部件的危害属性、零部件的需 求量以及拆卸方向。由此，简单且操作性强。

进一步地，拆卸方向±X/±Y/±Z分别用±1/±2/±3表示。由此，简单易懂且计算结果精度高。

进一步地，危害属性中，有危害表示为1，无危害表示为0。由此，简单易懂且计算结果 精度高。

进一步地，所述智能优化算法为模拟退火算法、遗传算法或猫群优化算法。由此，求解 精度和求解效率高。

进一步地，运行所述智能优化算法的软件为MATLAB或LINGO。由此，运算速度快且准 确度高。

进一步地，步骤1)采用X射线进行拍摄。相较于其它透射线如γ射线、超声波等，X射 线由于波长短、能量大的特性，能穿透许多不透明的物体，通过特殊的处理技术，便能直接 观察到物体的内部结构。

进一步地，所述拆卸方案为至少两个。由此，使用者可以根据自身的需求，如注重需求 指标或注重危害指标，选择合适的方案。

可见，本发明的工艺非常简单，采用X射线检测待拆卸产品的内部结构，并与数据库匹 配，确定待拆卸产品型号，获得待拆卸产品内部零部的拆卸数据，将拆卸数据传递至计算机 中心，运用工业工程相关智能优化算法合理规划多目标拆卸线，求取较优解决方案，不仅从 源头上解决拆卸效率低的问题，而且整个方案智能化程度高，可以大规模地进行。

下面通过具体实施方式对本发明做进一步的说明。本发明附加的方面和优点将在下面的 描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

具体实施方式

下面对本发明进行清楚、完整的说明。本领域普通技术人员在基于这些说明的情况下将 能够实现本发明。在对本发明进行说明前，需要特别指出的是：

本发明中在包括下述说明在内的各部分中所提供的技术方案和技术特征，在不冲突的情 况下，这些技术方案和技术特征可以相互组合。

此外，下述说明中涉及到的本发明的实施例通常仅是本发明一部分的实施例，而不是全 部的实施例。因此，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的 前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

关于本发明中术语和单位。本发明的说明书和权利要求书及有关的部分中的术语“包括”、 “具有”以及它们的任何变形，意图在于覆盖不排他的包含。

实施例1

基于图像处理的多目标拆卸线的平衡控制方法，包括以下步骤：

1)采用X射线对待拆卸产品进行拍摄，通过图像探测器接收X射线并转化为数字图像 信号，得到外部图像和内部图像；

2)采用CAD软件处理图像并生成数字CAD图像数值数据，包括外部三维特征数据、内部零件相对位置数据以及内部三维特征数据；

3)将该图像数据传输至数据库，数据库根据外部三维特征数据搜索待拆卸产品的型号， 得到的拆卸数据为矩阵G_P10＝{V_P10,A_P10,U_P10}；具体如下：

其中节点集V_P10＝{1,2,3,4,5,6,7,8,9,10}；即n＝10，说明包括10个拆卸任务，这可以直接 从内部图像中看出；

拆卸优先关系矩阵A_P10＝(a_ij)_10*10，表示节点v_i、v_j是否相邻，相邻则表示任务i、j存在优 先约束关系，若任务i为任务j的紧前任务，则a_ij＝1，否则a_ij＝0；得到的拆卸优先关系矩阵 A_P10如下：

拆卸信息矩阵U_P10＝(u_ij)_10*p，p＝4，分别为零部件拆卸时间、零部件的危害属性、零部件 的需求量以及拆卸方向。其中，零部件拆卸时间的单位为秒，拆卸方向±X/±Y/±Z分别用 ±1/±2/±3表示，危害属性中，有危害表示为1，无危害表示为0。得到的拆卸信息矩阵U_P10如下：

4)从数据库导出待拆卸产品的拆卸数据，采用MATLAB运行猫群优化算法(ICSO)求解该拆卸数据，具体如下：

将获取的零部件拆卸优先关系矩阵A_P10、拆卸信息矩阵U_P10载入算法中，设置算法参数： 种群规模N＝30，算法最大迭代次数M_gen＝60，外部档案规模大小(输出最优解的个数)：q＝7。 最终求解得到的7个拆卸方案如下表1所示。拆卸方案中每个[]表示一个工作站，其中的数 字表示分配到此工作站的任务编号。如方案1中，任务6、5分配到第一个工作站中，任务9、 7分配到第二个工作站中，以此类推。表格中，F1、F2、F3、F4分别表示根据方案分配求得 的工作站数量，工作站负载均衡指标，需求指标和危害指标。其中，危害指标是评价拆卸方 案的一个目标值，指所得拆卸方案中有危害的零部件所处拆卸序列位置之和。例如，表1中 拆卸方案1中的F4＝4即表示拆卸序列的第4个位置(任务7)存在危害性。企业决策者可以 根据企业发展注重点的不同，选择合适的方案。若决策者注重需求指标F3时，可以选择方案 5；如果决策者为减少危害性零部件对环境和后续操作人员的危害，就可以选取危害性指标较 小的方案4。可见，企业决策者可以选择合适的拆卸方案，进行工作站的布置，人员的调配， 进行产品的高效率，低成本拆卸作业。

表1：拆卸方案。

方案序号	拆卸方案	F1	F2	F3	F4
						1	[6-5]—[9-7]—[1-4]—[8]—[10-2-3]	5	219	7510	4
2	[5-10]—[6-7]—[9-4]—[8]—[1-2-3]	5	211	9730	4
						3	[6-9]—[5-10]—[7-4]—[8]—[1-2-3]	5	241	7445	5
4	[6-5]—[7-9]—[1-4]—[8]—[10-2-3]	5	219	7575	3
						5	[6-9]—[5]—[7-10]—[1-4]—[8]—[2-3]	6	975	7150	4
6	[6-4]—[5-10]—[9-7]—[8]—[1-2-3]	5	211	8820	6
						7	[6-4]—[5-10]—[7-9]—[8]—[1-2-3]	5	211	8885	5

实施例2

与实施例1相比，本实施例的基于图像处理的多目标拆卸线的平衡控制方法具有的区别 是：步骤3)中，数据库中没有与图像数据相匹配的待拆卸产品型号，该待拆卸产品由人工 进行拆卸并将拆卸数据上传至数据库；然后进行步骤4)。

以上对本发明的有关内容进行了说明。本领域普通技术人员在基于这些说明的情况下将 能够实现本发明。基于本发明的上述内容，本领域普通技术人员在没有做出创造性劳动的前 提下所获得的所有其他实施例，都应当属于本发明保护的范围。

Claims (7)

1.一种基于图像处理的多目标拆卸线确定方法，包括以下步骤：

1)拍摄待拆卸产品的内部和外部图像，得到外部图像和内部图像；

2)处理图像并生成图像数据，包括外部三维特征数据、内部零件相对位置数据以及内部三维特征数据；处理图像采用CAD软件，对应的图像数据为数字CAD图像数值数据；

3)将该图像数据传输至数据库，数据库根据外部三维特征数据搜索待拆卸产品的型号，得到拆卸数据；

拆卸数据为矩阵G＝{V,A,U}；其中，

节点集V＝{v₁,v₂,…,v_n}，表示拆卸任务集，v_i(i＝1,2,…,n)表示拆卸任务i；

拆卸优先关系矩阵A＝(a_ij)_n*n，表示节点v_i、v_j是否相邻，相邻则表示任务i、j存在优先约束关系，若任务i为任务j的紧前任务，则a_ij＝1，否则a_ij＝0；

拆卸信息矩阵U＝(u_ij)_n*p，p表示拆卸任务属性；

4)从数据库导出待拆卸产品的拆卸数据，采用MATLAB运行猫群优化算法求解该拆卸数据得到拆卸方案：将获取的零部件拆卸优先关系矩阵A、拆卸信息矩阵U载入算法中，设置算法参数包括种群规模、算法最大迭代次数和输出最优解的个数，最终求解得到拆卸方案。

2.如权利要求1所述的一种基于图像处理的多目标拆卸线确定方法，其特征在于：步骤3)中，当数据库中没有与图像数据相匹配的待拆卸产品型号时，则人工进行拆卸并将拆卸数据上传至数据库。

3.如权利要求1所述的一种基于图像处理的多目标拆卸线确定方法，其特征在于：p＝4，分别为零部件拆卸时间、零部件的危害属性、零部件的需求量以及拆卸方向。

4.如权利要求3所述的一种基于图像处理的多目标拆卸线确定方法，其特征在于：拆卸方向±X/±Y/±Z分别用±1/±2/±3表示。

5.如权利要求3所述的一种基于图像处理的多目标拆卸线确定方法，其特征在于：危害属性中，有危害表示为1，无危害表示为0。

6.如权利要求1所述的一种基于图像处理的多目标拆卸线确定方法，其特征在于：步骤1)采用X射线进行拍摄。

7.如权利要求1所述的一种基于图像处理的多目标拆卸线确定方法，其特征在于：所述拆卸方案为至少两个。