CN111611607A - 一种基于区块链的注塑产品生产数据管理系统及方法 - Google Patents
一种基于区块链的注塑产品生产数据管理系统及方法 Download PDFInfo
- Publication number
- CN111611607A CN111611607A CN202010444576.2A CN202010444576A CN111611607A CN 111611607 A CN111611607 A CN 111611607A CN 202010444576 A CN202010444576 A CN 202010444576A CN 111611607 A CN111611607 A CN 111611607A
- Authority
- CN
- China
- Prior art keywords
- injection
- product
- injection molding
- data
- production data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 189
- 238000001746 injection moulding Methods 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000013523 data management Methods 0.000 title claims abstract description 8
- 238000002347 injection Methods 0.000 claims description 230
- 239000007924 injection Substances 0.000 claims description 230
- 238000013528 artificial neural network Methods 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000008602 contraction Effects 0.000 claims description 12
- 238000003709 image segmentation Methods 0.000 claims description 12
- 230000006798 recombination Effects 0.000 claims description 12
- 238000005215 recombination Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004040 coloring Methods 0.000 claims description 2
- 230000002427 irreversible effect Effects 0.000 abstract description 3
- 229920003023 plastic Polymers 0.000 description 5
- 239000004033 plastic Substances 0.000 description 5
- 238000000605 extraction Methods 0.000 description 3
- 238000000465 moulding Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
本发明公开了一种基于区块链的注塑产品生产数据管理系统及方法，包括注塑产品生产数据读取单元和注塑产品生产数据加密单元，所述注塑产品生产数据读取单元，用于读取并保存注塑产品生产数据，并将所述注塑产品生产数据传送给注塑产品生产数据加密单元，所述注塑产品生产数据加密单元对接收到的所述注塑产品生产数据进行加密以生成注塑产品生产加密数据，最后将所述注塑产品生产加密数据通过5G网络上传至区块链中，利用了区块链的不可逆改及稳定性高的特性来保存注塑产品的生产数据，避免了现有技术中将全部信息存入服务器中，由于服务器损坏而导致注塑产品的生产数据丢失的问题。
Description
技术领域
本发明涉及注塑产品生产领域，尤其涉及一种基于区块链的注塑产品生产数据管理系统及方法。
背景技术
注塑是一种工业产品生产造型的方法，随着近来工业和科技的发展，注塑机因具有一次成型外型复杂、尺寸精准的塑料制品的能力，被广泛应用。区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。
然而，注塑产品生产的塑料种类、填充信息、保压信息、冷却信息等注塑产品生产数据是该注塑产品成型的关键，也是各生产厂家的机密，需要保密保存，通常它们的注塑产品检测数据都存储在各自独立的服务器中，而服务器一旦遭到破坏或入侵，则会造成注塑产品生产数据的丢失或泄露。
并且，厂家生产的注塑产品经常会有不符合标准的，安排人员用肉眼对注塑产品进行检测，需要大量的人力，而且肉眼容易判断失误，导致不符合标准的注塑产品流入市场。
发明内容
本发明的目的是为了解决背景技术中所发现的问题，而提出的一种基于区块链的注塑产品生产数据管理系统及方法。
为了实现上述目的，本发明采取了如下技术方案：一种基于区块链的注塑产品生产数据管理系统，包括注塑产品生产数据读取单元和注塑产品生产数据加密单元，
所述注塑产品生产数据读取单元，用于读取并保存注塑产品生产数据，并将所述注塑产品生产数据传送给注塑产品生产数据加密单元；
所述注塑产品生产数据加密单元，用于对接收到的所述注塑产品生产数据进行加密以生成注塑产品生产加密数据，同时生成所述注塑产品生产加密数据对应的注塑产品生产数据查询标记，最后将所述注塑产品生产加密数据以及对应的注塑产品生产数据查询标记通过5G网络上传至区块链中，
进一步地，所述注塑产品生产数据加密单元利用散列函数对所述注塑产品生产数据进行加密以生成注塑产品生产加密数据，并将该散列函数运算得到的函数值作为注塑产品生产数据查询标记。
通过注塑产品生产数据读取单元读取并注塑产品的生产数据，并发送到注塑产品生产数据加密单元进行生产数据进行加密以生成注塑产品生产加密数据，最后将所述注塑产品生产加密数据通过5G网络上传至区块链中，利用了区块链的不可逆改及稳定性高的特性来保存注塑产品的生产数据，避免了现有技术中将全部信息存入服务器中，由于服务器损坏而导致注塑产品的生产数据丢失；同时通过注塑产品生产数据加密单元利用散列函数对所述注塑产品生产数据进行加密，利用散列函数的不可逆性和唯一性提高了注塑产品的生产数据的安全性，同时该注塑产品生产数据通过散列函数运算得到的函数值作为对应的注塑产品生产数据查询标记，也便于检索该注塑产品的生产数据。
进一步地，所述读取并保存注塑产品的生产数据，具体为：采集并保存注塑产品的图像，并将该注塑产品的图像作为注塑产品初始图像，根据所述注塑产品初始图像检测该注塑产品是否符合标准，最后将检测结果保存为注塑产品的生产数据，具体如下：
将所述注塑产品初始图像进行去噪处理得到注塑产品去噪图片，组建注塑产品去噪图片分割模型，所述注塑产品去噪图片分割模型包括注塑产品输入序列神经网络和注塑产品输出序列神经网络，其中，所述注塑产品输入序列神经网络包括收缩图像层和参数量优化卷积层，所述注塑产品输入序列神经网络用作抽取注塑产品去噪图片的多尺度数据并收缩处理出的特征图解像度，所述收缩图像层又由两块构建，其中一块完成取局部接受域中值最大的点处理，另一块完成卷积处理，将这两块的处理数据进行相结合，并将相结合后的处理数据通过重组处理结合这两块的数据获取收缩图像层的处理数据，所述参数量优化卷积层采取分组卷积和非对称核卷积来调节参数量，先将参数量优化卷积层的载入分为具备相同通道数量的两大类卷积组，一大类卷积组用作接收载入的初始特征数据，另一大类卷积组的卷积载入分别为初始载入与上一组的载出的累计且各卷积组之间采取级联形式相连，用所有卷积组的处理数据进行相结合，并将相结合后的输出数据通过重组处理相结合所有卷积组的数据，获取最后的计算数据，所述注塑产品输出序列神经网络由参数量优化卷积层和逆卷积层搭建，所述注塑产品输出序列神经网络用作解码所述注塑产品输入序列神经网络的计算数据并将收缩的输出特征图还原至初始特征图解像度，所述参数量优化卷积层采取非对称核卷积来调节参数量，先将参数量优化卷积层的载入分为具备相同通道数量的两大类卷积组，一大类卷积组用作接收载入的初始特征数据，另一大类卷积组的卷积载入分别为初始载入与上一组的载出的累计且该大类卷积组所采取的卷积方式都为非对称核卷积，各卷积组之间采取级联形式相连，再将所有卷积组的计算数据进行相结合，并将相结合后的计算数据通过重组处理相结合所有卷积组的数据，获取最后的计算数据，所述逆卷积层应用预设定大小的卷积核及设定步幅的卷积形式，还原载入特征图解像度，缩减通道数，采取注塑产品训练图片集合训练注塑产品去噪图片分割模型获取对应的模型权重比例，并加载该模型权重比例获取学习完的注塑产品去噪图片分割模型，对所述注塑产品去噪图片数据做归一化计算转变为用作处理的归一化数据，该归一化数据加载到学习完的注塑产品去噪图片分割模型内后，在注塑产品输入序列神经网络被获取为包含注塑产品多尺度特征数据的注塑产品多尺度特征图像，接着该注塑产品多尺度特征图像在注塑产品输出序列神经网络被解码为匹配的标签估算数据并且将注塑产品多尺度特征图像的特征图解像度还原至注塑产品去噪图片的特征图解像度，再然后根据估算的标签对注塑产品去噪图片分割模型处理出的特征图进行着色，获取注塑产品分割后图片。
通过使用分组卷积和非对称卷积来调节注塑产品输入序列神经网络中的参数量优化卷积层的参数量，这样大大地缩减了注塑产品输入序列神经网络中的参数量优化卷积层的参数量，从而提高了注塑产品输入序列神经网络中的参数量优化卷积层的运算速度，且各个卷积组之间采取级联形式相连，通过扩张率来控制注塑产品输入序列神经网络中的参数量优化卷积层的卷积视野，给予了注塑产品输入序列神经网络中的参数量优化卷积层保存注塑产品图像多尺度特征数据的能力，同时分组卷积的方式也加快了注塑产品图像多尺度特征保存的速度，而且带重组操作的注塑产品输入序列神经网络收缩图像层增多了通道间的数据交换，以适应后续注塑产品输入序列神经网络中的参数量优化卷积层的分组操作，减少特征数据遗失，提升了注塑产品分割后图片提取的准确度。所述注塑产品分割后图片为矩形，将注塑产品分割后图片的右下角和矩形注塑产品分割后图片的左上角两处坐标来确认注塑产品分割后图片的位置，两处坐标为一对，将所有对的坐标组保存在数组内，确认所有注塑产品分割后图片的位置坐标，并对特征点测算，使用所述注塑产品去噪图片作为对照图，从图库内选定已经符合标准的注塑产品图像作为注塑产品标本图，将对照图转变为注塑产品灰度图，利用图像直方图对注塑产品灰度图的对比度进行处理获取经修正对照图，根据注塑产品分割后图片的确认初始化结构匹配界限值为预定值，对注塑产品标本图和经修正对照图比较得到各个注塑产品分割后图片的结构相似性，将各注塑产品分割后图片的结构相似性分别与结构匹配界限值进行对比，若结构相似性大于结构匹配界限值，则当前注塑产品分割后图片与注塑产品标本图的对应的注塑产品分割后图片相似，对全部注塑产品分割后图片的较对数据进行逻辑与运算，若注塑产品标本图和经修正对照图的全部注塑产品分割后图片都相似，则该注塑产品符合标准，反之注塑产品不符合标准。
通过应用注塑产品去噪图片转变为注塑产品灰度图，并利用图像直方图对注塑产品灰度图的对比度进行处理，这样由于后面过程中对特征点的检测很依赖于注塑产品图像的灰度值，所以若不对该图像进行转变，则会影响到识别的准确度。
再进一步地，所述注塑产品生产数据读取单元通过5G网络将注塑产品生产数据传送给所述注塑产品生产数据加密单元，所述注塑产品生产数据读取单元沿所述注塑产品的生产线间隔设置有多个，所述注塑产品的生产线上方对应所述注塑产品生产数据读取单元的位置间隔设有若干个5G基站天线，安装所述5G基站天线时，需调试所述5G基站天线的安装位置，使所述注塑产品生产数据读取单元与对应的所述5G基站天线之间的数据传输连接的概率K大于预设阈值，其中，所述注塑产品生产数据读取单元与对应的所述5G基站天线之间的数据传输连接的概率K的计算公式如下：
其中，D为所述注塑产品生产数据读取单元与对应的所述5G基站天线之间的距离，L为所述注塑产品生产数据读取单元与对应的所述5G基站天线之间的距离D投影在水平面上的距离，e1和e2为与环境有关的参数。
通过根据塑产品生产数据读取单元与对应的5G基站天线之间的数据传输连接的概率K，来设计5G基站天线的安装位置，这样能在保障数据传输稳定可靠的前提下，尽可能减少5G基站天线的数量，从而降低了成本，节约了资源。
一种基于区块链的注塑产品检测数据共享方法，包括以下步骤：
通过注塑产品生产数据读取单元读取并保存注塑产品生产数据，并将所述注塑产品生产数据传送给注塑产品生产数据加密单元；
通过所述注塑产品生产数据加密单元对所述注塑产品生产数据进行加密以生成注塑产品生产加密数据，并生成所述注塑产品生产加密数据对应的注塑产品生产数据查询标记，最后将所述注塑产品生产加密数据以及对应的注塑产品生产数据查询标记通过5G网络上传至区块链中。
与现有的技术相比，本发明优点在于：
1、通过注塑产品生产数据读取单元读取并注塑产品的生产数据，并发送到注塑产品生产数据加密单元进行生产数据进行加密以生成注塑产品生产加密数据，最后将所述注塑产品生产加密数据通过5G网络上传至区块链中，利用了区块链的不可逆改及稳定性高的特性来保存注塑产品的生产数据，避免了现有技术中将全部信息存入服务器中，由于服务器损坏而导致注塑产品的生产数据丢失。
2、通过注塑产品生产数据加密单元利用散列函数对所述注塑产品生产数据进行加密，利用散列函数的不可逆性和唯一性提高了注塑产品的生产数据的安全性，同时该注塑产品生产数据通过散列函数运算得到的函数值作为对应的注塑产品生产数据查询标记，也便于检索该注塑产品的生产数据。
3、通过使用分组卷积和非对称卷积来调节注塑产品输入序列神经网络中的参数量优化卷积层的参数量，这样大大地缩减了注塑产品输入序列神经网络中的参数量优化卷积层的参数量，从而提高了注塑产品输入序列神经网络中的参数量优化卷积层的运算速率，且各个卷积组之间采取级联形式相连，通过扩张率来控制注塑产品输入序列神经网络中的参数量优化卷积层的卷积视野，给予了注塑产品输入序列神经网络中的参数量优化卷积层保存注塑产品图像多尺度特征数据的能力，同时分组卷积的方式也加快了注塑产品图像多尺度特征保存的速度，而且带重组操作的注塑产品输入序列神经网络收缩图像层增多了通道间的数据交换，以适应后续注塑产品输入序列神经网络中的参数量优化卷积层的分组操作，减少特征数据遗失，提升了注塑产品分割后图片提取的准确度。
4、通过应用注塑产品去噪图片转变为注塑产品灰度图，并利用图像直方图对注塑产品灰度图的对比度进行处理，这样由于后面过程中对特征点的检测很依赖于注塑产品图像的灰度值，所以若不对该图像进行转变，则会影响到识别的准确度。
5、通过根据塑产品生产数据读取单元与对应的5G基站天线之间的数据传输连接的概率K，来设计5G基站天线的安装位置，这样能在保障数据传输稳定可靠的前提下，尽可能减少5G基站天线的数量，从而降低了成本，节约了资源。
附图说明
图1为本发明的原理图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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前提下所获取的所有其他实施例，都属于本发明保护的范围。
实施例：
参照图1，本实施例提供了一种基于区块链的注塑产品生产数据管理系统，包括：包括注塑产品生产数据读取单元和注塑产品生产数据加密单元；
所述注塑产品生产数据读取单元，用于读取并保存注塑产品生产数据，并将所述注塑产品生产数据传送给注塑产品生产数据加密单元；
所述注塑产品生产数据加密单元，用于对接收到的所述注塑产品生产数据进行加密以生成注塑产品生产加密数据，同时生成所述注塑产品生产加密数据对应的注塑产品生产数据查询标记，最后将所述注塑产品生产加密数据以及对应的注塑产品生产数据查询标记通过5G网络上传至区块链中，
所述注塑产品生产数据加密单元利用散列函数对所述注塑产品生产数据进行加密以生成注塑产品生产加密数据，并将该散列函数运算得到的函数值作为注塑产品生产数据查询标记。
通过注塑产品生产数据读取单元读取并注塑产品的生产数据，并发送到注塑产品生产数据加密单元进行生产数据进行加密以生成注塑产品生产加密数据，最后将所述注塑产品生产加密数据通过5G网络上传至区块链中，利用了区块链的不可逆改及稳定性高的特性来保存注塑产品的生产数据，避免了现有技术中将全部信息存入服务器中，由于服务器损坏而导致注塑产品的生产数据丢失；同时通过注塑产品生产数据加密单元利用散列函数对所述注塑产品生产数据进行加密，利用散列函数的不可逆性和唯一性提高了注塑产品的生产数据的安全性，同时该注塑产品生产数据通过散列函数运算得到的函数值作为对应的注塑产品生产数据查询标记，也便于检索该注塑产品的生产数据。
所述读取并保存注塑产品的生产数据，具体为：采集并保存注塑产品的图像，并将该注塑产品的图像作为注塑产品初始图像，根据所述注塑产品初始图像检测该注塑产品是否符合标准，最后将检测结果保存为注塑产品的生产数据，具体如下：
将所述注塑产品初始图像进行去噪处理得到注塑产品去噪图片，组建注塑产品去噪图片分割模型，所述注塑产品去噪图片分割模型包括注塑产品输入序列神经网络和注塑产品输出序列神经网络，其中，所述注塑产品输入序列神经网络包括收缩图像层和参数量优化卷积层，所述注塑产品输入序列神经网络用作抽取注塑产品去噪图片的多尺度数据并收缩处理出的特征图解像度，所述收缩图像层又由两块构建，其中一块完成取局部接受域中值最大的点处理，另一块完成卷积处理，将这两块的处理数据进行相结合，并将相结合后的处理数据通过重组处理结合这两块的数据获取收缩图像层的处理数据，所述参数量优化卷积层采取分组卷积和非对称核卷积来调节参数量，先将参数量优化卷积层的载入分为具备相同通道数量的两大类卷积组，一大类卷积组用作接收载入的初始特征数据，另一大类卷积组的卷积载入分别为初始载入与上一组的载出的累计且各卷积组之间采取级联形式相连，用所有卷积组的处理数据进行相结合，并将相结合后的输出数据通过重组处理相结合所有卷积组的数据，获取最后的计算数据，所述注塑产品输出序列神经网络由参数量优化卷积层和逆卷积层搭建，所述注塑产品输出序列神经网络用作解码所述注塑产品输入序列神经网络的计算数据并将收缩的输出特征图还原至初始特征图解像度，所述参数量优化卷积层采取非对称核卷积来调节参数量，先将参数量优化卷积层的载入分为具备相同通道数量的两大类卷积组，一大类卷积组用作接收载入的初始特征数据，另一大类卷积组的卷积载入分别为初始载入与上一组的载出的累计且该大类卷积组所采取的卷积方式都为非对称核卷积，各卷积组之间采取级联形式相连，再将所有卷积组的计算数据进行相结合，并将相结合后的计算数据通过重组处理相结合所有卷积组的数据，获取最后的计算数据，所述逆卷积层应用预设定大小的卷积核及设定步幅的卷积形式，还原载入特征图解像度，缩减通道数，采取注塑产品训练图片集合训练注塑产品去噪图片分割模型获取对应的模型权重比例，并加载该模型权重比例获取学习完的注塑产品去噪图片分割模型，对所述注塑产品去噪图片数据做归一化计算转变为用作处理的归一化数据，该归一化数据加载到学习完的注塑产品去噪图片分割模型内后，在注塑产品输入序列神经网络被获取为包含注塑产品多尺度特征数据的注塑产品多尺度特征图像，接着该注塑产品多尺度特征图像在注塑产品输出序列神经网络被解码为匹配的标签估算数据并且将注塑产品多尺度特征图像的特征图解像度还原至注塑产品去噪图片的特征图解像度，再然后根据估算的标签对注塑产品去噪图片分割模型处理出的特征图进行着色，获取注塑产品分割后图片，所述注塑产品分割后图片为矩形，将注塑产品分割后图片的右下角和矩形注塑产品分割后图片的左上角两处坐标来确认注塑产品分割后图片的位置，两处坐标为一对，将所有对的坐标组保存在数组内，确认所有注塑产品分割后图片的位置坐标，并对特征点测算，使用所述注塑产品去噪图片作为对照图，从图库内选定已经符合标准的注塑产品图像作为注塑产品标本图，将对照图转变为注塑产品灰度图，利用图像直方图对注塑产品灰度图的对比度进行处理获取经修正对照图，根据注塑产品分割后图片的确认初始化结构匹配界限值为预定值，对注塑产品标本图和经修正对照图比较得到各个注塑产品分割后图片的结构相似性，将各注塑产品分割后图片的结构相似性分别与结构匹配界限值进行对比，若结构相似性大于结构匹配界限值，则当前注塑产品分割后图片与注塑产品标本图的对应的注塑产品分割后图片相似，对全部注塑产品分割后图片的较对数据进行逻辑与运算，若注塑产品标本图和经修正对照图的全部注塑产品分割后图片都相似，则该注塑产品符合标准，反之注塑产品不符合标准。
通过使用分组卷积和非对称卷积来调节注塑产品输入序列神经网络中的参数量优化卷积层的参数量，这样大大地缩减了注塑产品输入序列神经网络中的参数量优化卷积层的参数量，从而提高了注塑产品输入序列神经网络中的参数量优化卷积层的运算速度，且各个卷积组之间采取级联形式相连，通过扩张率来控制注塑产品输入序列神经网络中的参数量优化卷积层的卷积视野，给予了注塑产品输入序列神经网络中的参数量优化卷积层保存注塑产品图像多尺度特征数据的能力，同时分组卷积的方式也加快了注塑产品图像多尺度特征保存的速度，而且带重组操作的注塑产品输入序列神经网络收缩图像层增多了通道间的数据交换，以适应后续注塑产品输入序列神经网络中的参数量优化卷积层的分组操作，减少特征数据遗失，提升了注塑产品分割后图片提取的准确度，并且通过应用注塑产品去噪图片转变为注塑产品灰度图，并利用图像直方图对注塑产品灰度图的对比度进行处理，这样由于后面过程中对特征点的检测很依赖于注塑产品图像的灰度值，所以若不对该图像进行转变，则会影响到识别的准确度。
所述注塑产品生产数据读取单元通过5G网络将注塑产品生产数据传送给所述注塑产品生产数据加密单元，所述注塑产品生产数据读取单元沿所述注塑产品的生产线间隔设置有多个，所述注塑产品的生产线上方对应所述注塑产品生产数据读取单元的位置间隔设有若干个5G基站天线，安装所述5G基站天线时，需调试所述5G基站天线的安装位置，使所述注塑产品生产数据读取单元与对应的所述5G基站天线之间的数据传输连接的概率K大于预设阈值，其中，所述注塑产品生产数据读取单元与对应的所述5G基站天线之间的数据传输连接的概率K的计算公式如下：
其中，D为所述注塑产品生产数据读取单元与对应的所述5G基站天线之间的距离，L为所述注塑产品生产数据读取单元与对应的所述5G基站天线之间的距离D投影在水平面上的距离，e1和e2为与环境有关的参数，具体地，e1为所述5G基站天线所处环境的最大湿度，e2为所述5G基站天线所处环境的最高温度。
通过根据塑产品生产数据读取单元与对应的5G基站天线之间的数据传输连接的概率K，来设计5G基站天线的安装位置，这样能在保障数据传输稳定可靠的前提下，尽可能减少5G基站天线的数量，从而降低了成本，节约了资源。
本实施例还提供了一种基于区块链的注塑产品检测数据共享方法，具体包括以下步骤：
通过注塑产品生产数据读取单元读取并保存注塑产品生产数据，并将所述注塑产品生产数据传送给注塑产品生产数据加密单元；
通过所述注塑产品生产数据加密单元对所述注塑产品生产数据进行加密以生成注塑产品生产加密数据，并生成所述注塑产品生产加密数据对应的注塑产品生产数据查询标记，最后将所述注塑产品生产加密数据以及对应的注塑产品生产数据查询标记通过5G网络上传至区块链中。
Claims (6)
1.一种基于区块链的注塑产品生产数据管理系统，其特征在于，包括注塑产品生产数据读取单元和注塑产品生产数据加密单元，
所述注塑产品生产数据读取单元，用于读取并保存注塑产品的生产数据，并将注塑产品生产数据传送给所述注塑产品生产数据加密单元；
所述注塑产品生产数据加密单元，用于对收到的所述注塑产品生产数据进行加密以生成注塑产品生产加密数据，同时生成所述注塑产品生产加密数据对应的注塑产品生产数据查询标记，最后将所述注塑产品生产加密数据以及对应的所述注塑产品生产数据查询标记通过5G网络上传至区块链中。
2.根据权利要求1所述的一种基于区块链的注塑产品生产数据管理系统，其特征在于，所述注塑产品生产数据加密单元利用散列函数对所述注塑产品生产数据进行加密以生成所述注塑产品生产加密数据，并将该散列函数运算得到的函数值作为所述注塑产品生产数据查询标记。
3.根据权利要求1所述的一种基于区块链的注塑产品生产数据管理系统，其特征在于，所述读取并保存注塑产品的生产数据，具体为：采集并保存注塑产品的图像，并将该注塑产品的图像作为注塑产品初始图像，根据所述注塑产品初始图像检测该注塑产品是否符合标准，最后将检测结果保存为注塑产品的生产数据。
4.根据权利要求3所述的一种基于区块链的注塑产品生产数据管理系统，其特征在于，所述根据所述注塑产品初始图像检测该注塑产品是否符合标准，具体包括以下步骤：
将所述注塑产品初始图像进行去噪处理得到注塑产品去噪图片，组建注塑产品去噪图片分割模型，所述注塑产品去噪图片分割模型包括注塑产品输入序列神经网络和注塑产品输出序列神经网络，其中，所述注塑产品输入序列神经网络包括收缩图像层和参数量优化卷积层，所述注塑产品输入序列神经网络用作抽取注塑产品去噪图片的多尺度数据并收缩处理出的特征图解像度，所述收缩图像层又由两块构建，其中一块完成取局部接受域中值最大的点处理，另一块完成卷积处理，将这两块的处理数据进行相结合，并将相结合后的处理数据通过重组处理结合这两块的数据获取收缩图像层的处理数据，所述参数量优化卷积层采取分组卷积和非对称核卷积来调节参数量，先将参数量优化卷积层的载入分为具备相同通道数量的两大类卷积组，一大类卷积组用作接收载入的初始特征数据，另一大类卷积组的卷积载入分别为初始载入与上一组的载出的累计且各卷积组之间采取级联形式相连，用所有卷积组的处理数据进行相结合，并将相结合后的输出数据通过重组处理相结合所有卷积组的数据，获取最后的计算数据，所述注塑产品输出序列神经网络由参数量优化卷积层和逆卷积层搭建，所述注塑产品输出序列神经网络用作解码所述注塑产品输入序列神经网络的计算数据并将收缩的输出特征图还原至初始特征图解像度，所述参数量优化卷积层采取非对称核卷积来调节参数量，先将参数量优化卷积层的载入分为具备相同通道数量的两大类卷积组，一大类卷积组用作接收载入的初始特征数据，另一大类卷积组的卷积载入分别为初始载入与上一组的载出的累计且该大类卷积组所采取的卷积方式都为非对称核卷积，各卷积组之间采取级联形式相连，再将所有卷积组的计算数据进行相结合，并将相结合后的计算数据通过重组处理相结合所有卷积组的数据，获取最后的计算数据，所述逆卷积层应用预设定大小的卷积核及设定步幅的卷积形式，还原载入特征图解像度，缩减通道数，采取注塑产品训练图片集合训练注塑产品去噪图片分割模型获取对应的模型权重比例，并加载该模型权重比例获取学习完的注塑产品去噪图片分割模型，对所述注塑产品去噪图片数据做归一化计算转变为用作处理的归一化数据，该归一化数据加载到学习完的注塑产品去噪图片分割模型内后，在注塑产品输入序列神经网络被获取为包含注塑产品多尺度特征数据的注塑产品多尺度特征图像，接着该注塑产品多尺度特征图像在注塑产品输出序列神经网络被解码为匹配的标签估算数据并且将注塑产品多尺度特征图像的特征图解像度还原至注塑产品去噪图片的特征图解像度，再然后根据估算的标签对注塑产品去噪图片分割模型处理出的特征图进行着色，获取注塑产品分割后图片，所述注塑产品分割后图片为矩形，将注塑产品分割后图片的右下角和矩形注塑产品分割后图片的左上角两处坐标来确认注塑产品分割后图片的位置，两处坐标为一对，将所有对的坐标组保存在数组内，确认所有注塑产品分割后图片的位置坐标，并对特征点测算，使用所述注塑产品去噪图片作为对照图，从图库内选定已经符合标准的注塑产品图像作为注塑产品标本图，将对照图转变为注塑产品灰度图，利用图像直方图对注塑产品灰度图的对比度进行处理获取经修正对照图，根据注塑产品分割后图片的确认初始化结构匹配界限值为预定值，对注塑产品标本图和经修正对照图比较得到各个注塑产品分割后图片的结构相似性，将各注塑产品分割后图片的结构相似性分别与结构匹配界限值进行对比，若结构相似性大于结构匹配界限值，则当前注塑产品分割后图片与注塑产品标本图的对应的注塑产品分割后图片相似，对全部注塑产品分割后图片的较对数据进行逻辑与运算，若注塑产品标本图和经修正对照图的全部注塑产品分割后图片都相似，则该注塑产品符合标准，反之注塑产品不符合标准。
5.根据权利要求1所述的一种基于区块链的注塑产品生产数据管理系统，其特征在于，所述注塑产品生产数据读取单元通过5G网络将注塑产品生产数据传送给所述注塑产品生产数据加密单元，所述注塑产品生产数据读取单元沿所述注塑产品的生产线间隔设置有多个，所述注塑产品的生产线上方对应所述注塑产品生产数据读取单元的位置间隔设有若干个5G基站天线，安装所述5G基站天线时，需调试所述5G基站天线的安装位置，使所述注塑产品生产数据读取单元与对应的所述5G基站天线之间的数据传输连接的概率K大于预设阈值，其中，所述注塑产品生产数据读取单元与对应的所述5G基站天线之间的数据传输连接的概率K的计算公式如下：
其中，D为所述注塑产品生产数据读取单元与对应的所述5G基站天线之间的距离，L为所述注塑产品生产数据读取单元与对应的所述5G基站天线之间的距离D投影在水平面上的距离，e1和e2为与环境有关的参数。
6.一种基于区块链的注塑产品生产数据管理方法，其特征在于，包括以下步骤：
通过注塑产品生产数据读取单元读取并保存注塑产品生产数据，并将所述注塑产品生产数据传送给注塑产品生产数据加密单元；
通过所述注塑产品生产数据加密单元对所述注塑产品生产数据进行加密以生成注塑产品生产加密数据，并生成所述注塑产品生产加密数据对应的注塑产品生产数据查询标记，最后将所述注塑产品生产加密数据以及对应的注塑产品生产数据查询标记通过5G网络上传至区块链中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010444576.2A CN111611607B (zh) | 2020-05-23 | 2020-05-23 | 一种基于区块链的注塑产品生产数据管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010444576.2A CN111611607B (zh) | 2020-05-23 | 2020-05-23 | 一种基于区块链的注塑产品生产数据管理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111611607A true CN111611607A (zh) | 2020-09-01 |
| CN111611607B CN111611607B (zh) | 2021-04-20 |
Family
ID=72200471
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010444576.2A Expired - Fee Related CN111611607B (zh) | 2020-05-23 | 2020-05-23 | 一种基于区块链的注塑产品生产数据管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111611607B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117644625A (zh) * | 2024-01-30 | 2024-03-05 | 陕西美伦包装有限公司 | 一种基于机器视觉的智能注塑方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109271801A (zh) * | 2018-09-25 | 2019-01-25 | 宁波弘讯科技股份有限公司 | 基于区块链的注塑产品信息管理方法、服务器、注塑机 |
| CN109492880A (zh) * | 2018-10-18 | 2019-03-19 | 平安科技（深圳）有限公司 | 基于区块链技术的生产追踪方法及终端设备 |
| CN109624252A (zh) * | 2018-12-28 | 2019-04-16 | 武汉思伟塑业有限公司 | 一种提高注塑产品生产效率的数据库集成管理系统 |
| CN110599107A (zh) * | 2019-09-24 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 基于区块链的物流数据处理方法以及装置 |
| CN111177253A (zh) * | 2019-11-26 | 2020-05-19 | 南方电网传媒有限公司 | 基于身份数字认证的电力大数据保护方法及系统 |
| CN111177275A (zh) * | 2020-01-02 | 2020-05-19 | 肖光昱 | 基于区块链的管理方法、终端、装置及存储介质 |
| CN111444259A (zh) * | 2020-02-11 | 2020-07-24 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链的电力数据共享方法 |
-
2020
- 2020-05-23 CN CN202010444576.2A patent/CN111611607B/zh not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109271801A (zh) * | 2018-09-25 | 2019-01-25 | 宁波弘讯科技股份有限公司 | 基于区块链的注塑产品信息管理方法、服务器、注塑机 |
| CN109492880A (zh) * | 2018-10-18 | 2019-03-19 | 平安科技（深圳）有限公司 | 基于区块链技术的生产追踪方法及终端设备 |
| CN109624252A (zh) * | 2018-12-28 | 2019-04-16 | 武汉思伟塑业有限公司 | 一种提高注塑产品生产效率的数据库集成管理系统 |
| CN110599107A (zh) * | 2019-09-24 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 基于区块链的物流数据处理方法以及装置 |
| CN111177253A (zh) * | 2019-11-26 | 2020-05-19 | 南方电网传媒有限公司 | 基于身份数字认证的电力大数据保护方法及系统 |
| CN111177275A (zh) * | 2020-01-02 | 2020-05-19 | 肖光昱 | 基于区块链的管理方法、终端、装置及存储介质 |
| CN111444259A (zh) * | 2020-02-11 | 2020-07-24 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链的电力数据共享方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117644625A (zh) * | 2024-01-30 | 2024-03-05 | 陕西美伦包装有限公司 | 一种基于机器视觉的智能注塑方法 |
| CN117644625B (zh) * | 2024-01-30 | 2024-04-05 | 陕西美伦包装有限公司 | 一种基于机器视觉的智能注塑方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111611607B (zh) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101880004B1 (ko) | 텔레비전 채널 정보를 식별하기 위한 방법 및 장치 | |
| CN111738244B (zh) | 图像检测方法、装置、计算机设备和存储介质 | |
| CN103729631B (zh) | 一种基于视觉的连接器表面特征自动识别方法 | |
| CN111611607B (zh) | 一种基于区块链的注塑产品生产数据管理系统及方法 | |
| CN111862063A (zh) | 一种视频质量评估方法、装置、计算机设备和存储介质 | |
| CN115719460A (zh) | 一种基于深度学习的气体泄露检测方法、系统及终端设备 | |
| CN110941989A (zh) | 图像校验、视频校验方法、装置、设备及存储介质 | |
| WO2014209746A1 (en) | Depth camera system with machine learning for recognition of patches within a structured light pattern | |
| WO2021175040A1 (zh) | 视频处理方法及相关装置 | |
| US20200005078A1 (en) | Content aware forensic detection of image manipulations | |
| CN111507320A (zh) | 后厨违规行为检测方法、装置、设备和存储介质 | |
| CN106127243A (zh) | 一种基于二值化sift描述子的图像匹配方法 | |
| CN108038488B (zh) | 基于sift和lbp混合的鲁棒性图像哈希方法 | |
| CN110781856A (zh) | 异质人脸识别模型训练方法、人脸识别方法及相关装置 | |
| CN103324856B (zh) | 一种rfid标签数的快速估算方法 | |
| CN112949576B (zh) | 姿态估计方法、装置、设备及存储介质 | |
| CN114741732A (zh) | 一种基于隐私数据保护的智能网联汽车数据训练方法、电子设备及计算机可读存储介质 | |
| CN107291813B (zh) | 基于语义分割场景的示例搜索方法 | |
| CN111177450B (zh) | 一种图像检索云识别方法、系统及计算机可读存储介质 | |
| CN112396048A (zh) | 图片信息提取方法、装置、计算机设备及存储介质 | |
| CN112347131A (zh) | 一种基于城轨项目需求识别和覆盖的方法及装置 | |
| CN109472150B (zh) | 一种文件信息的设置读取方法 | |
| WO2021217914A1 (zh) | 残损证据提取方法、装置、计算机设备及存储介质 | |
| CN112418206A (zh) | 基于位置检测模型的图片分类方法及其相关设备 | |
| CN108960347B (zh) | 一种卷积神经网络手写体识别排序稳定性的效果评估系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210323 Address after: 518116 No.61 Shunfeng Road, Pingdi Street Central Community, Longgang District, Shenzhen City, Guangdong Province Applicant after: SHENZHEN XIN HONG YANG PACKAGING PRODUCTS Co.,Ltd. Address before: 430416 Qiyun Road, cangbu Town, Xinzhou District, Wuhan City, Hubei Province Applicant before: Wuhan Xinzhou delta plastic products Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210420 |