CN113052558B - 输电铁塔零件加工自动计件系统及其自动计件方法 - Google Patents
输电铁塔零件加工自动计件系统及其自动计件方法 Download PDFInfo
- Publication number
- CN113052558B CN113052558B CN202110342579.XA CN202110342579A CN113052558B CN 113052558 B CN113052558 B CN 113052558B CN 202110342579 A CN202110342579 A CN 202110342579A CN 113052558 B CN113052558 B CN 113052558B
- Authority
- CN
- China
- Prior art keywords
- network
- convolution
- server
- data
- character
- 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.)
- Active
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000003754 machining Methods 0.000 title description 3
- 238000012545 processing Methods 0.000 claims abstract description 29
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 21
- 239000010959 steel Substances 0.000 claims abstract description 21
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 20
- 229910052742 iron Inorganic materials 0.000 claims abstract description 10
- 238000004519 manufacturing process Methods 0.000 claims abstract description 9
- 238000012795 verification Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N3/08—Learning methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Molecular Biology (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- General Factory Administration (AREA)
Abstract
输电铁塔零件加工自动计件系统及其自动计件方法，包括数据采集设备、计件系统及服务器；所述数据采集设备用于获取生产线上的铁塔零件的钢印字符照片，并上传至服务器；所述服务器内置AI算法软件，用于对钢印字符照片中的钢印字符进行识别，并得到识别结果；所述计件系统将服务器识别结果通过自动计件软件进行分析，实现对各工位不同时间段的加工计件、数据显示、用户管理、数据统计及薪酬生成；本发明的有益效果是：解决现有输电铁塔零件加工的工件识别、追溯和自动计件问题。
Description
技术领域
本发明涉及自动计件技术领域，具体涉及输电铁塔零件加工自动计件系统及其自动计件方法。
背景技术
国内有数量可观的输电铁塔制造企业，长期以来，输电铁塔零件加工及装配的自动化和信息化程度较低；在输电铁塔零件的加工过程中，主要依靠钢印人工识别工件，识别效率低，且易出错，因此目前主要技术瓶颈在于工件的识别。
发明内容
针对现有技术中存在的问题，本发明提供了设计合理的一种输电铁塔零件加工自动计件系统及其自动计件方法。
本发明的技术方案如下：
输电铁塔零件加工自动计件系统，其特征在于，包括数据采集设备、计件系统及服务器；所述数据采集设备用于获取生产线上的铁塔零件的钢印字符照片，并上传至服务器；所述服务器内置AI算法软件，用于对钢印字符照片中的钢印字符进行识别，并得到识别结果；所述计件系统将服务器中得到的识别结果进行分析，实现对各工位工人加工计件、数据实时显示、用户管理、数据统计及薪酬生成。
进一步的，所述数据采集设备包括PDA或智能手机以及APP，所述APP包括身份验证登录模块、拍照模块及数据传输模块，所述身份验证登录模块用于对不同工人进行身份验证，工人可采用ID登录、人脸识别登录或指纹识别登录方式登录APP进行使用；所述拍照模块用于打开智能手机或PDA的摄像头，并进行人工拍照，以获取相应照片；所述数据传输模块用于将拍摄后的照片传输至服务器进行AI处理。
进一步的，所述计件系统包括图形用户界面、数据入库模块、数据可视化显示模块、用户管理模块、数据统计模块、薪酬生成模块；所述图形用户界面采用图形方式显示的计算机操作环境用户接口；所述数据入库模块将从服务器端获取的钢印字符、时间戳数据按照存储到相应的表中；所述数据可视化显示模块用于将入库数据在图形用户界面上以图、表形式进行显示；所述用户管理模块用于工人信息的增、删、改、权限分配操作，所述数据统计模块用于统计工人的加工件数生产数据，所述薪酬生成模块用于将工人的数据自动生成对应薪酬。
输电铁塔零件加工自动计件系统的自动计件方法，包括如下步骤:
1)人工打开智能手机或PDA上的APP，并登陆进行身份验证，通过APP自动调用PDA或智能手机的摄像头，人工将摄像头对准完成打钢印后的铁塔零件钢印区域，APP自动完成定位和拍照，通过数据传输模块自动将图片传输回服务器；
2)服务器获取图像，对获取的图像进行尺寸变换，得到尺寸统一的图片，并将尺寸统一的图片进行归一化处理；
3)服务器内置AI算法用端到端的卷积神经网络对缩放后的图片进行推理计算，推理得到8通道的字符的四个点坐标图、36通道的字符的分类图及2通道的字符区域概率图，通过字符区域概率图的结果，筛选字符概率大于等于0.95的位置，进行下一步处理；
4)服务器内置AI算法用非极大值抑制，对推理的结果中重叠的四边形框进行融合得到最终的矩形框，通过矩形框中心点位置坐标(x,y)，从字符分类图中的(x,y)处的36个通道中选取概率最大的类别作为该矩形框的识别结果；
5)服务器通过反向校验算法对识别结果进行验证，将识别后铁塔钢印编码的字符串同数据库中的表项进行匹配，在反向校验算法中，若能够匹配结果的相似度能够达到阈值，则进一步匹配过滤，得出最后的结果，将其录入数据库；若匹配结果计算的相似度低于阈值，则记为匹配失败，当次数超过设定值时，则判定机器无法识别结束；
6)服务器将识别错误的字符串以及照片返回给APP，人工在智能手机或PDA上修正错误的字符，并确定修正结果，再将修正结果传输回服务器，直接录入数据库。
7)服务器将其数据库中的识别结果上传至计件系统，计件系统通过自动计件软件进行各工位工人的加工计件、数据实时显示、用户管理、数据统计及薪酬生成。
5.根据权利要求4所述的输电铁塔零件加工自动计件的方法，其特征在于，所述步骤3)中端到端的卷积神经网络，网络的主体结构包括编码网络部分、解码网络部分及网络头部。
进一步的，所述编码网络部分卷积有四层，每层内有两层一样的卷积层，两层卷积层之间有Dropout层防止网络过拟合；输入图片在编码的过程中，每经过一层编码网络由于最大值池化操作图片长宽特征会各减少为1/2倍；编码网络后跟三层卷积核个数为256的卷积层，该卷积层后跟解码网络。
进一步的，所述解码网络部分也有四层，每层内部首先将输入特征上采样得到长宽各为2倍的特征，然后与编码网络部分尺寸相同的特征沿着通道维度堆叠，最后用两个相同的卷积层进行卷积，两个相同卷积层内有Dropout层防止网络过拟合；主干网络中卷积核大小均为3X3大小，最终主干网络输出长宽与输入图片一样的特征图，通道数为32。
进一步的，所述网络头部将网络主干输出的特征图进行字符的定位与识别，网络头部包括三个部分，第一部分将主干网络输出的特征图先通过两个含有32个3X3的卷积核的卷积层，最后用一层含有2个1X1卷积核的卷积层进行卷积得到通道数为2的字符区域概率图，其中一个概率图用0到1之间的数值表示每个像素为字符的概率，另一个概率图用0到1之间的数值表示每个像素为图片背景的概率，该部分网络结构在训练时可以提升字符识别的准确率；第二部分将主干网络输出的特征图先通过两个含有32个3X3的卷积核的卷积层，最后用一层含有8个1X1卷积核的卷积层进行卷积得到通道数为8的字符区域四边形坐标图，八个通道表示的数值分别记为
[x1,y1,x2,y2,x3,y3,x4,y4]，分别表示字符区域四边形框的左上角坐标，右上角坐标，左下角坐标，右下角坐标；第三部分将主干网络输出的特征图先通过两个含有32个3X3的卷积核的卷积层，最后用一层含有36个1X1卷积核的卷积层进行卷积得到通道数为36的字符概率图，36个通道分别表示26个英文字母与10个阿拉伯数字的概率。
本发明的有益效果是：该系统能够有效解决现有输电铁塔零件加工过程中的工件识别及自动计件问题，同时通过AI智能算法，采用端到端的卷积神经网络的网络架构，一步实现对图片的定位及识别，此外在AI识别完成后加入反向检验算法能够有效的提高对工件识别率。
附图说明
图1为本发明网络主干结构图；
图2为本发明网络头部结构示意图。
具体实施方式
以下结合说明书附图，对本发明作进一步描述。
如图1-2所示，输电铁塔零件加工自动计件系统，包括数据采集设备、计件系统及服务器(下位机)。
数据采集设备用于获取生产线上的铁塔零件的钢印字符照片，并上传至服务器；服务器内置AI算法软件，用于对钢印字符照片中的钢印字符进行识别，并得到识别结果；计件系统将服务器中得到的识别结果通过自动计件软件进行分析，实现对各工位工人的加工计件、数据实时显示、用户管理、数据统计及薪酬生成。
数据采集设备包括智能手机以及APP，智能手机也可用PDA替代，PDA需包含拍照所需的摄像头、数据传输所需的通讯模块等硬件电子模块；APP包括身份验证登录模块、拍照模块及数据传输模块，身份验证登录模块用于对不同工人进行身份验证，工人可采用ID登录、人脸识别登录或指纹识别登录方式登录APP进行使用；拍照模块用于打开手机摄像头，并进行人工拍照，以获取相应照片；数据传输模块用于将拍摄后的照片传输至服务器进行AI处理。
计件系统包括图形用户界面、数据入库模块、数据可视化显示模块、用户管理模块、数据统计模块、薪酬生成模块；所述图形用户界面采用图形方式显示的计算机操作环境用户接口；所述数据入库模块将从服务器端获取的钢印字符、时间戳数据按照存储到相应的表中；所述数据可视化显示模块用于将入库数据在图形用户界面上以图、表形式进行显示；所述用户管理模块用于工人信息的增、删、改、权限分配操作，所述数据统计模块用于统计工人的加工件数生产数据，所述薪酬生成模块用于将工人的数据自动生成对应薪酬。
输电铁塔零件加工自动计件系统的自动计件方法，具体步骤如下:
1)人工打开智能手机的APP，并登陆进行身份验证，通过APP读取手机摄像头的数据，人工将手机摄像头对准生产线上完成打钢印后的铁塔零件钢印区域并拍照，APP通过数据传输模块自动将图片传输回服务器；
2)服务器获取图像，对获取的图像进行尺寸变换，得到尺寸统一的图片，并将尺寸统一的图片进行归一化处理；
3)用端到端的卷积神经网络对缩放后的图片进行推理计算，推理得到8通道的字符的四个点坐标图、36通道的字符的分类图及2通道的字符区域概率图，通过字符区域概率图的结果，筛选字符概率大于等于0.95的位置，进行下一步处理；
具体地，步骤3)中端到端的卷积神经网络，网络的主体结构包括编码网络部分、解码网络部分及网络头部。
编码网络部分卷积有四层，每层内有两层一样的卷积层，两层卷积层之间有Dropout层防止网络过拟合；输入图片在编码的过程中，每经过一层编码网络由于最大值池化操作图片长宽特征会各减少为1/2倍；编码网络后跟三层卷积核个数为256的卷积层，该卷积层后跟解码网络；
解码网络部分也有四层，每层内部首先将输入特征上采样得到长宽各为2倍的特征，然后与编码网络部分尺寸相同的特征沿着通道维度堆叠，最后用两个相同的卷积层进行卷积，两个相同卷积层内有Dropout层防止网络过拟合；主干网络中卷积核大小均为3X3大小，最终主干网络输出长宽与输入图片一样的特征图，通道数为32；
网络头部将网络主干输出的特征图进行字符的定位与识别，网络头部包括三个部分，第一部分将主干网络输出的特征图先通过两个含有32个3X3的卷积核的卷积层，最后用一层含有2个1X1卷积核的卷积层进行卷积得到通道数为2的字符区域概率图，其中一个概率图用0到1之间的数值表示每个像素为字符的概率，另一个概率图用0到1之间的数值表示每个像素为图片背景的概率，该部分网络结构在训练时可以提升字符识别的准确率；第二部分将主干网络输出的特征图先通过两个含有32个3X3的卷积核的卷积层，最后用一层含有8个1X1卷积核的卷积层进行卷积得到通道数为8的字符区域四边形坐标图，八个通道表示的数值分别记为[x1,y1,x2,y2,x3,y3,x4,y4]，分别表示字符区域四边形框的左上角坐标，右上角坐标，左下角坐标，右下角坐标；第三部分将主干网络输出的特征图先通过两个含有32个3X3的卷积核的卷积层，最后用一层含有36个1X1卷积核的卷积层进行卷积得到通道数为36的字符概率图，36个通道分别表示26个英文字母与10个阿拉伯数字的概率。
4)用非极大值抑制，对推理的结果中重叠的四边形框进行融合得到最终的矩形框，通过矩形框中心点位置坐标(x,y)，从字符分类图中的(x,y)处的36个通道中选取概率最大的类别作为该矩形框的识别结果；
5)通过反向校验算法对识别结果进行验证，将识别后铁塔钢印编码的字符串同数据库中的表项进行匹配，在反向校验算法中，若能够匹配结果的相似度能够达到阈值，则进一步匹配过滤，得出最后的结果，将其录入数据库；若匹配结果计算的相似度低于阈值，则记为匹配失败，当次数超过设定值时，则判定机器无法识别结束；
6)服务器将识别错误的字符串以及照片返回给APP，人工修正错误的字符，并确定修正结果，再将修正结果传输回服务器，直接录入数据库。
7)服务器将其数据库中的识别结果上传至自动计件软件，通过自动计件软件进行各工位不同时间段的加工计件、数据显示、用户管理、数据统计及薪酬生成。
Claims (3)
1.输电铁塔零件加工自动计件系统的自动计件方法，其特征在于，自动计件系统包括数据采集设备、计件系统及服务器；所述数据采集设备用于获取生产线上的铁塔零件的钢印字符照片，并上传至服务器；所述服务器内置AI算法软件，用于对钢印字符照片中的钢印字符进行识别，并得到识别结果；所述计件系统将服务器中得到的识别结果进行分析，实现对各工位工人加工计件、数据实时显示、用户管理、数据统计及薪酬生成；所述数据采集设备包括PDA或智能手机以及APP，所述APP包括身份验证登录模块、拍照模块及数据传输模块，所述身份验证登录模块用于对不同工人进行身份验证，工人采用ID登录、人脸识别登录或指纹识别登录方式登录APP进行使用；所述拍照模块用于打开智能手机或PDA的摄像头，并进行人工拍照，以获取相应照片；所述数据传输模块用于将拍摄后的照片传输至服务器进行AI处理；所述计件系统包括图形用户界面、数据入库模块、数据可视化显示模块、用户管理模块、数据统计模块、薪酬生成模块；所述图形用户界面采用图形方式显示的计算机操作环境用户接口；所述数据入库模块将从服务器端获取的钢印字符、时间戳数据按照存储到相应的表中；所述数据可视化显示模块用于将入库数据在图形用户界面上以图、表形式进行显示；所述用户管理模块用于工人信息的增、删、改、权限分配操作，所述数据统计模块用于统计工人的加工件数生产数据，所述薪酬生成模块用于将工人的数据自动生成对应薪酬；
自动计件方法，包括如下步骤:
1）人工打开智能手机或PDA上的APP，并登陆进行身份验证，通过APP自动调用PDA或智能手机的摄像头，人工将摄像头对准完成打钢印后的铁塔零件钢印区域，APP自动完成定位和拍照，通过数据传输模块自动将图片传输回服务器；
2）服务器获取图像，对获取的图像进行尺寸变换，得到尺寸统一的图片，并将尺寸统一的图片进行归一化处理；
3）服务器内置AI算法用端到端的卷积神经网络对缩放后的图片进行推理计算，推理得到8通道的字符的四个点坐标图、36通道的字符的分类图及2通道的字符区域概率图，通过字符区域概率图的结果，筛选字符概率大于等于0.95的位置，进行下一步处理；
步骤3）中端到端的卷积神经网络，网络的主体结构包括编码网络部分、解码网络部分及网络头部；所述网络头部将网络主干输出的特征图进行字符的定位与识别，网络头部包括三个部分，第一部分将主干网络输出的特征图先通过两个含有32个3X3的卷积核的卷积层，最后用一层含有2个1X1卷积核的卷积层进行卷积得到通道数为2的字符区域概率图，其中一个概率图用0到1之间的数值表示每个像素为字符的概率，另一个概率图用0到1之间的数值表示每个像素为图片背景的概率，该部分网络结构在训练时可以提升字符识别的准确率；第二部分将主干网络输出的特征图先通过两个含有32个3X3的卷积核的卷积层，最后用一层含有8个1X1卷积核的卷积层进行卷积得到通道数为8的字符区域四边形坐标图，八个通道表示的数值分别记为[x1,y1,x2,y2,x3,y3,x4,y4]，分别表示字符区域四边形框的左上角坐标，右上角坐标，左下角坐标，右下角坐标；第三部分将主干网络输出的特征图先通过两个含有32个3X3的卷积核的卷积层，最后用一层含有36个1X1卷积核的卷积层进行卷积得到通道数为36的字符概率图，36个通道分别表示26个英文字母与10个阿拉伯数字的概率；
4）服务器内置AI算法用非极大值抑制，对推理的结果中重叠的四边形框进行融合得到最终的矩形框，通过矩形框中心点位置坐标（x,y），从字符分类图中的（x,y）处的36个通道中选取概率最大的类别作为该矩形框的识别结果；
5）服务器通过反向校验算法对识别结果进行验证，将识别后铁塔钢印编码的字符串同数据库中的表项进行匹配，在反向校验算法中，若能够匹配结果的相似度能够达到阈值，则进一步匹配过滤，得出最后的结果，将其录入数据库；若匹配结果计算的相似度低于阈值，则记为匹配失败，当次数超过设定值时，则判定机器无法识别结束；
6）服务器将识别错误的字符串以及照片返回给APP，人工在智能手机或PDA上修正错误的字符，并确定修正结果，再将修正结果传输回服务器，直接录入数据库；
7）服务器将其数据库中的识别结果上传至计件系统，计件系统通过自动计件软件进行各工位工人的加工计件、数据实时显示、用户管理、数据统计及薪酬生成。
2.根据权利要求1所述的输电铁塔零件加工自动计件系统的自动计件方法，其特征在于，所述编码网络部分卷积有四层，每层内有两层一样的卷积层，两层卷积层之间有Dropout层防止网络过拟合；输入图片在编码的过程中，每经过一层编码网络由于最大值池化操作图片长宽特征会各减少为1/2倍；编码网络后跟三层卷积核个数为256的卷积层，该卷积层后跟解码网络。
3.根据权利要求1所述的输电铁塔零件加工自动计件系统的自动计件方法，其特征在于，所述解码网络部分也有四层，每层内部首先将输入特征上采样，得到长宽各为2倍的特征，然后与编码网络部分尺寸相同的特征沿着通道维度堆叠，最后用两个相同的卷积层进行卷积，两个相同卷积层内有Dropout层防止网络过拟合；主干网络中卷积核大小均为3X3大小，最终主干网络输出长宽与输入图片一样的特征图，通道数为32。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110342579.XA CN113052558B (zh) | 2021-03-30 | 2021-03-30 | 输电铁塔零件加工自动计件系统及其自动计件方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110342579.XA CN113052558B (zh) | 2021-03-30 | 2021-03-30 | 输电铁塔零件加工自动计件系统及其自动计件方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113052558A CN113052558A (zh) | 2021-06-29 |
| CN113052558B true CN113052558B (zh) | 2023-05-30 |
Family
ID=76516419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110342579.XA Active CN113052558B (zh) | 2021-03-30 | 2021-03-30 | 输电铁塔零件加工自动计件系统及其自动计件方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113052558B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018142272A (ja) * | 2017-02-28 | 2018-09-13 | 株式会社エヌ・ティ・ティ・データ | コンテンツ評価予測システム及びコンテンツ評価予測方法 |
| CN110096982A (zh) * | 2019-04-22 | 2019-08-06 | 长沙千视通智能科技有限公司 | 一种基于深度学习的视频车辆大数据搜索方法 |
| CN110992382A (zh) * | 2019-12-30 | 2020-04-10 | 四川大学 | 用于辅助青光眼筛查的眼底图像视杯视盘分割方法及系统 |
| CN111127331A (zh) * | 2019-10-22 | 2020-05-08 | 广东启迪图卫科技股份有限公司 | 基于像素级全局噪声估计编解码网络的图像去噪方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104765345A (zh) * | 2015-03-24 | 2015-07-08 | 厦门理工学院 | 一种全自动面条流水线工位计件系统及方法 |
| CN105335828A (zh) * | 2015-11-20 | 2016-02-17 | 中山领创网络科技有限公司 | 一种生产管理的操作方法 |
| CN108427954B (zh) * | 2018-03-19 | 2021-08-27 | 上海壹墨图文设计制作有限公司 | 一种标牌信息采集与识别系统 |
| CN108597204A (zh) * | 2018-05-22 | 2018-09-28 | 广州市暨联牧科信息科技有限公司 | 一种智能抄表系统及其实现方法 |
| CN110135430A (zh) * | 2019-04-28 | 2019-08-16 | 广东技术师范大学 | 一种基于深度神经网络的铝材模具id自动识别系统 |
| CN111158311A (zh) * | 2020-02-12 | 2020-05-15 | 福建惠安新然石材有限公司 | 数控机床计件管理方法 |
| CN111508100A (zh) * | 2020-05-07 | 2020-08-07 | 陕西咸阳杜克普服装有限公司 | 一种服装生产计件显示终端及计件方法 |
| CN111860706A (zh) * | 2020-05-09 | 2020-10-30 | 张平 | 一种基于蓝牙扫描枪的盲扫计件系统及方法 |
| CN111652218A (zh) * | 2020-06-03 | 2020-09-11 | 北京易真学思教育科技有限公司 | 文本检测方法、电子设备及计算机可读介质 |
-
2021
- 2021-03-30 CN CN202110342579.XA patent/CN113052558B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018142272A (ja) * | 2017-02-28 | 2018-09-13 | 株式会社エヌ・ティ・ティ・データ | コンテンツ評価予測システム及びコンテンツ評価予測方法 |
| CN110096982A (zh) * | 2019-04-22 | 2019-08-06 | 长沙千视通智能科技有限公司 | 一种基于深度学习的视频车辆大数据搜索方法 |
| CN111127331A (zh) * | 2019-10-22 | 2020-05-08 | 广东启迪图卫科技股份有限公司 | 基于像素级全局噪声估计编解码网络的图像去噪方法 |
| CN110992382A (zh) * | 2019-12-30 | 2020-04-10 | 四川大学 | 用于辅助青光眼筛查的眼底图像视杯视盘分割方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113052558A (zh) | 2021-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109639481B (zh) | 一种基于深度学习的网络流量分类方法、系统及电子设备 | |
| CN107145810A (zh) | 一种全方位条码识别装置及方法 | |
| CN103597500A (zh) | 用于辨识对象中的文本信息的系统和方法 | |
| CN109635797B (zh) | 基于多载体识别技术的钢卷顺序精准定位方法 | |
| CN107491428A (zh) | 基于光学点阵技术的银行单及其信息录入方法及装置 | |
| CN111382808A (zh) | 一种车辆检测处理方法及装置 | |
| CN109886257B (zh) | 一种ocr系统中采用深度学习矫正发票图片分割结果的方法 | |
| CN112949437A (zh) | 一种手势识别方法、手势识别装置及智能设备 | |
| CN102831663A (zh) | 一种智能手机二维码考勤系统及方法 | |
| CN107369097A (zh) | 基于光学点阵技术的保险单及其信息录入方法及装置 | |
| CN113052558B (zh) | 输电铁塔零件加工自动计件系统及其自动计件方法 | |
| CN117456590B (zh) | 一种针对智能城市应用的视觉转换的人脸识别方法及装置 | |
| CN202773089U (zh) | 一种物联网智能移动终端 | |
| CN114359963A (zh) | 姿态识别方法及通信系统 | |
| CN104346596A (zh) | 一种qr码的识别方法及识别装置 | |
| CN111507119A (zh) | 标识码识别方法、装置、电子设备及计算机可读存储介质 | |
| CN109919154A (zh) | 一种字符智能识别方法及识别装置 | |
| CN113177941A (zh) | 一种钢卷边裂识别方法、系统、介质和终端 | |
| CN113159029A (zh) | 一种图片中局部信息精准抓取的方法和系统 | |
| CN112818970B (zh) | 一种钢卷喷码识别通用检测方法 | |
| CN112149442B (zh) | 畸变二维码的识别方法和装置、存储介质及电子装置 | |
| CN109255415A (zh) | 四维码及其识别方法、识别装置和服务器 | |
| CN113743296B (zh) | 一种基于5g网络的工业产品识别与溯源实现方法 | |
| CN103345779A (zh) | 一种智能手机二维码签到系统及方法 | |
| CN114332703A (zh) | 客流信息统计方法、装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |