CN113989503A - 一种生产线巡检系统、方法、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种生产线巡检系统、方法、电子设备及存储介质，该系统包括巡检控制平台和至少一个巡检机器人；巡检控制平台执行如下处理：确定生产线的目标点检场景以及目标巡检机器人；确定多个点检位置以及动作参数；生成点检任务；将点检任务发送至目标巡检机器人；目标巡检机器人执行如下处理：接收点检任务，对点检任务所指示的目标点检场景进行巡检；获得点检内容；调用目标巡检模型，将点检内容输入到目标巡检模型，以获得针对目标点检位置的巡检结果；根据巡检结果输出点检结果。通过采用上述生产线巡检系统、方法、电子设备及存储介质，解决了在卷烟厂制丝生产线的巡检过程中，巡检效率以及巡检精确性均较低的问题。

Description

一种生产线巡检系统、方法、电子设备及存储介质

技术领域

本申请涉及智能检测技术领域，尤其是涉及一种生产线巡检系统、方法、电子设备及存储介质。

背景技术

目前，我国卷烟厂制丝生产线的巡检工作由各工序岗位操作工人根据2016年烟草专卖局发布的《卷烟工艺规范》中的相关工艺质量巡检要求进行，巡检内容是对各生产设备及生产过程的工艺参数、设备参数、仪器仪表状态、物料状态、加工精度等大量细致而复杂的工作进行检查并报警。因此，在实际生产过程中存在着大量巡检工作，例如系统中的数据与现场屏幕、仪表中的数据进行记录和核对，现场物料状态巡查、开包工序后的杂物识别等，以及工艺、设备参数数据不匹配、仪表参数超过界限等生产问题。

现有技术中，烟草行业卷烟厂的自动化巡检场景仍停留在常规仓库巡检和盘点方式，即，采用常规巡检和特殊巡检两种方式，常规巡检：在每天的开工、完工时，物流中心会对缓存区内卷烟品及相关重点、关键位置进行抽查。特殊巡检：主要是应对现场件烟卡塞、多烟、少烟、取货报空以及月度、年度审计财务盘点等情况。

然而，由于卷烟厂制丝生产线的巡检工作重复性强且劳动强度高，并且我国烟草行业卷烟厂的车间内部车间均未采用巡检机器人辅助操作工进行工艺质量巡检，因此，采用当前的巡检方式会造成巡检效率低、巡检精确性差的问题。

发明内容

有鉴于此，本申请提供一种生产线巡检系统、方法、电子设备及存储介质，其目的是针对生产线上目标点检场景的特点，为其配置相应的巡检机器人，并为每个目标点检位置的点检项目匹配对应的目标巡检模型，解决了在卷烟厂制丝生产线的巡检过程中，巡检效率低、巡检精确性差的问题。

第一方面，本申请实施例提供了一种生产线巡检系统包括巡检控制平台和至少一个巡检机器人；其中，巡检控制平台执行如下处理：确定生产线的目标点检场景以及适应于目标点检场景的目标巡检机器人；确定在目标点检场景下的多个点检位置以及在每个点检位置处的动作参数；生成针对目标点检场景的点检任务，点检任务包括多个点检位置、在每个点检位置处的动作参数以及与每个点检位置对应的点检项目；将点检任务发送至目标巡检机器人；其中，目标巡检机器人执行如下处理：在接收到点检任务之后，对点检任务所指示的目标点检场景进行巡检；若目标巡检机器人达到点检任务中的目标点检位置，则控制目标巡检机器人按照在目标点检位置处的动作参数执行相应的动作，以获得与目标点检位置对应的点检内容；调用与目标点检位置对应的点检项目相匹配的目标巡检模型，将点检内容输入到目标巡检模型，以获得针对目标点检位置的巡检结果；根据巡检结果，输出针对目标点检位置的点检结果。

可选地，动作参数可包括动作类型标识、动作执行高度值、动作执行角度值，动作类型标识指示拍照动作，每个巡检机器人包括摄像头；其中，目标巡检机器人还可执行如下处理：调整摄像头的拍摄高度至动作执行高度值，调整摄像头的拍摄角度至动作执行角度值，控制摄像头执行动作类型标识所指示的拍照动作，获得针对目标点检位置的点检图像，并将点检图像确定为在目标点检位置对应的点检内容。

可选地，每个点检项目可包括识别标识，识别标识用于指示针对点检位置的巡检类型，每个巡检机器人中部署了多种类型的巡检模型；其中，目标巡检机器人还可执行如下处理：基于与点检点检位置对应点检项目的识别标识，将与识别标识所指示的巡检类型对应的巡检模型确定为目标巡检模型。

可选地，巡检结果可包括识别拟合度；其中，目标巡检机器人还可执行如下处理：将目标点检位置的识别拟合度与设定阈值进行比较；如果识别拟合度大于设定阈值，确定目标点检位置存在异常；基于所调用的目标巡检模型，确定目标点检位置的异常类型；将目标点检位置、点检内容、异常类型及巡检结果，确定为针对目标点检位置的点检结果。

可选地，生产线巡检系统还可包括移动终端及数据库服务器；其中，目标巡检机器人还可执行如下处理：如果确定目标点检位置存在异常，则通过数据库服务器将点检结果发送至移动终端。

可选地，数据库服务器可执行如下处理：将具有相同场景标识的点检结果划分为与同一目标点检场景相关的数据，并归为一组。

第二方面，本申请实施例提供了一种生产线巡检方法，包括：确定生产线的目标点检场景以及适应于目标点检场景的目标巡检机器人；确定在目标点检场景下的多个点检位置以及在每个点检位置处的动作参数；生成针对目标点检场景的点检任务，点检任务包括多个点检位置、在每个点检位置处的动作参数以及与每个点检位置对应的点检项目；将点检任务发送至目标巡检机器人，以使目标巡检机器人按照点检任务完成对点检任务所指示的目标点击按场景进行巡检。

可选地，通过以下方式确定适应于目标点检场景的目标巡检机器人：基于目标点检场景中所处的目标环境，选取支持在目标环境中进行巡检的巡检机器人确定为目标巡检机器人，目标环境可包括以下项中的至少一项地面、空中轨道及管道，目标巡检机器人可包括以下项中的至少一项：轨道悬挂式智能巡检机器人、地面移动式智能巡检机器人及管道滚动式巡检机器人。

第三方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述的生产线巡检方法的步骤。

第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述的生产线巡检方法的步骤。

本申请实施例带来了以下有益效果：

本申请实施例提供了一种生产线巡检系统、方法、电子设备及存储介质，包括巡检控制平台和至少一个巡检机器人；其中，巡检控制平台执行如下处理：确定生产线的目标点检场景以及适应于目标点检场景的目标巡检机器人；确定在目标点检场景下的多个点检位置以及在每个点检位置处的动作参数；生成针对目标点检场景的点检任务，点检任务包括多个点检位置、在每个点检位置处的动作参数以及与每个点检位置对应的点检项目；将点检任务发送至目标巡检机器人；其中，目标巡检机器人执行如下处理：在接收到点检任务之后，对点检任务所指示的目标点检场景进行巡检；若目标巡检机器人达到点检任务中的目标点检位置，则控制目标巡检机器人按照在目标点检位置处的动作参数执行相应的动作，以获得与目标点检位置对应的点检内容；调用与目标点检位置对应的点检项目相匹配的目标巡检模型，将点检内容输入到目标巡检模型，以获得针对目标点检位置的巡检结果；根据巡检结果，输出针对目标点检位置的点检结果。本申请通过针对生产线上目标点检场景的特点，为其配置相应的巡检机器人，并为每个目标点检位置的点检项目匹配对应的目标巡检模型，解决了在卷烟厂制丝生产线的巡检过程中，巡检的效率低、巡检精确性差的问题。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，以下附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的生产线巡检系统的结构示意图；

图2为本申请实施例提供的在巡检控制平台中执行的处理步骤的流程示意图；

图3为本申请实施例提供的在巡检机器人中执行的处理步骤的流程示意图；

图4为本申请实施例提供的生产线巡检方法的流程示意图；

图5为本申请实施例提供的电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

现有技术中，烟草行业卷烟厂的自动化巡检场景仍停留在常规仓库巡检和盘点方式，即，采用常规巡检和特殊巡检两种方式，常规巡检：在每天的开工、完工时，物流中心会对缓存区内卷烟品及相关重点、关键位置进行抽查。特殊巡检：主要是应对现场件烟卡塞、多烟、少烟、取货报空以及月度、年度审计财务盘点等情况。然而，由于卷烟厂制丝生产线的巡检工作重复性强且劳动强度高，并且我国烟草行业卷烟厂的车间内部车间均未采用巡检机器人辅助操作工进行工艺质量巡检，因此，采用当前的巡检方式会造成巡检效率低、巡检精确性差的问题。

基于此，本申请实施例提供一种生产线巡检系统、方法、电子设备及存储介质，通过针对生产线上目标点检场景的特点，为其配置相应的巡检机器人，并为每个目标点检位置的点检项目匹配对应的目标巡检模型，解决了在卷烟厂制丝生产线的巡检过程中，巡检的效率低、巡检精确性差的问题。

为便于对本实施例进行理解，首先对本申请实施例所公开的一种生产线巡检方法进行详细介绍，图1为本申请实施例提供的生产线巡检系统的结构示意图，如图1所示，该生产线巡检系统10包括巡检控制平台100、目标巡检机器人200。

首先，对本申请实施例中涉及的名称进行简单介绍。

在本申请实施例中可以在巡检场地中通过巡检控制平台100生成的点检任务控制目标巡检机器人200，对目标点检场景下多个点检位置的点检项目进行点检，其中：

巡检控制平台100：

是指能够对多个目标巡检机器人的巡检过程进行管理与控制的平台，该巡检控制平台能够将多个管理与控制系统进行统一化的集成管理和控制。

巡检场地：

是指卷烟厂的生产车间，生产车间的尺寸因卷烟厂的实际情况而定，每个生产车间中有多条生产线，每条生产线用以完成符合卷烟工艺规范的生产工艺。

本申请实施例提供了一种生产线巡检系统，能够通过针对生产线上目标点检场景的特点，为其配置相应的巡检机器人，并为每个目标点检位置的点检项目匹配对应的目标巡检模型，解决了在卷烟厂制丝生产线的巡检过程中，巡检的效率低、巡检精确性差的问题。

下面对本申请实施例提供的上述示例性的各部分分别进行说明。

巡检控制平台100可执行如下处理：

图2为本申请实施例提供的在巡检控制平台中执行的处理步骤的流程示意图。如图2所示，包括：

步骤S1001,确定生产线的目标点检场景以及适应于目标点检场景的目标巡检机器人；

步骤S1002，确定在目标点检场景下的多个点检位置以及在每个点检位置处的动作参数；

步骤S1003，生成针对目标点检场景的点检任务；

步骤S1004，将点检任务发送至目标巡检机器人。

在步骤S1001中，目标点检场景是指卷烟厂中的一条生产线，每条生产线对应一道生产工序，示例性的，生产工序包括但不限于：开包工序、回潮工序、加料工序，每道生产工序中包括多个生产设备，这些生产设备共同组成一道生产工序以实现相应的生产功能。在巡检过程中需要对生产工序的运转情况进行点检，以确保该生产工序处于满足生产要求的运行状态，通过对生产工序上的多个点检位置进行点检来达到监控运行状态的目的，将这些点检位置有序地组合在一起共同构成了目标点检场景。

目标巡检机器人200：是指能够自主定位和导航，使用雷达智能避障的智能机器人，该智能机器人搭载有摄像头，摄像头的高度和角度可调节，能够根据点检任务指示的巡检路径、巡检时间及巡检频率，对目标点检设备进行拍照、录像，实现全自动巡检场景监测，同时还具备报警功能。目标巡检机器人包括多种类型，目标巡检机器人200的类型包括但不限于：轨道悬挂式智能巡检机器人、地面移动式智能巡检机器人以及管道滚动式智能巡检机器人。

在一可选实施例中，通过以下方式确定适应于目标点检场景的目标巡检机器人200：基于目标点检场景所处的目标环境，选取支持在目标环境中进行巡检的巡检机器人确定为目标巡检机器人200，目标环境包括以下项中的至少一项：地面、空中轨道及管道，目标巡检机器人200包括以下项中的至少一项：轨道悬挂式巡检机器人、地面移动式巡检机器人及管道滚动式巡检机器人。

在具体实现时，针对目标环境为地面的目标点检场景，可选取地面移动式智能巡检机器人作为目标巡检机器人200，针对目标环境为空中轨道的目标点检场景，可选取轨道悬挂式智能巡检机器人作为目标巡检机器人200，针对目标环境为管道的目标点检场景，可选取管道滚动式智能巡检机器人作为目标巡检机器人200。如果目标点检场景处于多种目标环境下，则可通过与目标环境对应的多种类型的目标巡检机器人200的组合来对目标点检场景进行巡检。

在步骤S1002中，点检位置是指目标点检场景下的多个具体位置，这些点检位置即是生产车间中的具体点位，每个点检位置都有对应的点检编号，目标巡检机器人200执行点检任务时，会根据点检位置编号从小到大的顺序依次移动至各个目标点检位置处，执行相应的点检动作，以获取该目标点检位置的点检内容。

动作参数是指控制目标巡检机器人200在达到目标点检位置后，完成点检动作所需的参数，该动作参数包括但不限于动作类型标识、动作执行高度值、动作执行角度值，动作类型标识是指目标巡检机器人200执行的动作类型的标识，该动作类型标识包括但不限于：拍照、摄像、采集声音、采集振幅。

在具体实现时，巡检控制平台100会确定每个点检位置各自对应的一组动作参数，并将每个点检位置的动作参数与该点检位置的点检位置编号相对应，将包含了目标点检场景下所有目标点检位置的动作参数的点检任务发送至目标巡检机器人200，目标巡检机器人200将根据点检任务中的动作参数在目标点检位置处完成相应的动作。

在步骤S1003中，点检任务是指针对目标点检场景而设置的，能够被目标巡检机器人200识别并执行的任务，目标巡检机器人200能够根据点检任务完成对目标点检场景中多个点检位置的巡检，点检任务中明确了针对目标点检场景，目标巡检机器人200在整个巡检过程中每个巡检步骤的具体巡检行为，例如：点检任务明确了目标点检场景中每个点检位置的点检位置编号、每个点检位置的具体坐标、抵达每个点检位置所需执行的巡检动作以及该点检位置对应的点检项目。

这里，点检任务还可设置针对目标点检场景巡检的点检时间、点检频率及点检周期，如此，能够实现智能化巡检，精确控制目标巡检机器人200的点检时间及周期，例如：可设置在每周周一的下午2点，以每小时1次的频率对目标点检场景进行巡检。

在步骤S1004的具体实现中，巡检控制平台100可以将点检任务以指令代码或者指令文件的形式发送至目标巡检机器人200，目标巡检机器人200接收到点检任务后，对该点检任务进行解析识别，以依次完成对点检任务中指示的每个目标点检位置的点检动作。

目标巡检机器人200可执行如下处理：

图3为本申请实施例提供的在巡检机器人中执行的处理步骤的流程示意图。如图3所示，该方法包括：

步骤S2001,在接收到点检任务之后，对点检任务所指示的目标点检场景进行巡检；

步骤S2002，若目标巡检机器人达到点检任务中的目标点检位置，则控制目标巡检机器人按照在目标点检位置处的动作参数执行相应的动作，以获得与目标点检位置对应的点检内容；

步骤S2003，调用与目标点检位置对应的点检项目相匹配的目标巡检模型，将点检内容输入到目标巡检模型，以获得针对目标点检位置的巡检结果；

步骤S2004，根据巡检结果，输出针对目标点检位置的点检结果。

在步骤S2001具体实现中，目标巡检机器人200接收到点检任务后，会按照点检任务所指示的点检位置编号从小到大的顺序，依次移动至对应的点检位置处，然后执行相应的点检动作。

在步骤S2002中，点检内容是指目标巡检机器人200拍摄的图片、录像或者采集到的信号，为目标巡检机器人200配置不同的采集设备即可获取到不同的点检内容。

在具体实现时，当目标巡检机器人200每次移动至目标点检位置后，即根据点检任务中该目标点检位置的动作参数执行相应的动作，获取到该目标点检位置的点检内容后，继续移动至下一目标点检位置处，获取下一目标点检位置的点检内容，直至完成对目标点检场景中所有目标点检位置的巡检。

在一可选实施例中，动作类型标识指示拍照动作，每个巡检机器人包括摄像头，目标巡检机器人200还执行如下处理：调整摄像头的拍摄高度至动作执行高度值，调整摄像头的拍摄角度至动作执行角度值，控制摄像头执行动作类型标识所指示的拍照动作，获得针对目标点检位置的点检图像，并将点检图像确定为在目标点检位置对应的点检内容。

这里，动作执行高度值、动作执行角度值均是用于调整摄像头的位置，以使摄像头对准期望拍照的位置，获取该目标点检位置的点检内容。

在步骤S2003中，目标巡检模型是指运用深度学习算法训练得到的人工智能模型，目标巡检模型包括多种类型的目标巡检模型，每种类型的目标巡检模型能够针对不同类型的异常问题进行分析，以获取针对该异常问题最为合理的分析结果。示例性的，目标巡检模型的类型可包括但不限于：分类巡检模型、目标检测巡检模型及图像分割巡检模型。该目标巡检模型部署在目标巡检机器人200上，能够根据点检内容确定该目标点检位置是否达到点检要求。示例性的，目标巡检模型在建立好后，能够对2016年烟草专卖局发布的《卷烟工艺规范》中的工艺质量进行巡检，巡检内容包括但不限于各生产设备及生产过程的工艺参数、设备参数、仪器仪表状态、物料状态、加工精度，对异常图像进行检测和识别，并给出识别结果和分类。

这里，分类巡检模型是指能够对目标点检位置处图像中目标的所属分类进行识别的巡检模型，可通过分类神经网络算法对训练数据集进行训练，以得到分类巡检模型，示例性的，分类神经网络算法包括但不限于：DenseNet算法、ResNet算法。目标检测巡检模型是指能够对目标点检位置处图像中包括的目标及目标的具体位置进行识别的巡检模型，可通过目标检测神经网络算法对训练数据集进行训练，以得到目标检测巡检模型，示例性的，目标检测神经网络算法包括但不限于：FastRcnn算法、YOLO算法。图像分割巡检模型是指能够对目标点检位置处图像中的每个目标边缘进行识别，以区分出不同个体的巡检模型，可通过图像分割神经网络算法对训练数据集进行训练，以得到图像分割巡检模型，示例性的，图像分割神经网络算法包括但不限于：MaskRcnn算法。

需要指出的是，在将目标巡检模型部署在目标巡检机器人200之前，需要完成目标巡检模型的构建。这里，开发人员根据目标巡检场景的图片识别需求，通过点检任务控制目标巡检机器人200完成设定动作，目标巡检机器人200按照设定好的巡检路线、巡检时间、巡检频率，移动至指定目标点检位置，并执行设定动作以完成对目标点检场景的拍照工作。然后，将对所拍摄的照片进行图片标记及图像增强，以形成训练数据集，再运用不同的深度学习算法对训练数据集进行训练，构建不同类型的目标巡检模型。这里，还会通过调整算法参数来优化目标巡检模型，算法参数包括但不限于：学习频率、保存间隔、初始学习率、步数、学习衰减轮数，也可通过导入预训练模型进行迁移学习，以加快模型的收敛速度，最终通过评估使该目标巡检模型的拟合度和泛化性达到识别精度要求,若生成的目标巡检模型经过模型评估后，无法达到精度要求，则会持续对该目标巡检模型进行优化训练，直至该目标巡检模型达到精度要求。

在一可选实施例中，每个点检项目包括识别标识，识别标识用于指示针对点检位置的巡检类型，每个巡检机器人中部署了多种类型的巡检模型，其中，目标巡检机器人200还执行如下处理：基于与目标点检位置对应的点检项目的识别标识，将与识别标识所指示的巡检类型对应的巡检模型确定为目标巡检模型。

这里，点检项目是指目标巡检机器人200到达目标点检位置后点检的具体设备及巡检类型，其中，点检项目包括识别标识，通过该识别标识可确定具体的巡检类型，示例性的，巡检类型包括但不限于分类、目标检测及实例分割。

在具体实现时，点检任务中明确了每个目标点检位置对应的点检项目，目标巡检机器人200到达目标点检位置后，将根据点检项目中的识别标识确定与该识别标识对应的目标巡检模型，例如：识别标识指示巡检类型为分类，则目标巡检机器人200从多种类型的巡检模型中选取出分类巡检模型作为目标巡检模型，并将该目标点检位置对应的图像输入到该目标巡检模型中，以输出该目标点检位置的巡检结果。

在步骤S2004中，巡检结果是指能够表明目标点检位置出现异常问题的信息。

在一可选示例中，巡检结果包括识别拟合度，目标巡检机器人200还执行如下处理：将目标点检位置的识别拟合度与设定阈值进行比较；如果识别拟合度大于设定阈值，确定目标点检位置存在异常；基于所调用的目标巡检模型，确定目标点检位置的异常类型；将目标点检位置、点检内容、异常类型及巡检结果，确定为针对目标点检位置的点检结果。

这里，识别拟合度是用以表征目标点检位置的当前图像与目标图像的相似程度的数值，取值范围为0到1，其中，目标图像是指该目标点检位置的点检项目出现异常时的图像。设定阈值是一个设定的数值，本领域技术人员可以根据实际情况确定，本申请在此不作限定。异常类型与识别标识相互对应，例如：当目标点检位置的识别标识对应的识别方式为分类时，若识别拟合度大于设定阈值，则说明目标点检位置出现异常，且异常类型为分类异常。目标点检场景的标识用来表示多个目标点检场景中的具体哪个点检场景，该目标点检场景的标识可以是数字、符号或者文字，也可以是数字、符号或者文字的组合。

在另一可选示例中，目标巡检机器人200还可执行如下处理：将目标点检位置的识别拟合度与设定阈值进行比较；如果识别拟合度小于等于设定阈值，确定目标点检位置存在异常。此时，识别拟合度是用以表征目标点检位置的当前图像与该目标点检位置的点检项目未出现异常时的图像的相似程度的数值，取值范围为0到1。

需要指出的是，通过识别拟合度大于设定阈值来确定目标点检位置存在异常，还是通过识别拟合度小于等于设定阈值来确定目标点检位置存在异常，可依据目标点检场景的负样本采集难度而定，这里，负样本是指错误样本，即目标点检位置的点检项目发生异常时的图像，正样本是指正确样本，即目标点检位置的点检项目无异常时的图像，例如：如果负样本的采集困难，则将正样本图像作为目标图像，此时当点检图像与目标图像的相似度小于等于设定阈值时发出报警提示；如果负样本采集容易，则将负样本图像作为目标图像，此时当点检图像与目标图像的相似度大于设定阈值时发出报警提示。

在具体实现时，如果目标点检位置的识别拟合度大于设定阈值，说明该目标点检位置出现异常，此时，目标巡检机器人会确定与目标点检位置对应的点检结果，以明确发生异常的目标点检位置的具体信息。

在一可选实施例中，生产线巡检系统还包括数据库服务器300及移动终端400，其中，目标巡检机器人200还执行如下处理：如果确定目标点检位置存在异常，则通过数据库服务器300将点检结果发送至移动终端400。

这里，移动终端400主要是指用于显示点检结果，并能够对点检结果进行操作的移动设备，移动终端400可包括以下设备中的任意一种：智能手机、平板电脑、笔记本电脑。点检结果是指能够说明目标点检位置的点检情况的信息，包括目标点检场景的标识、目标点检位置、点检内容、异常类型及巡检结果。

在一可选实施例中，数据库服务器300执行如下处理：将具有相同场景标识的点检结果划分为与同一目标点检场景相关的数据，并归为一组。

这里，数据库服务器300主要用于对点检结果进行分类存储，以供工作人员对点检信息进行查询，场景标识是指目标点检场景的标识，该标识可以是数字、符号或者文字，也可以是上述标识的组合。

在具体实现时，数据库服务器300将接收到的点检结果根据场景标识进行分类存储，以使工作人员可以根据场景标识查询到与该场景标识对应的目标点检场景的点检结果。

需要指出的是，数据库服务器300上可部署数据分析软件，对目标巡检机器人200发送的点检结果进行分析及汇总，在日常巡检工作中，该数据分析软件还具备自动生成巡检报表，并对每个巡检区域的问题生成相关统计图，以便将巡检数据分析情况发送给管理员。数据分析软件可根据设定的时间段查询巡检记录历史报表。

可见，与现有技术相比，本申请可实现如下有益效果：

1)本通过目标巡检机器人到达设定好的目标巡检位置，对相关巡检场景进行规定频率的自动巡检，并对异常进行报警，减少相关岗位操作工数量，降低企业运营成本。

2)目标巡检机器人能够根据深度学习模型对巡检场景图片进行比对、识别及报警，标准统一，降低了由于人员状态及业务能力不足等因素造成的异常情况发生的概率。

3)借助训练模型的精确性，巡检机器人执行巡检路径、频率的统一性，有助于提升烟草专卖局《卷烟工艺规范》中相关巡检要求执行的规范性。传统巡检方式，主要依靠操作工人主观意愿来执行相关规定要求，巡检中问题的发现也与个人业务能力有关，常导致《卷烟工艺规范》中的相关要求执行不到位，本申请引入的生产线巡检方法，能够按照设定好的规则对相关工艺巡检进行智能检查，对巡检结果进行数据留存及统计分析。这最大程度降低了人为因素对《卷烟工艺规范》中标准执行的不统一，提高了执行的统一性。

4)传统的计算机视觉识别算法无法训练出识别《卷烟工艺规范》中多数场景图片的模型。而发明中使用的深度学习算法中的分类、语义分割、目标检测、实例分割等各类算法能够对这些场景图片进行建模，可根据图片识别场景的具体需求，训练出高精度的图片识别模型。实现异常场景图片的识别报警，提高了巡检标准的统一性及精确性。

5)由于每家卷烟厂的设备大小、位置、实际空间等限制，导致《卷烟工艺规范》中部分巡检要求由操作工人实际执行困难，甚至有些巡检点位受限于高度、安全等原因无法完全执行。本发明中采用轨道悬挂式智能巡检机器人、地面移动式智能巡检机器人以及管道滚动式智能巡检机器人，能够分别在空中、地面、管道内进行图片采集及智能巡检，最大程度上的解决该问题。实现巡检困难地点的巡检工作。

6)传统人工巡检的巡检记录、异常问题报警等主要依靠操作工人手动记录，记录的可信度较差，问题分析也需要人工进行。本申请可将所有巡检项目及结果进行分类统计，结果保存在关系型数据库内，并可根据查询需求生成EXCEL表格，并推送至管理人员手机app。能够按每日、每周、每月的频率给移动客户端推送图形化日报、周报、月报表。

基于同一发明构思，本申请实施例中还提供了与生产线巡检系统对应的生产线巡检方法，由于本申请实施例中的方法解决问题的原理与本申请实施例上述生产线巡检系统相似，因此方法的实施可以参见系统的实施，重复之处不再赘述。

图4为本申请实施例提供的生产线巡检方法的流程示意图，如图4所示，该方法包括：

步骤S501，确定生产线的目标点检场景以及适应于目标点检场景的目标巡检机器人；

步骤S502，确定在目标点检场景下的多个点检位置以及在每个点检位置处的动作参数；

步骤S503，生成针对目标点检场景的点检任务；

步骤S504，将点检任务发送至目标巡检机器人，以使目标巡检机器人按照点检任务完成对生产线的智能巡检。

可选地，通过以下方式确定适应于目标点检场景的目标巡检机器人：基于目标点检场景所处的目标环境，选取支持在目标环境中进行巡检的巡检机器人确定为目标巡检机器人，目标环境包括以下项中的至少一项：地面、空中轨道及管道，目标巡检机器人包括以下项中的至少一项：轨道悬挂式巡检机器人、地面移动式巡检机器人及管道滚动式巡检机器人。

对应于图4中的生产线巡检方法，本申请实施例还提供了一种电子设备600的结构示意图，如图5所示，所述电子设备600包括处理器610、存储器620和总线630。所述存储器620存储有所述处理器610可执行的机器可读指令，当电子设备600运行时，所述处理器610与所述存储器620之间通过总线630通信，所述机器可读指令被所述处理器610执行时，能够执行上述生产线巡检方法，通过针对生产线上目标点检场景的特点，为其配置相应的巡检机器人，并为每个目标点检位置的点检项目匹配对应的目标巡检模型，解决了在卷烟厂制丝生产线的巡检过程中，巡检的效率低、巡检精确性差的问题。

对应于图4中的生产线巡检方法，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述生产线巡检方法的步骤。

具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述生产线巡检方法，通过针对生产线上目标点检场景的特点，为其配置相应的巡检机器人，并为每个目标点检位置的点检项目匹配对应的目标巡检模型，解决了在卷烟厂制丝生产线的巡检过程中，巡检的效率低、巡检精确性差的问题。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，可以参考上述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种生产线巡检系统，其特征在于，包括巡检控制平台和至少一个巡检机器人；

其中，巡检控制平台执行如下处理：

确定生产线的目标点检场景以及适应于所述目标点检场景的目标巡检机器人；

确定在所述目标点检场景下的多个点检位置以及在每个点检位置处的动作参数；

生成针对所述目标点检场景的点检任务，所述点检任务包括多个点检位置、在每个点检位置处的动作参数以及与每个点检位置对应的点检项目；

将点检任务发送至所述目标巡检机器人；

其中，所述目标巡检机器人执行如下处理：

在接收到所述点检任务之后，对所述点检任务所指示的目标点检场景进行巡检；

若所述目标巡检机器人达到点检任务中的目标点检位置，则控制所述目标巡检机器人按照在所述目标点检位置处的动作参数执行相应的动作，以获得与所述目标点检位置对应的点检内容；

调用与所述目标点检位置对应的点检项目相匹配的目标巡检模型，将所述点检内容输入到所述目标巡检模型，以获得针对所述目标点检位置的巡检结果；

根据所述巡检结果，输出针对目标点检位置的点检结果。

2.如权利要求1所述的生产线巡检系统，其特征在于，动作参数包括动作类型标识、动作执行高度值、动作执行角度值，所述动作类型标识指示拍照动作，每个巡检机器人包括摄像头；

其中，所述目标巡检机器人还执行如下处理：

调整摄像头的拍摄高度至动作执行高度值，调整摄像头的拍摄角度至动作执行角度值，控制摄像头执行动作类型标识所指示的拍照动作，获得针对所述目标点检位置的点检图像，并将所述点检图像确定为在所述目标点检位置对应的点检内容。

3.如权利要求2所述的生产线巡检系统，其特征在于，每个点检项目包括识别标识，所述识别标识用于指示针对点检位置的巡检类型，每个巡检机器人中部署了多种类型的巡检模型；

其中，所述目标巡检机器人还执行如下处理：

基于与所述目标点检位置对应的点检项目的识别标识，将与所述识别标识所指示的巡检类型对应的巡检模型确定为目标巡检模型。

4.如权利要求1所述的生产线巡检系统，其特征在于，所述巡检结果包括识别拟合度；

其中，所述目标巡检机器人还执行如下处理：

将所述目标点检位置的识别拟合度与设定阈值进行比较；

如果所述识别拟合度大于设定阈值，确定所述目标点检位置存在异常；

基于所调用的目标巡检模型，确定所述目标点检位置的异常类型；

将目标点检位置、点检内容、异常类型及巡检结果，确定为针对目标点检位置的点检结果。

5.如权利要求4所述的生产线巡检系统，其特征在于，所述生产线巡检系统还包括移动终端及数据库服务器；

其中，所述目标巡检机器人还执行如下处理：

如果确定所述目标点检位置存在异常，则通过数据库服务器将所述点检结果发送至移动终端。

6.如权利要求5所述的生产线巡检系统，其特征在于，所述数据库服务器执行如下处理：

将具有相同场景标识的点检结果划分为与同一目标点检场景相关的数据，并归为一组。

7.一种生产线巡检方法，其特征在于，包括：

确定生产线的目标点检场景以及适应于所述目标点检场景的目标巡检机器人；

确定在所述目标点检场景下的多个点检位置以及在每个点检位置处的动作参数；

生成针对所述目标点检场景的点检任务，所述点检任务包括多个点检位置、在每个点检位置处的动作参数以及与每个点检位置对应的点检项目；

将点检任务发送至所述目标巡检机器人，以使所述目标巡检机器人按照所述点检任务完成对所述点检任务所指示的目标点检场景进行巡检。

8.如权利要求7所述的生产线巡检方法，其特征在于，通过以下方式确定适应于所述目标点检场景的目标巡检机器人：

基于目标点检场景所处的目标环境，选取支持在所述目标环境中进行巡检的巡检机器人确定为目标巡检机器人，所述目标环境包括以下项中的至少一项：地面、空中轨道及管道，所述目标巡检机器人包括以下项中的至少一项：轨道悬挂式巡检机器人、地面移动式巡检机器人及管道滚动式巡检机器人。

9.一种电子设备，其特征在于，包括处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求7或8所述的生产线巡检方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求7或8所述的生产线巡检方法的步骤。

Images