CN114581442A - 用于mes系统的产品检测方法及装置 - Google Patents
用于mes系统的产品检测方法及装置 Download PDFInfo
- Publication number
- CN114581442A CN114581442A CN202210479017.4A CN202210479017A CN114581442A CN 114581442 A CN114581442 A CN 114581442A CN 202210479017 A CN202210479017 A CN 202210479017A CN 114581442 A CN114581442 A CN 114581442A
- Authority
- CN
- China
- Prior art keywords
- production
- product
- position information
- sampling
- parameters
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及智能生产设备技术领域,具体公开了一种用于MES系统的产品检测方法及装置,所述方法包括根据预设的采样参数获取含有位置信息的产品信息,得到产品信息库;根据所述位置信息读取参考图像,基于所述参考图像对相应的产品信息库进行数据检测,得到各产品信息库的异常值;当任一异常值达到预设的异常阈值时,根据所述位置信息获取相关生产设备的生产参数,确定各生产设备的检测次序。本发明通过具备移动功能的图像获取设备采集产品信息,对所述产品信息进行检测,确定问题产品,然后根据问题产品的位置信息获取生产设备的生产参数,借助图像识别技术对生产参数进行智能分析,进而确定人工检测的顺序,检测效率极高,可移植性较高。
Description
技术领域
本发明涉及智能生产设备技术领域,具体是一种用于MES系统的产品检测方法及装置。
背景技术
MES系统是一套面向制造企业车间执行层的生产信息化管理系统,采用强大数据采集引擎、整合数据采集渠道(RFID、条码设备、PLC、Sensor、IPC、PC等)覆盖整个工厂制造现场,保证海量现场数据的实时、准确、全面的采集。
其中,MES系统最常见的一种应用就是产品检测,通过一些识别设备及相应的识别算法可以第一时间发现产品的质量问题,但是,现有的检测技术中在检测到质量问题时就戛然而止了,对于质量问题的原因不做考虑。实际上,产品出现问题几乎都是生产设备出现了问题,在智能化水平较高的MES系统中,在原有的基础上进行生产设备的检测可以极大地降低工作人员的维护成本,因此,如何在产品检测的基础上对生产设备进行排查是本发明技术方案想要解决的技术问题。
发明内容
本发明的目的在于提供一种用于MES系统的产品检测方法及装置,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种用于MES系统的产品检测方法,所述方法包括:
根据预设的采样参数获取含有位置信息的产品信息,实时获取各生产设备的生产参数,建立所述生产参数和所述位置信息之间的映射关系;所述采样参数包括采样路径和采样频率;
根据所述位置信息对所述产品信息进行分类,得到以位置信息为索引的产品信息库;
根据所述位置信息读取参考图像,基于所述参考图像对相应的产品信息库进行数据检测,得到各产品信息库的异常值,并基于所述异常值实时调整采样参数;
当任一异常值达到预设的异常阈值时,读取相应产品信息库的位置信息,基于所述映射关系根据所述位置信息获取相关生产设备的生产参数,基于所述生产参数确定各生产设备的检测次序。
作为本发明进一步的方案:所述根据预设的采样参数获取含有位置信息的产品信息,实时获取各生产设备的生产参数,建立所述生产参数和所述位置信息之间的映射关系包括:
接收用户输入的采样路径,获取生产设备的位置信息,根据所述采样路径和所述位置信息确定采样点;
接收用户输入的采样频率,当采样端运动到所述采样点处时,基于所述采样频率获取产品图像;
实时获取各生产设备的生产参数,得到以生产设备的设备标签为索引的生产参数表;
获取并连接与采样点相邻的生产设备的位置信息,得到采样点的位置信息,将所述采样点的位置信息与所述产品图像连接。
作为本发明进一步的方案:所述根据所述位置信息读取参考图像,基于所述参考图像对相应的产品信息库进行数据检测,得到各产品信息库的异常值,并基于所述异常值实时调整采样参数的步骤包括:
依次读取含有位置信息的产品信息库,根据所述位置信息在预设的参考产品库中读取参考图像;
基于所述参考图像遍历比对所述产品信息库中的各项数据,根据比对结果标记各项数据的差异值;
基于各项数据的差异值确定该产品信息库的异常值,并基于所述异常值实时调整采样参数。
作为本发明进一步的方案:所述基于所述参考图像遍历比对所述产品信息库中的各项数据,根据比对结果标记各项数据的差异值的步骤包括:
依次读取所述产品信息库中的产品图像,对所述产品图像和所述参考图像进行轮廓识别,根据轮廓识别结果确定背景区域;
比对所述产品图像的背景区域和所述参考图像的背景区域,根据比对结果确定环境影响因子;
基于所述环境影响因子对所述产品图像进行色值转换,得到理论图像;
将所述理论图像与所述参考图像进行逻辑运算,输出差异图像;
将所述差异图像输入训练好的图像分析模型,得到该产品图像的差异值。
作为本发明进一步的方案:所述基于各项数据的差异值确定该产品信息库的异常值,并基于所述异常值实时调整采样参数的步骤包括:
读取同一产品信息库中不同产品图像的差异值,得到差异数组;
将所述差异数组与预设的至少一个阈值数组进行作差,得到差值数组;其中,所述差值数组中的数据含有符号;
将所述差异数组与所述差值数组输入训练好的异常分析模型,得到产品信息库的异常值;
根据不同产品信息库的异常值确定采样比重,根据所述采样比重调整不同采样点处的采样频率。
作为本发明进一步的方案:所述当任一异常值达到预设的异常阈值时,读取相应产品信息库的位置信息,基于所述映射关系根据所述位置信息获取相关生产设备的生产参数,基于所述生产参数确定各生产设备的检测次序的步骤包括:
当任一异常值达到预设的异常阈值时,获取相应产品信息库对应的采样点的位置信息;
基于所述采样点的位置信息定位相应的生产设备,获取相应生产设备的生产参数;
将所述生产参数转换为生产图像,对所述生产图像进行特征识别,得到相应生产设备的问题概率;
根据所述问题概率确定各生产设备的检测次序。
作为本发明进一步的方案:所述将所述生产参数转换为生产图像,对所述生产图像进行特征识别,得到相应生产设备的问题概率包括:
读取以生产设备的设备标签为索引的生产参数表,根据所述生产参数表生成生产曲线;其中,所述生产曲线的自变量为时间;
对所有生产曲线进行色彩赋值,将色彩赋值后的生产曲线插入预设的背景图像,得到生产图像;
根据预设的截取范围将所述生产图像拆分为子区域,并在所述子区域中筛选出含有曲线段的子区域,得到子区域组;
计算子区域组中各子区域中的曲线曲率,基于所述曲线曲率确定问题子区域,根据问题子区域确定生产设备的问题概率。
本发明技术方案还提供了一种用于MES系统的产品检测装置,所述装置包括:
数据采集模块,用于根据预设的采样参数获取含有位置信息的产品信息,实时获取各生产设备的生产参数,建立所述生产参数和所述位置信息之间的映射关系;所述采样参数包括采样路径和采样频率;
数据分类模块,用于根据所述位置信息对所述产品信息进行分类,得到以位置信息为索引的产品信息库;
参数调整模块,用于根据所述位置信息读取参考图像,基于所述参考图像对相应的产品信息库进行数据检测,得到各产品信息库的异常值,并基于所述异常值实时调整采样参数;
设备检测模块,用于当任一异常值达到预设的异常阈值时,读取相应产品信息库的位置信息,基于所述映射关系根据所述位置信息获取相关生产设备的生产参数,基于所述生产参数确定各生产设备的检测次序。
作为本发明进一步的方案:所述数据采集模块包括:
采样点确定单元,用于接收用户输入的采样路径,获取生产设备的位置信息,根据所述采样路径和所述位置信息确定采样点;
图像获取单元,用于接收用户输入的采样频率,当采样端运动到所述采样点处时,基于所述采样频率获取产品图像;
参数表生成单元,用于实时获取各生产设备的生产参数,得到以生产设备的设备标签为索引的生产参数表;
数据连接单元,用于获取并连接与采样点相邻的生产设备的位置信息,得到采样点的位置信息,将所述采样点的位置信息与所述产品图像连接。
作为本发明进一步的方案:所述参数调整模块包括:
图像读取单元,用于依次读取含有位置信息的产品信息库,根据所述位置信息在预设的参考产品库中读取参考图像;
差异值计算单元,用于基于所述参考图像遍历比对所述产品信息库中的各项数据,根据比对结果标记各项数据的差异值;
处理执行单元,用于基于各项数据的差异值确定该产品信息库的异常值,并基于所述异常值实时调整采样参数。
与现有技术相比,本发明的有益效果是:本发明通过具备移动功能的图像获取设备采集产品信息,对所述产品信息进行检测,确定问题产品,然后根据问题产品的位置信息获取生产设备的生产参数,借助图像识别技术对生产参数进行智能分析,进而确定人工检测的顺序,检测效率极高,可移植性较高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例。
图1为用于MES系统的产品检测方法的流程框图。
图2为用于MES系统的产品检测方法的第一子流程框图。
图3为用于MES系统的产品检测方法的第二子流程框图。
图4为用于MES系统的产品检测方法的第三子流程框图。
图5为用于MES系统的产品检测装置的组成结构框图。
图6为用于MES系统的产品检测装置中数据采集模块的组成结构框图。
图7为用于MES系统的产品检测装置中参数调整模块的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
图1为用于MES系统的产品检测方法的流程框图,本发明实施例中,一种用于MES系统的产品检测方法,所述方法包括步骤S100至步骤S400:
步骤S100:根据预设的采样参数获取含有位置信息的产品信息,实时获取各生产设备的生产参数,建立所述生产参数和所述位置信息之间的映射关系;所述采样参数包括采样路径和采样频率;
步骤S100的目的是获取待处理的数据,所述待处理的数据包括产品的信息和设备的信息,产品由设备加工后进入下一个设备,从宏观上来说,产品和设备是间隔分布的,所以,产品信息与生产参数之间存在着一定的位置映射关系,由产品信息可以推断出相邻的生产参数,由生产参数也可以推断出相邻的产品信息。
举例来说,对于一个含有三个生产设备的生产流程,三个设备分别为A、B和C,从A、B和C中出来的产品分别为1、2和3,1在A之后,B之前,2在B之后,C之前,这就是上述位置映射关系的含义。因此,在获取到含有位置信息的产品信息时,根据位置信息可以确定相邻设备的生产参数,反之亦然。
步骤S200:根据所述位置信息对所述产品信息进行分类,得到以位置信息为索引的产品信息库;
本发明技术方案中的信息获取过程由一个移动的图像获取设备完成,并不是在所有产品的位置处均安装图像获取设备,当然,后一种方案也是可行的技术方案,但是资源利用率不高,获取到的产品信息以位置信息为索引进行存储。
步骤S300:根据所述位置信息读取参考图像,基于所述参考图像对相应的产品信息库进行数据检测,得到各产品信息库的异常值,并基于所述异常值实时调整采样参数;
步骤S400:当任一异常值达到预设的异常阈值时,读取相应产品信息库的位置信息,基于所述映射关系根据所述位置信息获取相关生产设备的生产参数,基于所述生产参数确定各生产设备的检测次序。
对不同的产品信息库进行数据分析,能够判断某一产品是否存在问题,如果存在问题,那么就需要检测该产品之前的所有生产设备,这些生产设备的检测过程有智能检测和人工检测,智能检测的速度较快,人工检测的准确度较高,本发明技术方案通过智能检测确定人工检测的顺序,基于这一顺序再进行人工检测。
值得一提的是,最终确定的顺序为人工检测的顺序,设备问题的检测,大都通过专业人员的人工检测方式来完成,人工检测存在一个效率问题,最好的情况就是检测的第一个设备是问题设备,最坏的情况是最后一个设备是问题设备,在人工检测过程之前,增设智能检测过程,可以有效的提高人工检测效率。
图2为用于MES系统的产品检测方法的第一子流程框图,所述根据预设的采样参数获取含有位置信息的产品信息,实时获取各生产设备的生产参数,建立所述生产参数和所述位置信息之间的映射关系包括步骤S101至步骤S104:
步骤S101:接收用户输入的采样路径,获取生产设备的位置信息,根据所述采样路径和所述位置信息确定采样点;
步骤S102:接收用户输入的采样频率,当采样端运动到所述采样点处时,基于所述采样频率获取产品图像;
步骤S103:实时获取各生产设备的生产参数,得到以生产设备的设备标签为索引的生产参数表;
步骤S104:获取并连接与采样点相邻的生产设备的位置信息,得到采样点的位置信息,将所述采样点的位置信息与所述产品图像连接。
为了提高资源利用率,本发明技术方案采用的是一个可以往复运动的图像获取设备,这样,就可以在图像获取设备上投入较高成本,获取质量极高的图像,进而确定产品状态,可以想到,在成本不变的情况下,如果是多台图像获取设备,那势必会降低多台图像获取设备的性能。所述图像获取设备的运动过程就是所述采样路径,所述采样路径由用户输入。
对于可以往复运动的图像获取设备来说,首先需要确定采样点,采样点由生产设备的位置信息确定,采样频率可以理解为在采样点处获取多少张图像;将获取到的图像与采样点的位置信息连接,就得到了最终数据。
值得一提的是,采样点的位置是在生产设备之间,采样点的位置信息与生产设备的位置信息是不同的。
图3为用于MES系统的产品检测方法的第二子流程框图,所述根据所述位置信息读取参考图像,基于所述参考图像对相应的产品信息库进行数据检测,得到各产品信息库的异常值,并基于所述异常值实时调整采样参数的步骤包括步骤S301至步骤S303:
步骤S301:依次读取含有位置信息的产品信息库,根据所述位置信息在预设的参考产品库中读取参考图像;
步骤S302:基于所述参考图像遍历比对所述产品信息库中的各项数据,根据比对结果标记各项数据的差异值;
步骤S303:基于各项数据的差异值确定该产品信息库的异常值,并基于所述异常值实时调整采样参数。
异常值指的是产品信息库的异常值,产品信息库由产品图像组成,将产品图像与参考图像比对,确定差异值,由所有产品图像的差异值可以确定产品信息库的异常值,获取到了异常值之后,根据这一异常值调整采样参数,使得可以往复运动的图像获取设备获取更多的异常值较高的产品信息库对应的产品图像。
进一步的,所述基于所述参考图像遍历比对所述产品信息库中的各项数据,根据比对结果标记各项数据的差异值的步骤包括:
依次读取所述产品信息库中的产品图像,对所述产品图像和所述参考图像进行轮廓识别,根据轮廓识别结果确定背景区域;
比对所述产品图像的背景区域和所述参考图像的背景区域,根据比对结果确定环境影响因子;
基于所述环境影响因子对所述产品图像进行色值转换,得到理论图像;
将所述理论图像与所述参考图像进行逻辑运算,输出差异图像;
将所述差异图像输入训练好的图像分析模型,得到该产品图像的差异值。
上述内容对产品图像的差异值确定过程进行了具体的描述,首先,为了保证图像的稳定性,可以往复运动的图像获取设备的高度一般不会变化,就算高度存在区别,也需要根据高度对产品图像进行缩放,使得产品图像与参考图像的大小相同;然后,根据产品图像和参考图像中的背景区域确定环境影响因子,这一步骤的原因是,图像获取设备的工作过程中,受环境影响因素较高,光照的充足与否,对产品图像的影响极大,通俗地说,环境影响因子可以理解为“滤镜”;最后,根据所述环境影响因子对产品图像进行转换,得到与参考图像同一环境下的理论图像,将所述理论图像与参考图像进行比对,就可以得到一个差异图像,进而确定产品图像的差异值。
具体的,所述基于各项数据的差异值确定该产品信息库的异常值,并基于所述异常值实时调整采样参数的步骤包括:
读取同一产品信息库中不同产品图像的差异值,得到差异数组;
将所述差异数组与预设的至少一个阈值数组进行作差,得到差值数组;其中,所述差值数组中的数据含有符号;
将所述差异数组与所述差值数组输入训练好的异常分析模型,得到产品信息库的异常值;
根据不同产品信息库的异常值确定采样比重,根据所述采样比重调整不同采样点处的采样频率。
上述内容对采样参数的调整过程进行了具体的限定,同一产品信息库中的不同产品图像都具备一个差异值,统计这些差异值可以得到一个与产品信息库对应的差异数组,将这一差异数组与预设的阈值数组进行作差,可以得到一个差值数组,所述差值数组就代表着该产品信息库中有哪些值是差异值超出了阈值,因此,对差值数组进行分析,即可确定产品信息库的异常值;统计所有产品信息库的异常值,再基于所述异常值计算不同产品信息库所占的比重,进而调整不同采样点处的采样频率。
值得一提的是,由差异数组和差值数组确定异常值的逻辑不唯一,比如,如果差异数组自身的波动幅度较大,也就是方差较大,就可以认为异常值较高;如果差值数组中某一符号的数值数量过多,也可以认为异常值较高;具体的判定标准由本领域技术人员确定。
图4为用于MES系统的产品检测方法的第三子流程框图,所述当任一异常值达到预设的异常阈值时,读取相应产品信息库的位置信息,基于所述映射关系根据所述位置信息获取相关生产设备的生产参数,基于所述生产参数确定各生产设备的检测次序的步骤包括步骤S401至步骤S404:
步骤S401:当任一异常值达到预设的异常阈值时,获取相应产品信息库对应的采样点的位置信息;
步骤S402:基于所述采样点的位置信息定位相应的生产设备,获取相应生产设备的生产参数;
步骤S403:将所述生产参数转换为生产图像,对所述生产图像进行特征识别,得到相应生产设备的问题概率;
步骤S404:根据所述问题概率确定各生产设备的检测次序。
步骤S401至步骤S404对步骤S400进行了扩充,需要说明的是,各产品信息库的异常值时有波动,如果它们在某一限度内,那么不断地采集新的产品图像,然后更新异常值,一旦某个异常值过高,也就是达到了预设的异常阈值时,那么就触发了设备检测过程。
生产设备的检测过程有两种,一是智能检测,二是人工检测;所述智能检测的过程依赖于生产参数,各生产设备的生产参数是已经获取并且按照位置信息进行存储的,根据采样点的位置信息可以获取相应的生产设备的生产参数,所述相应的生产设备是该采样点之前的所有生产设备;基于所述生产参数可以对生产设备进行快速的检测,进而确定人工检测的顺序。
进一步的,所述将所述生产参数转换为生产图像,对所述生产图像进行特征识别,得到相应生产设备的问题概率包括:
读取以生产设备的设备标签为索引的生产参数表,根据所述生产参数表生成生产曲线;其中,所述生产曲线的自变量为时间;
对所有生产曲线进行色彩赋值,将色彩赋值后的生产曲线插入预设的背景图像,得到生产图像;
根据预设的截取范围将所述生产图像拆分为子区域,并在所述子区域中筛选出含有曲线段的子区域,得到子区域组;
计算子区域组中各子区域中的曲线曲率,基于所述曲线曲率确定问题子区域,根据问题子区域确定生产设备的问题概率。
上述内容对基于生产参数的智能检测过程进行了具体的限定,其核心思想为,将生产参数转换为曲线,然后将多种生产参数得到的曲线插入同一图像,再通过现有的图像识别对该图像进行内容识别,最终确定生产设备的问题概率。这么做的好处是,对各种各样的生产参数统一分析,极大地降低了算法设计难度,并且分析效率较高,分析结果足以满足本发明技术方案中确定人工检测顺序的需求。
实施例2
图5为用于MES系统的产品检测装置的组成结构框图,本发明实施例中,一种用于MES系统的产品检测装置,所述装置10包括:
数据采集模块11,用于根据预设的采样参数获取含有位置信息的产品信息,实时获取各生产设备的生产参数,建立所述生产参数和所述位置信息之间的映射关系;所述采样参数包括采样路径和采样频率;
数据分类模块12,用于根据所述位置信息对所述产品信息进行分类,得到以位置信息为索引的产品信息库;
参数调整模块13,用于根据所述位置信息读取参考图像,基于所述参考图像对相应的产品信息库进行数据检测,得到各产品信息库的异常值,并基于所述异常值实时调整采样参数;
设备检测模块14,用于当任一异常值达到预设的异常阈值时,读取相应产品信息库的位置信息,基于所述映射关系根据所述位置信息获取相关生产设备的生产参数,基于所述生产参数确定各生产设备的检测次序。
图6为用于MES系统的产品检测装置中数据采集模块的组成结构框图,所述数据采集模块11包括:
采样点确定单元111,用于接收用户输入的采样路径,获取生产设备的位置信息,根据所述采样路径和所述位置信息确定采样点;
图像获取单元112,用于接收用户输入的采样频率,当采样端运动到所述采样点处时,基于所述采样频率获取产品图像;
参数表生成单元113,用于实时获取各生产设备的生产参数,得到以生产设备的设备标签为索引的生产参数表;
数据连接单元114,用于获取并连接与采样点相邻的生产设备的位置信息,得到采样点的位置信息,将所述采样点的位置信息与所述产品图像连接。
图7为用于MES系统的产品检测装置中参数调整模块的组成结构框图,所述参数调整模块13包括:
图像读取单元131,用于依次读取含有位置信息的产品信息库,根据所述位置信息在预设的参考产品库中读取参考图像;
差异值计算单元132,用于基于所述参考图像遍历比对所述产品信息库中的各项数据,根据比对结果标记各项数据的差异值;
处理执行单元133,用于基于各项数据的差异值确定该产品信息库的异常值,并基于所述异常值实时调整采样参数。
所述用于MES系统的产品检测方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述用于MES系统的产品检测方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元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,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种用于MES系统的产品检测方法,其特征在于,所述方法包括:
根据预设的采样参数获取含有位置信息的产品信息,实时获取各生产设备的生产参数,建立所述生产参数和所述位置信息之间的映射关系;所述采样参数包括采样路径和采样频率;
根据所述位置信息对所述产品信息进行分类,得到以位置信息为索引的产品信息库;
根据所述位置信息读取参考图像,基于所述参考图像对相应的产品信息库进行数据检测,得到各产品信息库的异常值,并基于所述异常值实时调整采样参数;
当任一异常值达到预设的异常阈值时,读取相应产品信息库的位置信息,基于所述映射关系根据所述位置信息获取相关生产设备的生产参数,基于所述生产参数确定各生产设备的检测次序。
2.根据权利要求1所述的用于MES系统的产品检测方法,其特征在于,所述根据预设的采样参数获取含有位置信息的产品信息,实时获取各生产设备的生产参数,建立所述生产参数和所述位置信息之间的映射关系包括:
接收用户输入的采样路径,获取生产设备的位置信息,根据所述采样路径和所述位置信息确定采样点;
接收用户输入的采样频率,当采样端运动到所述采样点处时,基于所述采样频率获取产品图像;
实时获取各生产设备的生产参数,得到以生产设备的设备标签为索引的生产参数表;
获取并连接与采样点相邻的生产设备的位置信息,得到采样点的位置信息,将所述采样点的位置信息与所述产品图像连接。
3.根据权利要求2所述的用于MES系统的产品检测方法,其特征在于,所述根据所述位置信息读取参考图像,基于所述参考图像对相应的产品信息库进行数据检测,得到各产品信息库的异常值,并基于所述异常值实时调整采样参数的步骤包括:
依次读取含有位置信息的产品信息库,根据所述位置信息在预设的参考产品库中读取参考图像;
基于所述参考图像遍历比对所述产品信息库中的各项数据,根据比对结果标记各项数据的差异值;
基于各项数据的差异值确定该产品信息库的异常值,并基于所述异常值实时调整采样参数。
4.根据权利要求3所述的用于MES系统的产品检测方法,其特征在于,所述基于所述参考图像遍历比对所述产品信息库中的各项数据,根据比对结果标记各项数据的差异值的步骤包括:
依次读取所述产品信息库中的产品图像,对所述产品图像和所述参考图像进行轮廓识别,根据轮廓识别结果确定背景区域;
比对所述产品图像的背景区域和所述参考图像的背景区域,根据比对结果确定环境影响因子;
基于所述环境影响因子对所述产品图像进行色值转换,得到理论图像;
将所述理论图像与所述参考图像进行逻辑运算,输出差异图像;
将所述差异图像输入训练好的图像分析模型,得到该产品图像的差异值。
5.根据权利要求3所述的用于MES系统的产品检测方法,其特征在于,所述基于各项数据的差异值确定该产品信息库的异常值,并基于所述异常值实时调整采样参数的步骤包括:
读取同一产品信息库中不同产品图像的差异值,得到差异数组;
将所述差异数组与预设的至少一个阈值数组进行作差,得到差值数组;其中,所述差值数组中的数据含有符号;
将所述差异数组与所述差值数组输入训练好的异常分析模型,得到产品信息库的异常值;
根据不同产品信息库的异常值确定采样比重,根据所述采样比重调整不同采样点处的采样频率。
6.根据权利要求2所述的用于MES系统的产品检测方法,其特征在于,所述当任一异常值达到预设的异常阈值时,读取相应产品信息库的位置信息,基于所述映射关系根据所述位置信息获取相关生产设备的生产参数,基于所述生产参数确定各生产设备的检测次序的步骤包括:
当任一异常值达到预设的异常阈值时,获取相应产品信息库对应的采样点的位置信息;
基于所述采样点的位置信息定位相应的生产设备,获取相应生产设备的生产参数;
将所述生产参数转换为生产图像,对所述生产图像进行特征识别,得到相应生产设备的问题概率;
根据所述问题概率确定各生产设备的检测次序。
7.根据权利要求6所述的用于MES系统的产品检测方法,其特征在于,所述将所述生产参数转换为生产图像,对所述生产图像进行特征识别,得到相应生产设备的问题概率包括:
读取以生产设备的设备标签为索引的生产参数表,根据所述生产参数表生成生产曲线;其中,所述生产曲线的自变量为时间;
对所有生产曲线进行色彩赋值,将色彩赋值后的生产曲线插入预设的背景图像,得到生产图像;
根据预设的截取范围将所述生产图像拆分为子区域,并在所述子区域中筛选出含有曲线段的子区域,得到子区域组;
计算子区域组中各子区域中的曲线曲率,基于所述曲线曲率确定问题子区域,根据问题子区域确定生产设备的问题概率。
8.一种用于MES系统的产品检测装置,其特征在于,该装置用于实现如权利要求1-7中任一项所述的用于MES系统的产品检测方法的步骤,且所述装置包括:
数据采集模块,用于根据预设的采样参数获取含有位置信息的产品信息,实时获取各生产设备的生产参数,建立所述生产参数和所述位置信息之间的映射关系;所述采样参数包括采样路径和采样频率;
数据分类模块,用于根据所述位置信息对所述产品信息进行分类,得到以位置信息为索引的产品信息库;
参数调整模块,用于根据所述位置信息读取参考图像,基于所述参考图像对相应的产品信息库进行数据检测,得到各产品信息库的异常值,并基于所述异常值实时调整采样参数;
设备检测模块,用于当任一异常值达到预设的异常阈值时,读取相应产品信息库的位置信息,基于所述映射关系根据所述位置信息获取相关生产设备的生产参数,基于所述生产参数确定各生产设备的检测次序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210479017.4A CN114581442B (zh) | 2022-05-05 | 2022-05-05 | 用于mes系统的产品检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210479017.4A CN114581442B (zh) | 2022-05-05 | 2022-05-05 | 用于mes系统的产品检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114581442A true CN114581442A (zh) | 2022-06-03 |
CN114581442B CN114581442B (zh) | 2022-07-15 |
Family
ID=81779110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210479017.4A Active CN114581442B (zh) | 2022-05-05 | 2022-05-05 | 用于mes系统的产品检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114581442B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100600A (zh) * | 2022-06-30 | 2022-09-23 | 苏州市新方纬电子有限公司 | 一种电池包的产线智能检测方法及系统 |
CN115663812A (zh) * | 2022-12-26 | 2023-01-31 | 常州金坛金能电力有限公司 | 直流输电系统可靠性评估方法及系统 |
CN116072282A (zh) * | 2023-04-06 | 2023-05-05 | 吉林大学 | 用于ct设备的远程智能检测分析方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106950931A (zh) * | 2017-03-31 | 2017-07-14 | 广东惠利普路桥信息工程有限公司 | 一种基于mes的产品检测系统 |
WO2019018868A1 (de) * | 2017-07-28 | 2019-01-31 | Wittmann Kunststoffgeräte Gmbh | Verfahren zum verwalten und steuern von produktionsmitteln mit einer oder mehrerer arbeitszellen und industrieanlage bzw. produktionssystem hierfür |
CN112020738A (zh) * | 2018-04-23 | 2020-12-01 | 陈浩能 | 产品监测的方法和装置 |
CN113743732A (zh) * | 2021-08-05 | 2021-12-03 | 麦格纳动力总成(江西)有限公司 | 智能质量检测方法、系统、计算机及可读存储介质 |
CN113888480A (zh) * | 2021-09-15 | 2022-01-04 | 江苏欧软信息科技有限公司 | 一种基于mes的质量追溯方法和系统 |
CN114202248A (zh) * | 2022-01-13 | 2022-03-18 | 浙江工企信息技术股份有限公司 | 一种基于mes智能制造的生产管理方法及系统 |
CN114418011A (zh) * | 2022-01-21 | 2022-04-29 | 京东方科技集团股份有限公司 | 一种产品不良成因分析的方法、设备及系统、存储介质 |
-
2022
- 2022-05-05 CN CN202210479017.4A patent/CN114581442B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106950931A (zh) * | 2017-03-31 | 2017-07-14 | 广东惠利普路桥信息工程有限公司 | 一种基于mes的产品检测系统 |
WO2019018868A1 (de) * | 2017-07-28 | 2019-01-31 | Wittmann Kunststoffgeräte Gmbh | Verfahren zum verwalten und steuern von produktionsmitteln mit einer oder mehrerer arbeitszellen und industrieanlage bzw. produktionssystem hierfür |
CN112020738A (zh) * | 2018-04-23 | 2020-12-01 | 陈浩能 | 产品监测的方法和装置 |
CN113743732A (zh) * | 2021-08-05 | 2021-12-03 | 麦格纳动力总成(江西)有限公司 | 智能质量检测方法、系统、计算机及可读存储介质 |
CN113888480A (zh) * | 2021-09-15 | 2022-01-04 | 江苏欧软信息科技有限公司 | 一种基于mes的质量追溯方法和系统 |
CN114202248A (zh) * | 2022-01-13 | 2022-03-18 | 浙江工企信息技术股份有限公司 | 一种基于mes智能制造的生产管理方法及系统 |
CN114418011A (zh) * | 2022-01-21 | 2022-04-29 | 京东方科技集团股份有限公司 | 一种产品不良成因分析的方法、设备及系统、存储介质 |
Non-Patent Citations (2)
Title |
---|
ANDRAS RACZ-SZABO 等: "Real-time Locating system in Production management", 《SENSORS》 * |
王鹏: "造纸企业MES系统设计研究", 《中国优秀博硕士学位论文全文数据库(硕士)经济与管理科学辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100600A (zh) * | 2022-06-30 | 2022-09-23 | 苏州市新方纬电子有限公司 | 一种电池包的产线智能检测方法及系统 |
CN115100600B (zh) * | 2022-06-30 | 2024-05-31 | 苏州市新方纬电子有限公司 | 一种电池包的产线智能检测方法及系统 |
CN115663812A (zh) * | 2022-12-26 | 2023-01-31 | 常州金坛金能电力有限公司 | 直流输电系统可靠性评估方法及系统 |
CN116072282A (zh) * | 2023-04-06 | 2023-05-05 | 吉林大学 | 用于ct设备的远程智能检测分析方法及系统 |
CN116072282B (zh) * | 2023-04-06 | 2023-06-13 | 吉林大学 | 用于ct设备的远程智能检测分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114581442B (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114581442B (zh) | 用于mes系统的产品检测方法及装置 | |
CN110706206A (zh) | 荧光细胞计数方法、装置、终端设备及存储介质 | |
CN114548832B (zh) | 一种基于大数据的风电设备状态评估方法及系统 | |
CN114414935A (zh) | 基于大数据的配电网馈线故障区域自动化定位方法和系统 | |
CN114565895B (zh) | 一种基于智慧社会的安防监控系统及方法 | |
CN113963033B (zh) | 一种基于人工智能的电力设备异常检测方法和系统 | |
CN103632247A (zh) | 一种基于智能仓储系统的表计信息识别系统及方法 | |
CN114581855A (zh) | 一种基于大数据的信息收集方法与系统 | |
CN113888480A (zh) | 一种基于mes的质量追溯方法和系统 | |
CN110780965A (zh) | 基于视觉的流程自动化方法、设备及可读存储介质 | |
CN114488989B (zh) | 一种基于物联网技术的工业控制系统 | |
CN115037766A (zh) | 一种工业设备物联网数据采集方法及装置 | |
CN114648776B (zh) | 一种财务报销数据处理方法和处理系统 | |
CN115909059A (zh) | 一种自然资源样本库建立方法和装置 | |
CN115098589A (zh) | 一种基于物联网的工业能耗数据监控方法及装置 | |
CN115858831B (zh) | 一种数据库用数据存储方法 | |
CN113723467A (zh) | 用于缺陷检测的样本收集方法、装置和设备 | |
CN115330887A (zh) | 一种智能变电站保护装置的自动测试系统及测试方法 | |
CN115830627A (zh) | 信息存储方法、装置、电子设备及计算机可读存储介质 | |
CN113886627A (zh) | 一种基于信息同步的移动通信系统 | |
CN115620317A (zh) | 一种电子工程文档真实性验证方法和系统 | |
CN115720148A (zh) | 一种工业物联网信息可视化方法、服务器和存储介质 | |
CN115829337A (zh) | 一种存储区风险预警方法及系统 | |
CN115633321A (zh) | 一种无线通信网络监控方法及系统 | |
Vorozhtsova et al. | System approach to development of intellectual information mobile system for electric power metering |
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 |