CN114637261A - 一种基于云平台的工业制造系统及其控制方法 - Google Patents

一种基于云平台的工业制造系统及其控制方法 Download PDF

Info

Publication number
CN114637261A
CN114637261A CN202210225675.0A CN202210225675A CN114637261A CN 114637261 A CN114637261 A CN 114637261A CN 202210225675 A CN202210225675 A CN 202210225675A CN 114637261 A CN114637261 A CN 114637261A
Authority
CN
China
Prior art keywords
workpiece
image
contour
standard
image 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
Application number
CN202210225675.0A
Other languages
English (en)
Other versions
CN114637261B (zh
Inventor
李鸿峰
贾昌武
黄筱炼
谭国豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Xuanyu Technology Co ltd
Original Assignee
Shenzhen Xuanyu Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Xuanyu Technology Co ltd filed Critical Shenzhen Xuanyu Technology Co ltd
Priority to CN202210225675.0A priority Critical patent/CN114637261B/zh
Publication of CN114637261A publication Critical patent/CN114637261A/zh
Application granted granted Critical
Publication of CN114637261B publication Critical patent/CN114637261B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Image Analysis (AREA)

Abstract

本发明提出一种基于云平台的工业制造系统及其控制方法，通过接收工件影像采集装置采集的工件影像数据，利用所述工件影像数据构建工件模型，所述工件模型包括所述工件的轮廓参数，根据所述工件模型对后续的工件影像数据进行监测，根据监测结果执行预设的控制策略对所述工件制造/加工设备进行控制，可以精准识别生产或加工过程出现的工件表面或形状异常问题。

Description

一种基于云平台的工业制造系统及其控制方法
技术领域
本发明涉及工业制造技术领域，特别涉及一种基于云平台的工业制造系统及其控制方法。
背景技术
信息化技术和自动化技术的发展和进步，推动着工业制造从数字化、网络化到自动化各个阶段的飞速演进，而其中高精度的数控机床的出现，为机械自动化铺平了道路，各类传感器在生产制造过程中的灵活运用，逐步替代了现场操作人员，为进一步实现无人化提供了更大的空间。现有的自动化工业制造系统，通过预先制定好各个生产、加工、检测环节的工序和自动化操作指令后，将其交由程序控制以一定时序和节奏实现自动化的批量生产、加工和检测。其容错机制依赖于人工预先配置好的各类参数，实现方式较为呆板且无法识别设计人员未曾预知的问题所带来的制造或加工过程出现的工件表面或形状异常问题。
发明内容
本发明正是基于上述问题，提出了一种基于云平台的工业制造系统及其控制方法，可以精准识别生产或加工过程出现的工件表面或形状异常问题。
有鉴于此，本发明的一方面提出了一种基于云平台的工业制造系统，包括至少一个工件影像采集装置，被安装在制造系统的至少一个工件制造/加工设备的工件出口，用于采集所述工件制造/加工设备输出的工件影像数据；云服务器，与所述工件影像采集装置通信连接，所述云服务器被配置为：
S100：接收所述工件影像采集装置采集的工件影像数据；
S200：利用所述工件影像数据构建工件模型，所述工件模型包括所述工件的轮廓参数；
S300：根据所述工件模型对后续的工件影像数据进行监测，具体包括：
S310：读取所述工件模型中的工件标准轮廓图像；
S320：从所述后续的工件影像数据中提取工件轮廓图像；
S330：获取所述工件标准轮廓图像中的第一定位基点和第二定位基点的坐标值建立参考向量；
S340：将所述工件轮廓图像与所述工件标准轮廓图像进行对比，获取所述工件轮廓图像中的第一对应定位基点和第二对应定位基点的坐标值建立定位向量；
S350：对所述工件轮廓图像进行旋转和等比例缩放以使所述定位向量与所述参考向量相等；
S360：将处理后的所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线进行对比获得两者间的至少一个差值；
S400：根据监测结果执行预设的控制策略对所述工件制造/加工设备进行控制。
进一步的，在上述工业制造系统中，在所述利用所述工件影像数据构建工件模型的步骤中，所述云服务器被配置为：
S211：对所述工件影像数据进行二值化处理以得到所述工件的二值化图像；
S212：根据所述工件标准轮廓图像确定所述工件的二值化图像中的工件本图图像；
S213：去掉除所述工件本图图像外所述工件的二值化图像中的其它部分以得到所述工件本体的二值化图像；
S214：对所述工件本体的二值化图像进行滤波和边缘增强；
S215：去掉所述工件本体的二值化图像除边缘像素外的其它像素得到所述工件轮廓图像；
S216：对多个所述工件轮廓图像的轮廓线坐标数据进行处理得到所述工件模型中的工件标准轮廓图像。
进一步的，在上述工业制造系统中，在所述利用所述工件影像数据构建工件模型的步骤中，所述云服务器被配置为：
S221：确定所述工件的结构强度最高的部位；
S222：确定一条穿过所述工件的直线，所述直线与所述部位表面最外围的两个交点以及所述直线与所述工件表面的最外围的两个交点之间的距离之和最小；
S223：确定所述直线与所述工件表面的最外围的两个交点为所述第一定位基点和所述第二定位基点。
进一步的，在上述工业制造系统中，在所述将处理后的所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线进行对比获得两者间的至少一个差值的步骤中，所述云服务器被配置为：
S361：在所述工件标准轮廓图像的轮廓线中确定至少一个监测点并获取所述监测点的坐标值；
S362：周期性获取所述工件影像数据中所述工件轮廓图像对应所述监测点位置的坐标值与所述工件标准轮廓图像的监测点的坐标值间的差值；
S363：当所述监测点的差值呈现出持续变大的趋势时，执行预设的控制策略对所述工件制造/加工设备进行控制。
进一步的，在所述工件标准轮廓图像的轮廓线中确定至少一个监测点并获取所述监测点的坐标值的步骤中，所述云服务器被配置为：
S3611：获取工件标准轮廓图像对应的轮廓线；
S3612：以预设距离为间隔从所述工件标准轮廓图像对应的轮廓线中确定多个候选监测点并获取所述候选监测点的坐标值；
S3613：获取一段时间的工件影像数据中内处理后的轮廓图像对应的轮廓线；
S3614：获取所述一段时间内每个时间点的每个所述候选监测点在所述处理后的轮廓图像对应的轮廓线上的坐标值与所述工件标准轮廓图像对应的轮廓线上的坐标值的差值；
S3615：对所述一段时间内每个所述候选监测点的所述差值进行分析以确定所述至少一个监测点。
本发明的另一方面提出了一种基于云平台的工业制造系统的控制方法，包括：
S100：接收所述工件影像采集装置采集的工件影像数据；
S200：利用所述工件影像数据构建工件模型，所述工件模型包括所述工件的轮廓参数；
S300：根据所述工件模型对后续的工件影像数据进行监测，具体包括：
S310：读取所述工件模型中的工件标准轮廓图像；
S320：从所述后续的工件影像数据中提取工件轮廓图像；
S330：获取所述工件标准轮廓图像中的第一定位基点和第二定位基点的坐标值建立参考向量；
S340：将所述工件轮廓图像与所述工件标准轮廓图像进行对比，获取所述工件轮廓图像中的第一对应定位基点和第二对应定位基点的坐标值建立定位向量；
S350：对所述工件轮廓图像进行旋转和等比例缩放以使所述定位向量与所述参考向量相等；
S360：将处理后的所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线进行对比获得两者间的至少一个差值；
S400：根据监测结果执行预设的控制策略对所述工件制造/加工设备进行控制。
进一步的，在上述工业制造系统的控制方法中，所述利用所述工件影像数据构建工件模型的步骤具体包括：
S211：对所述工件影像数据进行二值化处理以得到所述工件的二值化图像；
S212：根据所述工件标准轮廓图像确定所述工件的二值化图像中的工件本图图像；
S213：去掉除所述工件本图图像外所述工件的二值化图像中的其它部分以得到所述工件本体的二值化图像；
S214：对所述工件本体的二值化图像进行滤波和边缘增强；
S215：去掉所述工件本体的二值化图像除边缘像素外的其它像素得到所述工件轮廓图像；
S216：对多个所述工件轮廓图像的轮廓线坐标数据进行处理得到所述工件模型中的工件标准轮廓图像。
进一步的，在上述工业制造系统的控制方法中，所述利用所述工件影像数据构建工件模型的步骤还包括：
S221：确定所述工件的结构强度最高的部位；
S222：确定一条穿过所述工件的直线，所述直线与所述部位表面最外围的两个交点以及所述直线与所述工件表面的最外围的两个交点之间的距离之和最小；
S223：确定所述直线与所述工件表面的最外围的两个交点为所述第一定位基点和所述第二定位基点。
进一步的，在上述工业制造系统的控制方法中，在所述将处理后的所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线进行对比获得两者间的至少一个差值的步骤中，还包括：
S361：在所述工件标准轮廓图像的轮廓线中确定至少一个监测点并获取所述监测点的坐标值；
S362：周期性获取所述工件影像数据中所述工件轮廓图像对应所述监测点位置的坐标值与所述工件标准轮廓图像的监测点的坐标值间的差值；
S363：当所述监测点的差值呈现出持续变大的趋势时，执行预设的控制策略对所述工件制造/加工设备进行控制。
进一步的，在上述工业制造系统的控制方法中，在所述工件标准轮廓图像的轮廓线中确定至少一个监测点并获取所述监测点的坐标值的步骤具体包括：
S3611：获取工件标准轮廓图像对应的轮廓线；
S3612：以预设距离为间隔从所述工件标准轮廓图像对应的轮廓线中确定多个候选监测点并获取所述候选监测点的坐标值；
S3613：获取一段时间的工件影像数据中内处理后的轮廓图像对应的轮廓线；
S3614：获取所述一段时间内每个时间点的每个所述候选监测点在所述处理后的轮廓图像对应的轮廓线上的坐标值与所述工件标准轮廓图像对应的轮廓线上的坐标值的差值；
S3615：对所述一段时间内每个所述候选监测点的所述差值进行分析以确定所述至少一个监测点。
本发明提出的一种基于云平台的工业制造系统及其控制方法，通过接收工件影像采集装置采集的工件影像数据，利用所述工件影像数据构建工件模型，所述工件模型包括所述工件的轮廓参数，根据所述工件模型对后续的工件影像数据进行监测，根据监测结果执行预设的控制策略对所述工件制造/加工设备进行控制，可以精准识别生产或加工过程出现的工件表面或形状异常问题。
附图说明
图1是本发明一个实施例提供的工业制造系统的示意框图；
图2是本发明一个实施例提供的工业制造系统控制方法的示意流程图；
图3是本发明一个实施例提供的对工件影像数据进行监测的示意流程图；
图4是本发明一个实施例提供的提取工件影像数据中轮廓图像的示意图；
图5是本发明一个实施例提供的构建工件标准轮廓图像的示意流程图；
图6是本发明一个实施例提供的对工件影像数据进行处理的示意图；
图7是本发明一个实施例提供的对工件影像数据进行处理的示意流程图；
图8是本发明一个实施例提供的确定定位基点的示意流程图；
图9是本发明一个实施例提供的确定监测点的示意流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
在本发明的描述中，术语“多个”则指两个或两个以上，除非另有明确的限定，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。术语“连接”、“安装”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本说明书的描述中，术语“一个实施例”、“一些实施方式”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
下面参照图1至图9来描述根据本发明一些实施方式提供的一种基于云平台的工业制造系统及其控制方法。
如图1所示，本发明的一方面提出了一种基于云平台的工业制造系统，包括至少一个工件影像采集装置，被安装在制造系统的至少一个工件制造/加工设备的工件出口，用于采集所述工件制造/加工设备输出的工件影像数据；云服务器，与所述工件影像采集装置通信连接。采用本发明的技术方案，在制造系统各生产环节的工件制造/加工设备的工件出口位置安装影像采集装置以采集工件影像数据，从而使得云服务器可以对制造系统中的各生产环节的工件输出情况进行监测。工件制造/加工设备及其下料方式的不同，比如不同类型的数控机床，其工件出口是指其制造、加工完毕的工件的下料位置，例如对于采用传送带进行进料、出料的数控机床，所述影像采集装置可以安装在所述数控机床出料口的位置的传送带两侧；而对于如机械臂等采用夹取或者磁吸等方式下料的制造系统，所述影像采集装置可以安装在所述机械臂移动所述工件的初始位置或者目标位置。
在本发明一些实施方式的技术方案中，所述影像采集装置可以为一个独立的影像采集装置或者多个影像采集装置的组合，例如，在本发明一些可能的实施方式中，在每个所述工件制造/加工设备的工件出口位置布置三个或三个以上固定位置的影像采集装置，通过将所述三个或三个以上固定位置的影像采集装置所采集到的工件影像数据进行结合以获取所述工件的立体影像，采用该实施方式虽然布置成本更高，但其可以在更短时间以更高效率的方式获取所述工件的立体影像。在本发明一些可能的实施方式中，在每个所述工件制造/加工设备的工件出口位置布置一个可小范围移动的影像采集装置，通过移动所述影像采集装置以获取所述工件的立体影像。在本发明一些可能的实施方式中，在每个所述工件制造/加工设备的工件出口位置布置一个固定的影像采集装置，通过使用机械臂等夹取装置移动或旋转所述工件以使所述影像采集装置获取所述工件的立体影像。为了方便理解，在未另行说明的情况下，本发明后续提出的实施方式均以所述影像采集装置及所述工件均为固定位置的情况下采集工件影像数据进行举例，从而说明本发明在该场景下构建工件的平面模型以及获取相应标准轮廓图像的轮廓线后，采用这些数据对后续工件影像数据进行监测的技术方案，但并不意味着本发明的保护范围仅限于所述影像采集装置及所述工件均为固定位置的情况。本领域的技术人员通过移动所述影像采集装置或移动所述工件，或者通过设置围绕所述工件的多个影像采集装置可以获得所述工件的立体影像以构件所述工件的立体模型以及得到其对应的立体轮廓图像。
在本发明提供的工业制造系统中，所述云服务器包括处理器和存储器，如图2所示，所述云服务器被配置为通过所述处理器运行存储于所述存储器上的程序以执行以下步骤：
S100：接收所述工件影像采集装置采集的工件影像数据；
S200：利用所述工件影像数据构建工件模型，所述工件模型包括所述工件的轮廓参数；
S300：根据所述工件模型对后续的工件影像数据进行监测；
S400：根据监测结果执行预设的控制策略对所述工件制造/加工设备进行控制。
本发明提出的一种基于云平台的工业制造系统及其控制方法，通过接收工件影像采集装置采集的工件影像数据，利用所述工件影像数据构建工件模型，所述工件模型包括所述工件的轮廓参数，根据所述工件模型对后续的工件影像数据进行监测，根据监测结果执行预设的控制策略对所述工件制造/加工设备进行控制，可以精准识别生产或加工过程出现的工件表面或形状异常问题。在本发明的其它实施方式中，所述工件模型还可以包括所述工件的尺寸、纹理以及颜色参数中的一个或多个，通过对工件的尺寸、纹理或颜色进行监测以精准识别生产或加工过程出现的工件表面或形状异常问题。
如图3所示，在上述工业制造系统中，所述根据所述工件模型对后续的工件影像数据进行监测的步骤中，所述云服务器被配置为通过所述处理器运行存储于所述存储器上的程序以执行以下步骤：
S310：读取所述工件模型中的工件标准轮廓图像。进一步的，在读取所述工件模型中的工件标准轮廓图像的步骤之前，所述利用所述工件影像数据构建工件模型的步骤具体包括利用所述工件影像数据构建工件模型中的工件标准轮廓图像。所述工件模型中的工件标准轮廓图像由所述云服务器通过所述影像采集装置采集的多个所述工件影像数据处理得到。具体的，当所述工件制造/加工设备开始执行生产任务后，所述影像采集装置持续采集所述工件制造/加工设备输出的每个工件的影像数据，某一时刻影像采集装置如摄像机等所采集到的工件影像数据为从影像采集装置位置到工件位置对应视角的二维影像数据，如所述工件模型中的工件标准轮廓图像为立体图像，则通过移动所述影像采集装置或移动所述工件，或者通过设置围绕所述工件的多个影像采集装置获取所述工件多个视角的二维影像数据后采用后续步骤构件所述工件模型中的工件标准轮廓图像。
示例性的，对于一个圆柱形的工件，图4(A)所示为影像采集装置所拍摄得到的工件影像。应当知道的是，该图像仅为示意，为了方便理解，在仅在图中示出了该圆柱形工件的本件，在实际工作环境中，所采集到的工件影像数据中，除了工件本体外，还会有周边环境如传送带或者机械臂、工件制造/加工设备的部分或全部等。
如图5所示，在所述利用所述工件影像数据构建工件模型的步骤中，所述云服务器被配置为通过所述处理器运行存储于所述存储器上的程序以执行以下步骤以得到图4(B)所示的工件标准轮廓图像：
S211：对所述工件影像数据进行二值化处理以得到所述工件的二值化图像；
S212：根据所述工件标准轮廓图像确定所述工件的二值化图像中的工件本图图像；
S213：去掉除所述工件本图图像外所述工件的二值化图像中的其它部分以得到所述工件本体的二值化图像；
S214：对所述工件本体的二值化图像进行滤波和边缘增强；
S215：去掉所述工件本体的二值化图像除边缘像素外的其它像素得到所述工件轮廓图像；
S216：对多个所述工件轮廓图像的轮廓线坐标数据进行处理得到所述工件模型中的工件标准轮廓图像。
所述对多个所述工件轮廓图像的轮廓线坐标数据进行处理包括剔除异常坐标数据，例如，其中某个工件轮廓图像中的部分轮廓线坐标值与其它工件轮廓图像中的同一位置的轮廓线坐标值有较大偏移，该部分坐标数据为异常坐标数据。产生异常坐标数据的原因包括相应工件由于制造/加工过程出现异常导致该工件表面出现凹凸不平、或者由于前述提取所述工件轮廓图像过程中受环境或者算法影响引入错误数据等。
所述对多个所述工件轮廓图像的轮廓线坐标数据进行处理还包括以所述多个所述工件轮廓图像的轮廓线坐标数据为基础进行标准化拟合形成所述工件模型中的工件标准轮廓图像的轮廓线。所述标准化拟合具体是指以所述多个所述工件轮廓图像的轮廓线坐标数据为基础生成多条备选轮廓线，选取多条所述备选轮廓线中每个部分的长度、弧度和/或角度中的一个或多个参数在某个单位下为整数最多的备选轮廓线作为所述工件模型中的工件标准轮廓图像的轮廓线，所述每个部分是指从每条所述备选轮廓线中识别出拐点位置，将每两个相邻拐点之间的轮廓线确定为其中一个部分，当所述备选轮廓线为标准圆时，则整个轮廓线作为一个完整的部分。
S320：从所述后续的工件影像数据中提取工件轮廓图像。在所述云服务器取得足以构件所述工件模型中的工件标准轮廓图像的影像数据以构建所述工件模型中的工件标准轮廓图像后，即可利用所述工件模型中的工件标准轮廓图像对所述后续的工件影像数据进行监测。同样的，在从所述后续的工件影像数据中提取工件轮廓图像的步骤中，所述云服务器被配置为通过所述处理器运行存储于所述存储器上的程序以执行以下步骤以得到图4(B)所示的工件轮廓图像：
S321：对所述后续的工件影像数据进行二值化处理以得到所述工件的二值化图像；
S322：根据所述工件标准轮廓图像确定所述工件的二值化图像中的工件本图图像；
S323：去掉除所述工件本图图像外所述工件的二值化图像中的其它部分以得到所述工件本体的二值化图像；
S324：对所述工件本体的二值化图像进行滤波和边缘增强；
S324：去掉所述工件本体的二值化图像除边缘像素外的其它像素得到所述工件轮廓图像。
从所述后续的工件影像数据中提取工件轮廓图像的步骤与前述构建所述工件模型中的工件标准轮廓图像的步骤，其区别在于前述构建所述工件模型中的工件标准轮廓图像的步骤基于多个工件的多个工件影像数据进行处理得到，而从所述后续的工件影像数据中提取工件轮廓图像仅基于同一个工件的一个或多个影像数据处理得到。
S330：获取所述工件标准轮廓图像中的第一定位基点和第二定位基点的坐标值建立参考向量。继续参见图4(B)，假设选取A点作为所述工件标准轮廓图像中的第一定位基点，B点作为所述工件标准轮廓图像中的第二定位基点，在一个以A点为原点的平面坐标系中，A的坐标值为(0，0)，B的坐标值为(1，1.2)，则所述参考向量为
Figure BDA0003535570370000091
S340：将所述工件轮廓图像与所述工件标准轮廓图像进行对比，获取所述工件轮廓图像中的第一对应定位基点和第二对应定位基点的坐标值建立定位向量。参见图6(A)，其中图中的实线轮廓线为所述工件标准轮廓图像的轮廓线，虚线轮廓线为所述工件轮廓图像的轮廓线，所述云服务器将两者进行对比，可以确定图中A`为对应所述第一定位基点A的第一对应定位基点，B`为对应所述第二定位基点B的第二对应定位基点，在前述平面坐标系中，A`的坐标值为(0，0)，B`的坐标值为(1.5，1.3)，则所述参考向量为
Figure BDA0003535570370000101
S350：对所述工件轮廓图像进行旋转和等比例缩放以使所述定位向量与所述参考向量相等。仍然以图6(A)为例，对所述工件轮廓图像即虚线轮廓线进行旋转和等比例缩放使得第二对应定位基点B`与第二定位基点B重合，从而使得向量
Figure BDA0003535570370000102
S360：将处理后的所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线进行对比获得两者间的至少一个差值。见图6(B)，在对所述工件轮廓图像进行旋转和等比例缩放以使所述定位向量与所述参考向量相等之后，所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线基本重合，但由于工件制造/加工设备的精度以及制造/加工工艺的影响，或者由于图像处理算法的原因，两者之间仍然会有一定的差异，例如图6(B)中，在对所述工件轮廓图像进行旋转和等比例缩放处理使向量
Figure BDA0003535570370000103
后，圆柱形工件的轮廓线顶部弧线和底部弧线与其工件标准轮廓图像的轮廓线并未重合。
如图7所示，在上述工业制造系统中，在所述将处理后的所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线进行对比获得两者间的至少一个差值的步骤中，所述云服务器被配置为：
S361：在所述工件标准轮廓图像的轮廓线中确定至少一个监测点并获取所述监测点的坐标值；
S362：周期性获取所述工件影像数据中所述工件轮廓图像对应所述监测点位置的坐标值与所述工件标准轮廓图像的监测点的坐标值间的差值；
S363：当所述监测点的差值呈现出持续变大的趋势时，执行预设的控制策略对所述工件制造/加工设备进行控制。
在本发明的一些可能的实施方式中，将所述工件标准轮廓图像的轮廓线中的每一个像素点配置为监测点，对所述工件标准轮廓图像的轮廓线进行全面的监测。采用这些实施方式的技术方案，可以在该轮廓线的任一像素点位置出现异常变化时及时发现。在本发明的另一些可能的实施方式中，为了减小云服务器的工作负荷，对于所述工件标准轮廓图像中一些非关键部位的轮廓线可以不必进行监测，仅将所述工件标准轮廓图像中一些关键部位的轮廓线对应位置设置为监测点即可。为了避免因算法原因带来的轮廓线偏移导致的错误警报，云服务器对监测点处偶发性的轮廓线偏移情况不做响应，仅在发现同一监测点处的偏移情况出现持续变大的趋势时，才进行响应，执行预设的控制策略对所述工件制造/加工设备进行控制。在本发明一些实施方式的技术方案中，所述云服务器的响应还包括通过警报装置例如监控屏幕、控制终端的屏幕或者相应工件制造/加工设备的警示灯或蜂鸣器等向管理人员或操作人员发出警示。
如图8所示，在上述工业制造系统中，在所述利用所述工件影像数据构建工件模型的步骤中，所述云服务器被配置为：
S221：确定所述工件的结构强度最高的部位；
S222：确定一条穿过所述工件的直线，所述直线与所述部位表面最外围的两个交点以及所述直线与所述工件表面的最外围的两个交点之间的距离之和最小；
S223：确定所述直线与所述工件表面的最外围的两个交点为所述第一定位基点和所述第二定位基点。
采用上述实施方式的技术方案，对于结构复杂特别是由多个不同构件组成的复合式工件，由于所述工件的结构强度最高的部位发生形变的机率较小，在所述工件的结构强度最高的部位选择所述第一定位基点和所述第二定位基点可以使得在对所述后续的工件影像数据进行处理时，其轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线的偏差最小，从而减小所述云服务器的处理负担。
如图9所示，在所述工件标准轮廓图像的轮廓线中确定至少一个监测点并获取所述监测点的坐标值的步骤中，所述云服务器被配置为：
S3611：获取工件标准轮廓图像对应的轮廓线；
S3612：以预设距离为间隔从所述工件标准轮廓图像对应的轮廓线中确定多个候选监测点并获取所述候选监测点的坐标值；
S3613：获取一段时间的工件影像数据中内处理后的轮廓图像对应的轮廓线；
S3614：获取所述一段时间内每个时间点的每个所述候选监测点在所述处理后的轮廓图像对应的轮廓线上的坐标值与所述工件标准轮廓图像对应的轮廓线上的坐标值的差值；
S3615：对所述一段时间内每个所述候选监测点的所述差值进行分析以确定所述至少一个监测点。
在上述实施方式的技术方案中，通过确定多个候选监测点后对这些候选监测点的偏移情况进行分析，从而选择需要持续监测的监测点，可以避免需要对轮廓线的所有位置均进行监测以减小所述云服务器的数据处理负担。对所述一段时间内每个所述候选监测点的所述差值进行分析以确定所述至少一个监测点具体包括将在所述一段时间内多次出现超出预设值的差值的位置确定为所述至少一个监测点。
本发明的另一方面提出了一种基于云平台的工业制造系统的控制方法，包括：
S100：接收所述工件影像采集装置采集的工件影像数据；
S200：利用所述工件影像数据构建工件模型，所述工件模型包括所述工件的轮廓参数；
S300：根据所述工件模型对后续的工件影像数据进行监测；
S400：根据监测结果执行预设的控制策略对所述工件制造/加工设备进行控制。
本发明提出的一种基于云平台的工业制造系统及其控制方法，通过接收工件影像采集装置采集的工件影像数据，利用所述工件影像数据构建工件模型，所述工件模型包括所述工件的轮廓参数，根据所述工件模型对后续的工件影像数据进行监测，根据监测结果执行预设的控制策略对所述工件制造/加工设备进行控制，可以精准识别生产或加工过程出现的工件表面或形状异常问题。在本发明的其它实施方式中，所述工件模型还可以包括所述工件的尺寸、纹理以及颜色参数中的一个或多个，通过对工件的尺寸、纹理或颜色进行监测以精准识别生产或加工过程出现的工件表面或形状异常问题。
如图3所示，在上述工业制造系统的控制方法中，所述根据所述工件模型对后续的工件影像数据进行监测的步骤具体包括：
S310：读取所述工件模型中的工件标准轮廓图像。进一步的，在读取所述工件模型中的工件标准轮廓图像的步骤之前，所述利用所述工件影像数据构建工件模型的步骤具体包括利用所述工件影像数据构建工件模型中的工件标准轮廓图像。所述工件模型中的工件标准轮廓图像由所述云服务器通过所述影像采集装置采集的多个所述工件影像数据处理得到。具体的，当所述工件制造/加工设备开始执行生产任务后，所述影像采集装置持续采集所述工件制造/加工设备输出的每个工件的影像数据，某一时刻影像采集装置如摄像机等所采集到的工件影像数据为从影像采集装置位置到工件位置对应视角的二维影像数据，如所述工件模型中的工件标准轮廓图像为立体图像，则通过移动所述影像采集装置或移动所述工件，或者通过设置围绕所述工件的多个影像采集装置获取所述工件多个视角的二维影像数据后采用后续步骤构件所述工件模型中的工件标准轮廓图像。
示例性的，对于一个圆柱形的工件，图4(A)所示为影像采集装置所拍摄得到的工件影像。应当知道的是，该图像仅为示意，为了方便理解，在仅在图中示出了该圆柱形工件的本件，在实际工作环境中，所采集到的工件影像数据中，除了工件本体外，还会有周边环境如传送带或者机械臂、工件制造/加工设备的部分或全部等。
如图5所示，从所述后续的工件影像数据中提取工件轮廓图像的步骤中，所述云服务器被配置为通过所述处理器运行存储于所述存储器上的程序以执行以下步骤以得到图4(B)所示的工件轮廓图像：
S311：对所述工件影像数据进行二值化处理以得到所述工件的二值化图像；
S312：根据所述工件标准轮廓图像确定所述工件的二值化图像中的工件本图图像；
S313：去掉除所述工件本图图像外所述工件的二值化图像中的其它部分以得到所述工件本体的二值化图像；
S314：对所述工件本体的二值化图像进行滤波和边缘增强；
S315：去掉所述工件本体的二值化图像除边缘像素外的其它像素得到所述工件轮廓图像；
S316：对多个所述工件轮廓图像的轮廓线坐标数据进行处理得到所述工件模型中的工件标准轮廓图像。
所述对多个所述工件轮廓图像的轮廓线坐标数据进行处理包括剔除异常坐标数据，例如，其中某个工件轮廓图像中的部分轮廓线坐标值与其它工件轮廓图像中的同一位置的轮廓线坐标值有较大偏移，该部分坐标数据为异常坐标数据。产生异常坐标数据的原因包括相应工件由于制造/加工过程出现异常导致该工件表面出现凹凸不平、或者由于前述提取所述工件轮廓图像过程中受环境或者算法影响引入错误数据等。
所述对多个所述工件轮廓图像的轮廓线坐标数据进行处理还包括以所述多个所述工件轮廓图像的轮廓线坐标数据为基础进行标准化拟合形成所述工件模型中的工件标准轮廓图像的轮廓线。所述标准化拟合具体是指以所述多个所述工件轮廓图像的轮廓线坐标数据为基础生成多条备选轮廓线，选取多条所述备选轮廓线中每个部分的长度、弧度和/或角度中的一个或多个参数在某个单位下为整数最多的备选轮廓线作为所述工件模型中的工件标准轮廓图像的轮廓线，所述每个部分是指从每条所述备选轮廓线中识别出拐点位置，将每两个相邻拐点之间的轮廓线确定为其中一个部分，当所述备选轮廓线为标准圆时，则整个轮廓线作为一个完整的部分。
S320：从所述后续的工件影像数据中提取工件轮廓图像。在所述云服务器取得足以构件所述工件模型中的工件标准轮廓图像的影像数据以构建所述工件模型中的工件标准轮廓图像后，即可利用所述工件模型中的工件标准轮廓图像对所述后续的工件影像数据进行监测。同样的，在从所述后续的工件影像数据中提取工件轮廓图像的步骤中，所述云服务器被配置为通过所述处理器运行存储于所述存储器上的程序以执行以下步骤以得到图4(B)所示的工件轮廓图像：
S321：对所述后续的工件影像数据进行二值化处理以得到所述工件的二值化图像；
S322：根据所述工件标准轮廓图像确定所述工件的二值化图像中的工件本图图像；
S323：去掉除所述工件本图图像外所述工件的二值化图像中的其它部分以得到所述工件本体的二值化图像；
S324：对所述工件本体的二值化图像进行滤波和边缘增强；
S324：去掉所述工件本体的二值化图像除边缘像素外的其它像素得到所述工件轮廓图像。
从所述后续的工件影像数据中提取工件轮廓图像的步骤与前述构建所述工件模型中的工件标准轮廓图像的步骤，其区别在于前述构建所述工件模型中的工件标准轮廓图像的步骤基于多个工件的多个工件影像数据进行处理得到，而从所述后续的工件影像数据中提取工件轮廓图像仅基于同一个工件的一个或多个影像数据处理得到。
S330：获取所述工件标准轮廓图像中的第一定位基点和第二定位基点的坐标值建立参考向量。继续参见图4(B)，假设选取A点作为所述工件标准轮廓图像中的第一定位基点，B点作为所述工件标准轮廓图像中的第二定位基点，在一个以A点为原点的平面坐标系中，A的坐标值为(0，0)，B的坐标值为(1，1.2)，则所述参考向量为
Figure BDA0003535570370000141
S340：将所述工件轮廓图像与所述工件标准轮廓图像进行对比，获取所述工件轮廓图像中的第一对应定位基点和第二对应定位基点的坐标值建立定位向量。参见图6(A)，其中图中的实线轮廓线为所述工件标准轮廓图像的轮廓线，虚线轮廓线为所述工件轮廓图像的轮廓线，所述云服务器将两者进行对比，可以确定图中A`为对应所述第一定位基点A的第一对应定位基点，B`为对应所述第二定位基点B的第二对应定位基点，在前述平面坐标系中，A`的坐标值为(0，0)，B`的坐标值为(1.5，1.3)，则所述参考向量为
Figure BDA0003535570370000142
S350：对所述工件轮廓图像进行旋转和等比例缩放以使所述定位向量与所述参考向量相等。仍然以图6(A)为例，对所述工件轮廓图像即虚线轮廓线进行旋转和等比例缩放使得第二对应定位基点B`与第二定位基点B重合，从而使得向量
Figure BDA0003535570370000143
S360：将处理后的所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线进行对比获得两者间的至少一个差值。见图6(B)，在对所述工件轮廓图像进行旋转和等比例缩放以使所述定位向量与所述参考向量相等之后，所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线基本重合，但由于工件制造/加工设备的精度以及制造/加工工艺的影响，或者由于图像处理算法的原因，两者之间仍然会有一定的差异，例如图6(B)中，在对所述工件轮廓图像进行旋转和等比例缩放处理使向量
Figure BDA0003535570370000151
后，圆柱形工件的轮廓线顶部弧线和底部弧线与其工件标准轮廓图像的轮廓线并未重合。
如图7所示，在上述工业制造系统的控制方法中，在所述将处理后的所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线进行对比获得两者间的至少一个差值的步骤中，还包括：
S361：在所述工件标准轮廓图像的轮廓线中确定至少一个监测点并获取所述监测点的坐标值；
S362：周期性获取所述工件影像数据中所述工件轮廓图像对应所述监测点位置的坐标值与所述工件标准轮廓图像的监测点的坐标值间的差值；
S363：当所述监测点的差值呈现出持续变大的趋势时，执行预设的控制策略对所述工件制造/加工设备进行控制。
在本发明的一些可能的实施方式中，将所述工件标准轮廓图像的轮廓线中的每一个像素点配置为监测点，对所述工件标准轮廓图像的轮廓线进行全面的监测。采用这些实施方式的技术方案，可以在该轮廓线的任一像素点位置出现异常变化时及时发现。在本发明的另一些可能的实施方式中，为了减小云服务器的工作负荷，对于所述工件标准轮廓图像中一些非关键部位的轮廓线可以不必进行监测，仅将所述工件标准轮廓图像中一些关键部位的轮廓线对应位置设置为监测点即可。为了避免因算法原因带来的轮廓线偏移导致的错误警报，云服务器对监测点处偶发性的轮廓线偏移情况不做响应，仅在发现同一监测点处的偏移情况出现持续变大的趋势时，才进行响应，执行预设的控制策略对所述工件制造/加工设备进行控制。在本发明一些实施方式的技术方案中，所述云服务器的响应还包括通过警报装置例如监控屏幕、控制终端的屏幕或者相应工件制造/加工设备的警示灯或蜂鸣器等向管理人员或操作人员发出警示。
如图8所示，在上述工业制造系统的控制方法中，所述利用所述工件影像数据构建工件模型的步骤具体包括：
S210：确定所述工件的结构强度最高的部位；
S220：确定一条穿过所述工件的直线，所述直线与所述部位表面最外围的两个交点以及所述直线与所述工件表面的最外围的两个交点之间的距离之和最小；
S230：确定所述直线与所述工件表面的最外围的两个交点为所述第一定位基点和所述第二定位基点。
采用上述实施方式的技术方案，对于结构复杂特别是由多个不同构件组成的复合式工件，由于所述工件的结构强度最高的部位发生形变的机率较小，在所述工件的结构强度最高的部位选择所述第一定位基点和所述第二定位基点可以使得在对所述后续的工件影像数据进行处理时，其轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线的偏差最小，从而减小所述云服务器的处理负担。
如图9所示，在上述工业制造系统的控制方法中，在所述工件标准轮廓图像的轮廓线中确定至少一个监测点并获取所述监测点的坐标值的步骤具体包括：
S3611：获取工件标准轮廓图像对应的轮廓线；
S3612：以预设距离为间隔从所述工件标准轮廓图像对应的轮廓线中确定多个候选监测点并获取所述候选监测点的坐标值；
S3613：获取一段时间的工件影像数据中内处理后的轮廓图像对应的轮廓线；
S3614：获取所述一段时间内每个时间点的每个所述候选监测点在所述处理后的轮廓图像对应的轮廓线上的坐标值与所述工件标准轮廓图像对应的轮廓线上的坐标值的差值；
S3615：对所述一段时间内每个所述候选监测点的所述差值进行分析以确定所述至少一个监测点。
在上述实施方式的技术方案中，通过确定多个候选监测点后对这些候选监测点的偏移情况进行分析，从而选择需要持续监测的监测点，可以避免需要对轮廓线的所有位置均进行监测以减小所述云服务器的数据处理负担。对所述一段时间内每个所述候选监测点的所述差值进行分析以确定所述至少一个监测点具体包括将在所述一段时间内多次出现超出预设值的差值的位置确定为所述至少一个监测点。
应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
依照本发明的实施例如上文所述，这些实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施例。显然，根据以上描述，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地利用本发明以及在本发明基础上的修改使用。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (10)

1.一种基于云平台的工业制造系统，其特征在于，包括至少一个工件影像采集装置，被安装在制造系统的至少一个工件制造/加工设备的工件出口，用于采集所述工件制造/加工设备输出的工件影像数据；云服务器，与所述工件影像采集装置通信连接，所述云服务器被配置为：
S100：接收所述工件影像采集装置采集的工件影像数据；
S200：利用所述工件影像数据构建工件模型，所述工件模型包括所述工件的轮廓参数；
S300：根据所述工件模型对后续的工件影像数据进行监测，具体包括：
S310：读取所述工件模型中的工件标准轮廓图像；
S320：从所述后续的工件影像数据中提取工件轮廓图像；
S330：获取所述工件标准轮廓图像中的第一定位基点和第二定位基点的坐标值建立参考向量；
S340：将所述工件轮廓图像与所述工件标准轮廓图像进行对比，获取所述工件轮廓图像中的第一对应定位基点和第二对应定位基点的坐标值建立定位向量；
S350：对所述工件轮廓图像进行旋转和等比例缩放以使所述定位向量与所述参考向量相等；
S360：将处理后的所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线进行对比获得两者间的至少一个差值；
S400：根据监测结果执行预设的控制策略对所述工件制造/加工设备进行控制。
2.根据权利要求1所述的的工业制造系统，其特征在于，在所述利用所述工件影像数据构建工件模型的步骤中，所述云服务器被配置为：
S211：对所述工件影像数据进行二值化处理以得到所述工件的二值化图像；
S212：根据所述工件标准轮廓图像确定所述工件的二值化图像中的工件本图图像；
S213：去掉除所述工件本图图像外所述工件的二值化图像中的其它部分以得到所述工件本体的二值化图像；
S214：对所述工件本体的二值化图像进行滤波和边缘增强；
S215：去掉所述工件本体的二值化图像除边缘像素外的其它像素得到所述工件轮廓图像；
S216：对多个所述工件轮廓图像的轮廓线坐标数据进行处理得到所述工件模型中的工件标准轮廓图像。
3.根据权利要求2所述的的工业制造系统，其特征在于，在所述利用所述工件影像数据构建工件模型的步骤中，所述云服务器被配置为：
S221：确定所述工件的结构强度最高的部位；
S222：确定一条穿过所述工件的直线，所述直线与所述部位表面最外围的两个交点以及所述直线与所述工件表面的最外围的两个交点之间的距离之和最小；
S223：确定所述直线与所述工件表面的最外围的两个交点为所述第一定位基点和所述第二定位基点。
4.根据权利要求1所述的工业制造系统，其特征在于，在所述将处理后的所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线进行对比获得两者间的至少一个差值的步骤中，所述云服务器被配置为：
S361：在所述工件标准轮廓图像的轮廓线中确定至少一个监测点并获取所述监测点的坐标值；
S362：周期性获取所述工件影像数据中所述工件轮廓图像对应所述监测点位置的坐标值与所述工件标准轮廓图像的监测点的坐标值间的差值；
S363：当所述监测点的差值呈现出持续变大的趋势时，执行预设的控制策略对所述工件制造/加工设备进行控制。
5.根据权利要求4所述的工业制造系统，其特征在于，在所述工件标准轮廓图像的轮廓线中确定至少一个监测点并获取所述监测点的坐标值的步骤中，所述云服务器被配置为：
S3611：获取工件标准轮廓图像对应的轮廓线；
S3612：以预设距离为间隔从所述工件标准轮廓图像对应的轮廓线中确定多个候选监测点并获取所述候选监测点的坐标值；
S3613：获取一段时间的工件影像数据中内处理后的轮廓图像对应的轮廓线；
S3614：获取所述一段时间内每个时间点的每个所述候选监测点在所述处理后的轮廓图像对应的轮廓线上的坐标值与所述工件标准轮廓图像对应的轮廓线上的坐标值的差值；
S3615：对所述一段时间内每个所述候选监测点的所述差值进行分析以确定所述至少一个监测点。
6.一种基于云平台的工业制造系统的控制方法，其特征在于，包括：
S100：接收所述工件影像采集装置采集的工件影像数据；
S200：利用所述工件影像数据构建工件模型，所述工件模型包括所述工件的轮廓参数；
S300：根据所述工件模型对后续的工件影像数据进行监测，具体包括：
S310：读取所述工件模型中的工件标准轮廓图像；
S320：从所述后续的工件影像数据中提取工件轮廓图像；
S330：获取所述工件标准轮廓图像中的第一定位基点和第二定位基点的坐标值建立参考向量；
S340：将所述工件轮廓图像与所述工件标准轮廓图像进行对比，获取所述工件轮廓图像中的第一对应定位基点和第二对应定位基点的坐标值建立定位向量；
S350：对所述工件轮廓图像进行旋转和等比例缩放以使所述定位向量与所述参考向量相等；
S360：将处理后的所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线进行对比获得两者间的至少一个差值；
S400：根据监测结果执行预设的控制策略对所述工件制造/加工设备进行控制。
7.根据权利要求6所述的工业制造系统的控制方法，其特征在于，所述利用所述工件影像数据构建工件模型的步骤具体包括：
S211：对所述工件影像数据进行二值化处理以得到所述工件的二值化图像；
S212：根据所述工件标准轮廓图像确定所述工件的二值化图像中的工件本图图像；
S213：去掉除所述工件本图图像外所述工件的二值化图像中的其它部分以得到所述工件本体的二值化图像；
S214：对所述工件本体的二值化图像进行滤波和边缘增强；
S215：去掉所述工件本体的二值化图像除边缘像素外的其它像素得到所述工件轮廓图像；
S216：对多个所述工件轮廓图像的轮廓线坐标数据进行处理得到所述工件模型中的工件标准轮廓图像。
8.根据权利要求7所述的工业制造系统的控制方法，其特征在于，所述利用所述工件影像数据构建工件模型的步骤还包括：
S221：确定所述工件的结构强度最高的部位；
S222：确定一条穿过所述工件的直线，所述直线与所述部位表面最外围的两个交点以及所述直线与所述工件表面的最外围的两个交点之间的距离之和最小；
S223：确定所述直线与所述工件表面的最外围的两个交点为所述第一定位基点和所述第二定位基点。
9.根据权利要求6所述的工业制造系统的控制方法，其特征在于，在所述将处理后的所述工件轮廓图像的轮廓线与所述工件标准轮廓图像的轮廓线进行对比获得两者间的至少一个差值的步骤中，还包括：
S361：在所述工件标准轮廓图像的轮廓线中确定至少一个监测点并获取所述监测点的坐标值；
S362：周期性获取所述工件影像数据中所述工件轮廓图像对应所述监测点位置的坐标值与所述工件标准轮廓图像的监测点的坐标值间的差值；
S363：当所述监测点的差值呈现出持续变大的趋势时，执行预设的控制策略对所述工件制造/加工设备进行控制。
10.根据权利要求8或9所述的工业制造系统的控制方法，其特征在于，在所述工件标准轮廓图像的轮廓线中确定至少一个监测点并获取所述监测点的坐标值的步骤具体包括：
S3611：获取工件标准轮廓图像对应的轮廓线；
S3612：以预设距离为间隔从所述工件标准轮廓图像对应的轮廓线中确定多个候选监测点并获取所述候选监测点的坐标值；
S3613：获取一段时间的工件影像数据中内处理后的轮廓图像对应的轮廓线；
S3614：获取所述一段时间内每个时间点的每个所述候选监测点在所述处理后的轮廓图像对应的轮廓线上的坐标值与所述工件标准轮廓图像对应的轮廓线上的坐标值的差值；
S3615：对所述一段时间内每个所述候选监测点的所述差值进行分析以确定所述至少一个监测点。
CN202210225675.0A 2022-03-07 2022-03-07 一种基于云平台的工业制造系统及其控制方法 Active CN114637261B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210225675.0A CN114637261B (zh) 2022-03-07 2022-03-07 一种基于云平台的工业制造系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210225675.0A CN114637261B (zh) 2022-03-07 2022-03-07 一种基于云平台的工业制造系统及其控制方法

Publications (2)

Publication Number Publication Date
CN114637261A true CN114637261A (zh) 2022-06-17
CN114637261B CN114637261B (zh) 2022-11-15

Family

ID=81948022

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210225675.0A Active CN114637261B (zh) 2022-03-07 2022-03-07 一种基于云平台的工业制造系统及其控制方法

Country Status (1)

Country Link
CN (1) CN114637261B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09101125A (ja) * 1995-10-07 1997-04-15 Kawasaki Heavy Ind Ltd 物品形状計測方法および装置
JP2004214218A (ja) * 2004-03-19 2004-07-29 Ngk Spark Plug Co Ltd スパークプラグの検査方法及びそれを用いたスパークプラグの製造方法
CN103149222A (zh) * 2013-02-28 2013-06-12 重庆大学 射线实时成像中缺陷检测方法
CN109732255A (zh) * 2019-03-15 2019-05-10 广东工业大学 一种焊接方法及焊接机器人
CN110132166A (zh) * 2019-05-05 2019-08-16 广州佳帆计算机有限公司 一种可自动配光的产品图像检测方法及比对装置
CN110728655A (zh) * 2019-09-06 2020-01-24 重庆东渝中能实业有限公司 基于机器视觉的数控机床工件异常检测方法及装置
WO2020037466A1 (zh) * 2018-08-20 2020-02-27 深圳配天智能技术研究院有限公司 一种图像匹配方法及视觉系统
CN114061480A (zh) * 2020-08-03 2022-02-18 上海飞机制造有限公司 一种用于检测工件外形的方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09101125A (ja) * 1995-10-07 1997-04-15 Kawasaki Heavy Ind Ltd 物品形状計測方法および装置
JP2004214218A (ja) * 2004-03-19 2004-07-29 Ngk Spark Plug Co Ltd スパークプラグの検査方法及びそれを用いたスパークプラグの製造方法
CN103149222A (zh) * 2013-02-28 2013-06-12 重庆大学 射线实时成像中缺陷检测方法
WO2020037466A1 (zh) * 2018-08-20 2020-02-27 深圳配天智能技术研究院有限公司 一种图像匹配方法及视觉系统
CN111684462A (zh) * 2018-08-20 2020-09-18 深圳配天智能技术研究院有限公司 一种图像匹配方法及视觉系统
CN109732255A (zh) * 2019-03-15 2019-05-10 广东工业大学 一种焊接方法及焊接机器人
CN110132166A (zh) * 2019-05-05 2019-08-16 广州佳帆计算机有限公司 一种可自动配光的产品图像检测方法及比对装置
CN110728655A (zh) * 2019-09-06 2020-01-24 重庆东渝中能实业有限公司 基于机器视觉的数控机床工件异常检测方法及装置
CN114061480A (zh) * 2020-08-03 2022-02-18 上海飞机制造有限公司 一种用于检测工件外形的方法

Also Published As

Publication number Publication date
CN114637261B (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
JP6794737B2 (ja) 情報処理装置、情報処理方法、プログラムおよび検査システム
US20170154234A1 (en) Information processing device, information processing method, computer-readable recording medium, and inspection system
CN107530881B (zh) 机器人系统和用于操作机器人的方法
US6751361B1 (en) Method and apparatus for performing fixturing in a machine vision system
Herakovic Robot vision in industrial assembly and quality control processes
WO2019008402A1 (en) METHOD, SYSTEM AND COMPUTER-READABLE MEDIUM FOR CAMERA CALIBRATION
CN115176274A (zh) 一种异源图像配准方法及系统
JP2015100019A (ja) 緩除変化検出システム
CN110866949A (zh) 中心点定位方法、装置、电子设备和存储介质
Akundi et al. A machine vision based automated quality control system for product dimensional analysis
CN115880296B (zh) 基于机器视觉的预制构件质量检测方法及装置
JP6621351B2 (ja) レーザー加工用の画像処理装置及び画像処理方法
CN113985830A (zh) 密封钉的上料控制方法、装置、电子设备及存储介质
CN114637261B (zh) 一种基于云平台的工业制造系统及其控制方法
Wojciechowski et al. Optical scanner assisted robotic assembly
CN113947754A (zh) 一种基于视觉的船舶机械运行状态监测方法、系统及存储介质
CN111805533B (zh) 用于工件下料的装置、基于视觉定位的工件下料的方法
CN111507949B (zh) 一种基于视觉的芯片识别方法
Rusli et al. Fastener identification and assembly verification via machine vision
CN117085969A (zh) 人工智能工业视觉检测方法、装置、设备及存储介质
US10228239B2 (en) Measuring apparatus, measuring method, and article manufacturing method
CN117250206A (zh) 基于可见光和红外光融合的导电线异常检测方法与装置
CN113465505B (zh) 一种视觉检测定位系统和方法
CN115116048A (zh) 一种基于点云质心识别及定位栈板的方法、系统
JP2020197983A (ja) 対象物の計測方法、計測装置、プログラム、およびコンピュータ読取り可能な記録媒体

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