CN115265635A - 一种基于数据分析的工业机器视觉检测管理系统 - Google Patents
一种基于数据分析的工业机器视觉检测管理系统 Download PDFInfo
- Publication number
- CN115265635A CN115265635A CN202211195082.0A CN202211195082A CN115265635A CN 115265635 A CN115265635 A CN 115265635A CN 202211195082 A CN202211195082 A CN 202211195082A CN 115265635 A CN115265635 A CN 115265635A
- Authority
- CN
- China
- Prior art keywords
- detection
- machine vision
- double
- deviation
- analysis
- 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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明属于工业检测领域,涉及数据分析技术,用于解决现有的工业机器视觉检测管理系统无法通过机器视觉检测设备的输出结果对其数据准确性进行验证的问题,具体是一种基于数据分析的工业机器视觉检测管理系统,包括检测管理平台,所述检测管理平台通信连接有双检分析模块、检测管理模块、抽样分析模块以及存储模块;将被检测件标记为检测对象,设定检测周期,将第一个检测周期标记为双检周期,所述双检分析模块用于在双检周期内对被检测件进行双重机器视觉检测分析;本发明通过双检分析模块可以对两组检测数据进行比对,进而对两个视觉检测设备是否运行正常进行判定,根据比对的不同状态将检测对象进行不同标记。
Description
技术领域
本发明属于工业检测领域,涉及数据分析技术,具体是一种基于数据分析的工业机器视觉检测管理系统。
背景技术
在工业领域,机器视觉充当生产设备“眼睛”因此又被称之为机器之“眼”替代人眼,赋能工业制造,为解决人眼无法识别、检测的工作,实现效率好、成本低的经济效益,是视觉技术发展的出发点和落脚点。
识别、测量、定位、检测,机器视觉的四大典型应用场景,其中识别与定位在机器视觉检测设备出现异常时会直接识别失败或定位失败,进而在失败之后发出异常信号,而测量与检测则无法通过机器视觉检测设备的输出结果对其数据准确性进行验证,比如,由于工作人员的疏忽导致设备参数设置错误,则会导致一批次的所有产品检测结果全部出错,且缺少验证环节进行异常反馈;因此,机器视觉所独有的高分辨率、高灵敏度等特性反而会使工作人员放松警惕,在机器异常时导致大批量检测数据异常。
针对上述技术问题,本申请提出一种解决方案。
发明内容
本发明的目的在于提供一种基于数据分析的工业机器视觉检测管理系统,用于解决现有的工业机器视觉检测管理系统无法通过机器视觉检测设备的输出结果对其数据准确性进行验证的问题;
本发明需要解决的技术问题为:如何提供一种可以通过机器视觉检测设备的输出结果对其数据准确性进行验证的工业机器视觉检测管理系统。
本发明的目的可以通过以下技术方案实现:
一种基于数据分析的工业机器视觉检测管理系统,包括检测管理平台,所述检测管理平台通信连接有双检分析模块、检测管理模块、抽样分析模块以及存储模块;
将被检测件标记为检测对象,设定检测周期,将第一个检测周期标记为双检周期,所述双检分析模块用于在双检周期内对被检测件进行双重机器视觉检测分析,通过双重机器视觉检测分析结果将检测对象标记为合格对象、不完全对象或不合格对象;
所述检测管理模块用于对双检周期内的双重机器视觉检测分析结果进行管理分析:将双检周期内合格对象的数量与检测对象的数量的比值标记为合格比,通过存储模块获取到合格阈值,将合格比与合格阈值进行比较并通过比较结果对下一检测周期标记为双检周期或抽检周期;
抽检周期的检测过程包括:通过第一机器视觉检测设备对被检测件进行检测,通过第二机器视觉检测设备对被检测件进行定时抽样检测。
作为本发明的一种优选实施方式,双检分析模块在双检周期内对被检测件进行双重机器视觉检测分析的具体过程包括:将检测对象的被检测参数标记为参数i,i=1,2,…,n,n为正整数,通过第一机器视觉检测设备对检测对象进行检测并将一次机器视觉检测的参数检测值标记为一测值YCi,在完成一次机器视觉检测后通过第二机器视觉检测设备对检测对象进行检测并将二次机器视觉检测的参数检测值标记为二测值ECi,将二测值ECi与一测值YCi的差值的绝对值标记为偏差值PCi,将所有参数i的偏差值PCi进行求和取平均值得到偏差系数PX,将所有参数i的偏差值PCi建立偏差集合,对偏差集合进行方差计算得到统一系数TY,通过存储模块获取到偏差阈值PXmax与统一阈值TYmax,将偏差系数PX、统一系数TY分别与偏差阈值PXmax、统一阈值TYmax进行比较并通过比较结果对检测对象进行标记。
作为本发明的一种优选实施方式,偏差系数PX、统一系数TY分别与偏差阈值PXmax、统一阈值TYmax进行比较的具体过程包括:若偏差系数PX小于偏差阈值PXmax且统一系数TY小于统一阈值TYmax,则判定检测对象的检测结果为合格,将对应的检测对象标记为合格对象;若偏差系数PX小于偏差阈值PXmax且统一系数TY大于等于统一阈值TYmax,则判定检测对象的检测结果不完全合格,将对应的检测对象标记为不完全对象;若偏差系数PX大于等于偏差阈值PXmax,则判定检测对象的检测结果不合格,将对应的检测对象标记为不合格对象。
作为本发明的一种优选实施方式,合格比与合格阈值进行比较的具体过程包括:若合格比小于合格阈值,则判定双检周期的双重机器视觉检测分析结果不合格,对双检周期进行深度分析;若合格比大于等于合格阈值,则判定双检周期的双重机器视觉检测分析结果合格,将下一检测周期标记为抽检周期;对双检周期进行深度分析的过程包括:将双检周期内不合格对象的数量与检测对象的数量的比值标记为不合格比,通过存储模块获取到不合格阈值,将不合格比与不合格阈值进行比较:若不合格比小于不合格阈值,则对双检周期进行参数分析;若不合格比大于等于不合格阈值,则对第一机器视觉检测设备与第二机器视觉检测设备进行运行分析。
作为本发明的一种优选实施方式,对双检周期进行参数分析的具体过程包括:将所有检测对象的参数1的偏差值PC1进行求和取平均值得到第一参偏值CP1,将所有检测对象的参数2的偏差值PC2进行求和取平均值得到第二参偏值CP2,以此类推,将所有检测对象的参数n的偏差值PCn进行求和取平均值得到第n参偏值CPn,通过存储模块获取到参偏阈值CPmax,将第一参偏值CP1、第二参偏值CP2,…,第n参偏值CPn逐一与参偏阈值CPmax进行比较,将数值不小于参偏阈值CPmax的参偏值对应的参数标记为异常参数,检测管理模块将异常参数发送至检测管理平台,检测管理平台接收到异常参数后将异常参数发送至管理人员的手机终端,管理人员接收到异常参数根据异常参数对第一机器视觉检测设备与第二机器视觉检测设备进行检修。
作为本发明的一种优选实施方式,对第一机器视觉检测设备与第二机器视觉检测设备进行运行分析的具体过程包括:获取第一机器视觉检测设备运行时的温度数据WD、振动数据ZD以及噪声数据ZS,温度数据WD为第一机器视觉检测设备运行时的表面温度最大值,振动数据ZD为第一机器视觉检测设备运行时的振动频率最大值,噪声数据ZS为第一机器视觉检测设备运行时产生的噪声分贝最大值;通过对温度数据WD、振动数据ZD以及噪声数据ZS进行数值计算得到第一机器视觉检测设备的运行系数YX1;采用同样的方式获取第二机器视觉检测设备的运行系数YX2,通过存储模块获取到运行阈值YXmax,将YX1、YX2分别与运行阈值YXmax进行比较:若YX1与YX2均小于运行阈值YXmax,检测管理模块向检测管理平台发送设置检查信号,检测管理平台接收到设置检查信号后将设置检查信号发送至管理人员的手机终端,管理人员接收到设置检查信号后对第一机器视觉检测设备与第二机器视觉检测设备的检测参数设置进行检查;否则,将数值不小于运行阈值的运行系数对应的机器视觉检测设备标记为运行异常设备,将运行异常设备以及设备检修信号发送至检测管理平台;
在对第一机器视觉检测设备与第二机器视觉检测设备进行参数设置检查或检修后,将下一检测周期标记为双检周期并再次对被检测件进行双重机器视觉检测分析。
作为本发明的一种优选实施方式,抽样分析模块对被检测件进行抽样检测分析的具体过程包括:在抽样检测时,通过计时器进行时长为L1秒的倒计时,倒计时结束时通过第二机器视觉检测设备对被检测件进行定时抽样检测,若抽样检测的检测对象被标记为不完全对象或不合格对象,则再次通过第二机器视觉检测设备对被检测件进行抽样检测,且连续抽样次数加一;若抽样检测的检测对象被标记为合格对象,则计时器重置,同时将连续抽样次数清零;若连续抽样次数不小于L2,则判定抽样检测不合格,将当前抽检周期调节为双检周期。
本发明具备下述有益效果:
1、通过在双检周期内对检测对象进行双重检测,从而对第一机器视觉检测设备的检测数据进行验证,通过双检分析模块可以对两组检测数据进行比对,进而对两个视觉检测设备是否运行正常进行判定,根据比对的不同状态将检测对象进行不同标记,从而根据不同标记对设备存在的异常类型进行判定;
2、通过检测管理模块可以对双检周期内的双重机器视觉检测分析结果进行管理分析,通过不同标记的检测对象的数量占比,对双检周期进行参数分析或运行分析,从而针对参数分析结果或运行分析结果对设备采取对应的处理措施,同时对下一检测周期标记为双检周期或抽检周期,在保证监测数据准确性的同时,提高检测对象的检测效率;
3、通过抽样分析模块可以对被检测件进行抽样检测分析,通过抽样检测分析对监测数据的准确性进行监控,在连续出现不合格对象或不完全对象时及时进行预警,同时进行检测周期切换,再次通过双检周期进行异常检测与排查,在保证检测效率的同时进一步提高检测数据准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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,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的附图。
图1为本发明的系统框图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种基于数据分析的工业机器视觉检测管理系统,包括检测管理平台,检测管理平台通信连接有双检分析模块、检测管理模块、抽样分析模块以及存储模块。
将被检测件标记为检测对象,设定检测周期,将第一个检测周期标记为双检周期,双检分析模块用于在双检周期内对被检测件进行双重机器视觉检测分析:将检测对象的被检测参数标记为参数i,i=1,2,…,n,n为正整数,通过第一机器视觉检测设备对检测对象进行检测并将一次机器视觉检测的参数检测值标记为一测值YCi,在完成一次机器视觉检测后通过第二机器视觉检测设备对检测对象进行检测并将二次机器视觉检测的参数检测值标记为二测值ECi,将二测值ECi与一测值YCi的差值的绝对值标记为偏差值PCi,将所有参数i的偏差值PCi进行求和取平均值得到偏差系数PX,将所有参数i的偏差值PCi建立偏差集合,对偏差集合进行方差计算得到统一系数TY,通过存储模块获取到偏差阈值PXmax与统一阈值TYmax,将偏差系数PX、统一系数TY分别与偏差阈值PXmax、统一阈值TYmax进行比较:若偏差系数PX小于偏差阈值PXmax且统一系数TY小于统一阈值TYmax,则判定检测对象的检测结果为合格,将对应的检测对象标记为合格对象;若偏差系数PX小于偏差阈值PXmax且统一系数TY大于等于统一阈值TYmax,则判定检测对象的检测结果不完全合格,将对应的检测对象标记为不完全对象;若偏差系数PX大于等于偏差阈值PXmax,则判定检测对象的检测结果不合格,将对应的检测对象标记为不合格对象;在双检周期内对检测对象进行双重检测,从而对第一机器视觉检测设备的检测数据进行验证,通过双检分析模块可以对两组检测数据进行比对,进而对两个视觉检测设备是否运行正常进行判定,根据比对的不同状态将检测对象进行不同标记,从而根据不同标记对设备存在的异常类型进行判定。
检测管理模块用于对双检周期内的双重机器视觉检测分析结果进行管理分析:将双检周期内合格对象的数量与检测对象的数量的比值标记为合格比,通过存储模块获取到合格阈值,将合格比与合格阈值进行比较:若合格比小于合格阈值,则判定双检周期的双重机器视觉检测分析结果不合格,对双检周期进行深度分析;若合格比大于等于合格阈值,则判定双检周期的双重机器视觉检测分析结果合格,将下一检测周期标记为抽检周期;对双检周期进行深度分析的过程包括:将双检周期内不合格对象的数量与检测对象的数量的比值标记为不合格比,通过存储模块获取到不合格阈值,将不合格比与不合格阈值进行比较:若不合格比小于不合格阈值,则对双检周期进行参数分析;若不合格比大于等于不合格阈值,则对第一机器视觉检测设备与第二机器视觉检测设备进行运行分析:获取第一机器视觉检测设备运行时的温度数据WD、振动数据ZD以及噪声数据ZS,温度数据WD为第一机器视觉检测设备运行时的表面温度最大值,振动数据ZD为第一机器视觉检测设备运行时的振动频率最大值,噪声数据ZS为第一机器视觉检测设备运行时产生的噪声分贝最大值;通过公式YX1=α1*WD+α2*ZD+α3*ZS得到第一机器视觉检测设备的运行系数YX1,其中α1、α2以及α3均为比例系数,且α1>α2>α3>1;采用同样的方式获取第二机器视觉检测设备的运行系数YX2,通过存储模块获取到运行阈值YXmax,将YX1、YX2分别与运行阈值YXmax进行比较:若YX1与YX2均小于运行阈值YXmax,检测管理模块向检测管理平台发送设置检查信号,检测管理平台接收到设置检查信号后将设置检查信号发送至管理人员的手机终端,管理人员接收到设置检查信号后对第一机器视觉检测设备与第二机器视觉检测设备的检测参数设置进行检查;否则,将数值不小于运行阈值的运行系数对应的机器视觉检测设备标记为运行异常设备,将运行异常设备以及设备检修信号发送至检测管理平台;对双检周期进行参数分析的具体过程包括:将所有检测对象的参数1的偏差值PC1进行求和取平均值得到第一参偏值CP1,将所有检测对象的参数2的偏差值PC2进行求和取平均值得到第二参偏值CP2,以此类推,将所有检测对象的参数n的偏差值PCn进行求和取平均值得到第n参偏值CPn,通过存储模块获取到参偏阈值CPmax,将第一参偏值CP1、第二参偏值CP2,…,第n参偏值CPn逐一与参偏阈值CPmax进行比较,将数值不小于参偏阈值CPmax的参偏值对应的参数标记为异常参数,检测管理模块将异常参数发送至检测管理平台,检测管理平台接收到异常参数后将异常参数发送至管理人员的手机终端,管理人员接收到异常参数根据异常参数对第一机器视觉检测设备与第二机器视觉检测设备进行检修;在对第一机器视觉检测设备与第二机器视觉检测设备进行参数设置检查或检修后,将下一检测周期标记为双检周期并再次对被检测件进行双重机器视觉检测分析;对双检周期内的双重机器视觉检测分析结果进行管理分析,通过不同标记的检测对象的数量占比,对双检周期进行参数分析或运行分析,从而针对参数分析结果或运行分析结果对设备采取对应的处理措施,同时对下一检测周期标记为双检周期或抽检周期,在保证监测数据准确性的同时,提高检测对象的检测效率。
抽检周期的检测过程包括:通过第一机器视觉检测设备对被检测件进行检测,通过第二机器视觉检测设备对被检测件进行定时抽样检测;抽样分析模块用于对被检测件进行抽样检测分析:在抽样检测时,通过计时器进行时长为L1秒的倒计时,倒计时结束时通过第二机器视觉检测设备对被检测件进行定时抽样检测,若抽样检测的检测对象被标记为不完全对象或不合格对象,则再次通过第二机器视觉检测设备对被检测件进行抽样检测,且连续抽样次数加一;若抽样检测的检测对象被标记为合格对象,则计时器重置,同时将连续抽样次数清零;若连续抽样次数不小于L2,则判定抽样检测不合格,将当前抽检周期调节为双检周期;对被检测件进行抽样检测分析,通过抽样检测分析对监测数据的准确性进行监控,在连续出现不合格对象或不完全对象时及时进行预警,同时进行检测周期切换,再次通过双检周期进行异常检测与排查,在保证检测效率的同时进一步提高检测数据准确性。
一种基于数据分析的工业机器视觉检测管理系统,工作时,将被检测件标记为检测对象,设定检测周期,将第一个检测周期标记为双检周期,在双检周期内对被检测件进行双重机器视觉检测分析,通过双重机器视觉检测分析结果将检测对象标记为合格对象、不完全对象或不合格对象;对双检周期内的双重机器视觉检测分析结果进行管理分析:将双检周期内合格对象的数量与检测对象的数量的比值标记为合格比,通过存储模块获取到合格阈值,将合格比与合格阈值进行比较并通过比较结果对下一检测周期标记为双检周期或抽检周期。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;如:公式YX1=α1*WD+α2*ZD+α3*ZS;由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的运行系数;将设定的运行系数和采集的样本数据代入公式,任意三个公式构成三元一次方程组,将计算得到的系数进行筛选并取均值,得到α1、α2以及α3的取值分别为5.68、2.84和2.15;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的有害系数;只要不影响参数与量化后数值的比例关系即可,如运行系数与温度数据的数值成正比。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者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示例。而且,描述的具体特征、结构、材料或者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。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,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理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.一种基于数据分析的工业机器视觉检测管理系统,包括检测管理平台,其特征在于,所述检测管理平台通信连接有双检分析模块、检测管理模块、抽样分析模块以及存储模块;
将被检测件标记为检测对象,设定检测周期,将第一个检测周期标记为双检周期,所述双检分析模块用于在双检周期内对被检测件进行双重机器视觉检测分析,通过双重机器视觉检测分析结果将检测对象标记为合格对象、不完全对象或不合格对象;
所述检测管理模块用于对双检周期内的双重机器视觉检测分析结果进行管理分析:将双检周期内合格对象的数量与检测对象的数量的比值标记为合格比,通过存储模块获取到合格阈值,将合格比与合格阈值进行比较并通过比较结果对下一检测周期标记为双检周期或抽检周期;
抽检周期的检测过程包括:通过第一机器视觉检测设备对被检测件进行检测,通过第二机器视觉检测设备对被检测件进行定时抽样检测。
2.根据权利要求1所述的一种基于数据分析的工业机器视觉检测管理系统,其特征在于,双检分析模块在双检周期内对被检测件进行双重机器视觉检测分析的具体过程包括:将检测对象的被检测参数标记为参数i,i=1,2,…,n,n为正整数,通过第一机器视觉检测设备对检测对象进行检测并将一次机器视觉检测的参数检测值标记为一测值YCi,在完成一次机器视觉检测后通过第二机器视觉检测设备对检测对象进行检测并将二次机器视觉检测的参数检测值标记为二测值ECi,将二测值ECi与一测值YCi的差值的绝对值标记为偏差值PCi,将所有参数i的偏差值PCi进行求和取平均值得到偏差系数PX,将所有参数i的偏差值PCi建立偏差集合,对偏差集合进行方差计算得到统一系数TY,通过存储模块获取到偏差阈值PXmax与统一阈值TYmax,将偏差系数PX、统一系数TY分别与偏差阈值PXmax、统一阈值TYmax进行比较并通过比较结果对检测对象进行标记。
3.根据权利要求2所述的一种基于数据分析的工业机器视觉检测管理系统,其特征在于,偏差系数PX、统一系数TY分别与偏差阈值PXmax、统一阈值TYmax进行比较的具体过程包括:若偏差系数PX小于偏差阈值PXmax且统一系数TY小于统一阈值TYmax,则判定检测对象的检测结果为合格,将对应的检测对象标记为合格对象;若偏差系数PX小于偏差阈值PXmax且统一系数TY大于等于统一阈值TYmax,则判定检测对象的检测结果不完全合格,将对应的检测对象标记为不完全对象;若偏差系数PX大于等于偏差阈值PXmax,则判定检测对象的检测结果不合格,将对应的检测对象标记为不合格对象。
4.根据权利要求1所述的一种基于数据分析的工业机器视觉检测管理系统,其特征在于,合格比与合格阈值进行比较的具体过程包括:若合格比小于合格阈值,则判定双检周期的双重机器视觉检测分析结果不合格,对双检周期进行深度分析;若合格比大于等于合格阈值,则判定双检周期的双重机器视觉检测分析结果合格,将下一检测周期标记为抽检周期;对双检周期进行深度分析的过程包括:将双检周期内不合格对象的数量与检测对象的数量的比值标记为不合格比,通过存储模块获取到不合格阈值,将不合格比与不合格阈值进行比较:若不合格比小于不合格阈值,则对双检周期进行参数分析;若不合格比大于等于不合格阈值,则对第一机器视觉检测设备与第二机器视觉检测设备进行运行分析。
5.根据权利要求4所述的一种基于数据分析的工业机器视觉检测管理系统,其特征在于,对双检周期进行参数分析的具体过程包括:将所有检测对象的参数1的偏差值PC1进行求和取平均值得到第一参偏值CP1,将所有检测对象的参数2的偏差值PC2进行求和取平均值得到第二参偏值CP2,以此类推,将所有检测对象的参数n的偏差值PCn进行求和取平均值得到第n参偏值CPn,通过存储模块获取到参偏阈值CPmax,将第一参偏值CP1、第二参偏值CP2,…,第n参偏值CPn逐一与参偏阈值CPmax进行比较,将数值不小于参偏阈值CPmax的参偏值对应的参数标记为异常参数,检测管理模块将异常参数发送至检测管理平台,检测管理平台接收到异常参数后将异常参数发送至管理人员的手机终端,管理人员接收到异常参数根据异常参数对第一机器视觉检测设备与第二机器视觉检测设备进行检修。
6.根据权利要求5所述的一种基于数据分析的工业机器视觉检测管理系统,其特征在于,对第一机器视觉检测设备与第二机器视觉检测设备进行运行分析的具体过程包括:获取第一机器视觉检测设备运行时的温度数据WD、振动数据ZD以及噪声数据ZS,温度数据WD为第一机器视觉检测设备运行时的表面温度最大值,振动数据ZD为第一机器视觉检测设备运行时的振动频率最大值,噪声数据ZS为第一机器视觉检测设备运行时产生的噪声分贝最大值;通过对温度数据WD、振动数据ZD以及噪声数据ZS进行数值计算得到第一机器视觉检测设备的运行系数YX1;采用同样的方式获取第二机器视觉检测设备的运行系数YX2,通过存储模块获取到运行阈值YXmax,将YX1、YX2分别与运行阈值YXmax进行比较:若YX1与YX2均小于运行阈值YXmax,检测管理模块向检测管理平台发送设置检查信号,检测管理平台接收到设置检查信号后将设置检查信号发送至管理人员的手机终端,管理人员接收到设置检查信号后对第一机器视觉检测设备与第二机器视觉检测设备的检测参数设置进行检查;否则,将数值不小于运行阈值的运行系数对应的机器视觉检测设备标记为运行异常设备,将运行异常设备以及设备检修信号发送至检测管理平台;
在对第一机器视觉检测设备与第二机器视觉检测设备进行参数设置检查或检修后,将下一检测周期标记为双检周期并再次对被检测件进行双重机器视觉检测分析。
7.根据权利要求1所述的一种基于数据分析的工业机器视觉检测管理系统,其特征在于,抽样分析模块对被检测件进行抽样检测分析的具体过程包括:在抽样检测时,通过计时器进行时长为L1秒的倒计时,倒计时结束时通过第二机器视觉检测设备对被检测件进行定时抽样检测,若抽样检测的检测对象被标记为不完全对象或不合格对象,则再次通过第二机器视觉检测设备对被检测件进行抽样检测,且连续抽样次数加一;若抽样检测的检测对象被标记为合格对象,则计时器重置,同时将连续抽样次数清零;若连续抽样次数不小于L2,则判定抽样检测不合格,将当前抽检周期调节为双检周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211195082.0A CN115265635B (zh) | 2022-09-29 | 2022-09-29 | 一种基于数据分析的工业机器视觉检测管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211195082.0A CN115265635B (zh) | 2022-09-29 | 2022-09-29 | 一种基于数据分析的工业机器视觉检测管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115265635A true CN115265635A (zh) | 2022-11-01 |
CN115265635B CN115265635B (zh) | 2023-04-07 |
Family
ID=83756722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211195082.0A Active CN115265635B (zh) | 2022-09-29 | 2022-09-29 | 一种基于数据分析的工业机器视觉检测管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115265635B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115903659A (zh) * | 2023-03-09 | 2023-04-04 | 深圳市星火数控技术有限公司 | 一种数控设备智能监控方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004085216A (ja) * | 2002-08-22 | 2004-03-18 | Toyota Motor Corp | 良否判定装置、良否判定プログラムおよび良否判定方法 |
JP2008311719A (ja) * | 2007-06-12 | 2008-12-25 | Nippon Telegr & Teleph Corp <Ntt> | 閾値設定方法とシステムおよびプログラム |
EP2294978A1 (en) * | 2009-09-14 | 2011-03-16 | Imec | Adaptive sampling |
US20120170695A1 (en) * | 2010-12-30 | 2012-07-05 | Mobin Mohammad S | Methods And Apparatus For Automatic Gain Control Using Samples Taken At Desired Sampling Phase And Target Voltage Level |
CN103346105A (zh) * | 2013-06-27 | 2013-10-09 | 上海华力微电子有限公司 | 一种可按照工艺晶圆数量负载动态调整的缺陷抽检方法 |
CN104404144A (zh) * | 2014-11-18 | 2015-03-11 | 华南理工大学 | 一种用于检测大肠菌群的试剂盒及应用 |
CN105322538A (zh) * | 2015-11-10 | 2016-02-10 | 成都九十度工业产品设计有限公司 | 一种安全电力供电系统 |
CN105844478A (zh) * | 2016-03-17 | 2016-08-10 | 深圳市检验检疫科学研究院 | 一种用于跨境电子商务的产品质量抽样检验方法 |
EP3306608A1 (en) * | 2016-10-07 | 2018-04-11 | Bmat Licensing, S.L.U. | Estimating audibility of audio samples |
CN114271219A (zh) * | 2021-11-26 | 2022-04-05 | 北京市华都峪口禽业有限责任公司 | 雏鸡鉴别质量抽检系统 |
CN114793019A (zh) * | 2022-05-31 | 2022-07-26 | 南京国电南思科技发展股份有限公司 | 基于大数据分析的二次设备可视化监管系统 |
CN114993387A (zh) * | 2022-07-18 | 2022-09-02 | 深圳市联智通达智能有限公司 | 一种基于人工智能的主板生产加工监管系统 |
-
2022
- 2022-09-29 CN CN202211195082.0A patent/CN115265635B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004085216A (ja) * | 2002-08-22 | 2004-03-18 | Toyota Motor Corp | 良否判定装置、良否判定プログラムおよび良否判定方法 |
JP2008311719A (ja) * | 2007-06-12 | 2008-12-25 | Nippon Telegr & Teleph Corp <Ntt> | 閾値設定方法とシステムおよびプログラム |
EP2294978A1 (en) * | 2009-09-14 | 2011-03-16 | Imec | Adaptive sampling |
US20120170695A1 (en) * | 2010-12-30 | 2012-07-05 | Mobin Mohammad S | Methods And Apparatus For Automatic Gain Control Using Samples Taken At Desired Sampling Phase And Target Voltage Level |
CN103346105A (zh) * | 2013-06-27 | 2013-10-09 | 上海华力微电子有限公司 | 一种可按照工艺晶圆数量负载动态调整的缺陷抽检方法 |
CN104404144A (zh) * | 2014-11-18 | 2015-03-11 | 华南理工大学 | 一种用于检测大肠菌群的试剂盒及应用 |
CN105322538A (zh) * | 2015-11-10 | 2016-02-10 | 成都九十度工业产品设计有限公司 | 一种安全电力供电系统 |
CN105844478A (zh) * | 2016-03-17 | 2016-08-10 | 深圳市检验检疫科学研究院 | 一种用于跨境电子商务的产品质量抽样检验方法 |
EP3306608A1 (en) * | 2016-10-07 | 2018-04-11 | Bmat Licensing, S.L.U. | Estimating audibility of audio samples |
CN114271219A (zh) * | 2021-11-26 | 2022-04-05 | 北京市华都峪口禽业有限责任公司 | 雏鸡鉴别质量抽检系统 |
CN114793019A (zh) * | 2022-05-31 | 2022-07-26 | 南京国电南思科技发展股份有限公司 | 基于大数据分析的二次设备可视化监管系统 |
CN114993387A (zh) * | 2022-07-18 | 2022-09-02 | 深圳市联智通达智能有限公司 | 一种基于人工智能的主板生产加工监管系统 |
Non-Patent Citations (5)
Title |
---|
BYEONG-JUN BANG等: "Effective sampling method for statistical leakage analysis: Hybrid sampling method", 《2017 INTERNATIONAL SOC DESIGN CONFERENCE (ISOCC)》 * |
GE-JI ZHONG等: "Spatial Autocorrelation of Winter Wheat in Sampling Units and its Effect on Sampling Efficiency", 《2018 7TH INTERNATIONAL CONFERENCE ON AGRO-GEOINFORMATICS (AGRO-GEOINFORMATICS)》 * |
周博文等: "智能视觉检测平台的控制系统研究与开发", 《仪表技术与传感器》 * |
张海超等: "基于密炼MES生产数据的橡胶质量预测研究与实践", 《橡塑技术与装备》 * |
张辉: "医药大输液可见异物的视觉检测机器人技术研究", 《中国优秀博士学位论文全文数据库信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115903659A (zh) * | 2023-03-09 | 2023-04-04 | 深圳市星火数控技术有限公司 | 一种数控设备智能监控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115265635B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114911209B (zh) | 一种基于数据分析的大蒜加工废水处理管理系统 | |
CN115469176A (zh) | 一种基于数据模型的数字孪生电网用风险评估系统 | |
CN115389854B (zh) | 一种直流电源供电系统的安全监测系统及方法 | |
WO2020181759A1 (zh) | 微型变压器生产线的设备故障和潜在不良品智能预测系统 | |
CN115265635B (zh) | 一种基于数据分析的工业机器视觉检测管理系统 | |
CN116360367A (zh) | 一种工业设备物联网数据采集方法及系统 | |
CN111628570B (zh) | 水电站安全监测故障诊断方法及系统 | |
CN116205637B (zh) | 基于物联网与工业大数据的智能工厂管理系统 | |
CN114019927A (zh) | 基于智能精密模具制造的监管反馈控制系统 | |
CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
CN116008701B (zh) | 用于智能高压开关柜的电动机构运行诊断系统及方法 | |
CN115540799A (zh) | 一种适用于位移检测装置的运行效率评估系统 | |
CN114691521A (zh) | 一种基于人工智能的软件测试平台 | |
CN115933508A (zh) | 一种配电网智能电力运维系统 | |
CN114608741A (zh) | 一种基于大数据的压力传感器采集系统 | |
CN114460439A (zh) | 一种数字集成电路测试系统 | |
CN110763979A (zh) | 一种基于mes系统的led晶圆点测自动化系统 | |
CN114789468A (zh) | 一种自动故障检测及修复系统、方法、设备及终端 | |
CN117169652A (zh) | 一种基于人工智能的配电网故障检测定位系统 | |
CN115452031A (zh) | 一种旋转编码开关生产用检测系统 | |
CN104078381A (zh) | 一种量测机台监测图规格界限设定的方法 | |
CN106443238A (zh) | 高压设备状态评估方法、在线监测装置评估方法及装置 | |
CN105204464A (zh) | 一种线束压着品质在线管理系统和方法 | |
CN117406048B (zh) | 一种变压器放电故障诊断方法及装置 | |
CN117873007B (zh) | 基于工业物联网的制造流程管理方法、系统、设备及介质 |
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 |