CN115608643A - 工业互联网的工业检测方法及系统 - Google Patents

工业互联网的工业检测方法及系统 Download PDF

Info

Publication number
CN115608643A
CN115608643A CN202211284289.5A CN202211284289A CN115608643A CN 115608643 A CN115608643 A CN 115608643A CN 202211284289 A CN202211284289 A CN 202211284289A CN 115608643 A CN115608643 A CN 115608643A
Authority
CN
China
Prior art keywords
product
production line
industrial
sorting robot
defect
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
CN202211284289.5A
Other languages
English (en)
Other versions
CN115608643B (zh
Inventor
孙长进
陈萍
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.)
Jiangsu Kingen Intelligent Technology Co ltd
Original Assignee
Jiangsu Kingen Intelligent 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 Jiangsu Kingen Intelligent Technology Co ltd filed Critical Jiangsu Kingen Intelligent Technology Co ltd
Priority to CN202211284289.5A priority Critical patent/CN115608643B/zh
Publication of CN115608643A publication Critical patent/CN115608643A/zh
Application granted granted Critical
Publication of CN115608643B publication Critical patent/CN115608643B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/3416—Sorting according to other particular properties according to radiation transmissivity, e.g. for light, x-rays, particle radiation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B07C5/362—Separating or distributor mechanisms
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0063—Using robots
    • 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]

Abstract

本申请涉及一种工业互联网的工业检测方法及系统，其方法包括：基于加工厂的加工生产线构建加工厂的虚拟生产线；获取工业产品的产品检测参数；通过产品检测参数判断工业产品是否为缺陷产品；若为缺陷产品，确定缺陷产品所在的当前工序，生成分拣信息；若分拣机器人接收到分拣信息，获取分拣机器人预设的初始移动速度；获取加工生产线边缘预设的第一拿取节点；获取缺陷产品在被判定为缺陷产品时的初始定位；获取加工生产线的运行速率；基于初始定位和运行速率，判断分拣机器人以初始移动速度移动并到达第一拿取节点时，能否抓取缺陷产品；若无法抓取缺陷产品，发出第一控制信息，通过第一控制信息控制下一工序的分拣机器人对缺陷产品进行分拣。

Description

工业互联网的工业检测方法及系统
技术领域
本申请涉及智慧工厂领域，尤其是涉及一种工业互联网的工业检测方法及系统。
背景技术
随着代加工行业的兴起，越来越多的生产型企业选择代加工工厂对自营的工业产品进行生产，以节约自身建厂资金和降低企业的生产风险。
现有的代加工工厂，在工作人员检查出生产线上存在缺陷的产品后，会选择加工生产线上预先设置的不可移动的机器人对生产线上存在缺陷的产品进行分拣。在机器人对缺陷产品进行分拣时，需工作人员控制机器人的机械手抓取时下落的方向，即人工进行缺陷产品的位置校准，进而对存在缺陷的产品进行分拣。
在上述现有技术中，申请人认为，在实施机械手抓取时，由人工控制机械手抓取时下落的方向，进而抓取缺陷产品的方式，主要取决于工作人员对机器人高超的控制经验，若工作人员控制经验不足，会造成控制机器人抓取缺陷产品的效率低下。
申请内容
为了有效提高机器人抓取缺陷产品的效率，本申请提供一种工业互联网的工业检测方法及系统。
第一方面，本申请提供的工业互联网的工业检测方法采用如下的技术方案：
一种工业互联网的工业检测方法，包括：
基于加工厂的加工生产线构建所述加工厂的虚拟生产线；所述虚拟生产线与所述加工生产线进行实时数据传输，以实现所述虚拟生产线与所述加工生产线的动作同步及若干工序同步；
通过所述加工生产线上的产品检测设备获取工业产品的产品检测参数；所述工业产品在所述加工生产线上沿固定的移动路径进行移动；所述移动路径与所述加工生产线的边缘平行；
通过所述产品检测参数判断所述工业产品是否为缺陷产品；
若为缺陷产品，确定所述缺陷产品所在的当前工序，生成分拣信息；
判断预设的分拣机器人是否接收到所述分拣信息；所述分拣机器人在与所述加工生产线平行的平行轨道内移动；所述分拣机器人从所述平行轨道移动至加工生产线的边缘时仅以垂直于所述加工生产线的路径移动；每个工序均设有一个所述分拣机器人；
若所述分拣机器人接收到所述分拣信息，获取所述分拣机器人预设的初始移动速度；
获取在所述当前工序中，所述加工生产线边缘预设的第一拿取节点；每个工序均预设有第一拿取节点；所述分拣机器人的初始位置位于经过所述第一拿取节点的所述平行轨道的垂线上；
获取所述缺陷产品在被判定为缺陷产品时的初始定位；
获取所述加工生产线的运行速率；
基于所述初始定位和所述运行速率，判断所述分拣机器人以所述初始移动速度移动并到达所述第一拿取节点时，能否抓取所述缺陷产品；
若所述分拣机器人在到达所述第一拿取节点时，无法抓取所述缺陷产品，发出第一控制信息，通过第一控制信息控制下一工序的所述分拣机器人对所述缺陷产品进行分拣。
通过采用上述技术方案，基于加工厂的加工生产线构建加工厂的虚拟生产线，从而使企业无需在加工厂现场即可了解到加工厂的加工生产线情况，加工厂的生产线和虚拟生产线的实时数据传输，使加工厂生产线对企业全程透明化，有利于企业对产品质量进行把控；除此之外，缺陷产品通过产品检测参数进行判断，无需工作人员人工判断，有效减轻人力。
在判定工业产品为缺陷产品后，首先判断平行轨道内的分拣机器人以初始移动速度移动并到达第一拿取节点时，能否抓取缺陷产品，进而判断是否控制分拣机器人抓取缺陷产品，全程无需人为参与，即无需工作人员对机器人高超的控制经验，有效提高了机器人抓取缺陷产品的效率。
可选的，所述基于所述初始定位和所述运行速率，判断所述分拣机器人以所述初始移动速度移动并到达所述第一拿取节点时，能否抓取所述缺陷产品，包括：
获取所述分拣机器人的所述初始位置与所述缺陷产品的移动路径的第一距离；
获取所述平行轨道与距离最近的所述加工生产线的边缘的第二距离；
基于所述第二距离和所述初始移动速度，计算所述分拣机器人到达所述第一拿取节点的第一移动时间；
获取所述分拣机器人的机械驱动时延；
获取所述第一拿取节点到所述缺陷产品的移动路径的第一垂点；
获取所述第一垂点与所述初始定位的第三距离；
基于所述第三距离和所述运行速率计算所述缺陷产品到达所述第一垂点的第二移动时间；
判断所述第二移动时间是否大于或等于所述机械驱动时延与所述第一移动时间的和；
若所述第二移动时间大于或等于所述机械驱动时延与所述第一移动时间的和，判定所述分拣机器人以所述初始移动速度移动并到达所述第一拿取节点时，能抓取所述缺陷产品；
若所述第二移动时间小于所述机械驱动时延与所述第一移动时间的和，判定所述分拣机器人以所述初始移动速度移动并到达所述第一拿取节点时，无法抓取所述缺陷产品。
通过采用上述技术方案，在加工生产线运行时，缺陷产品的位置实时变化，且分拣机器人在抓取缺陷产品时存在机械驱动时延，故判断分拣机器人能否在到达第一拿取节点时能抓取缺陷产品，可通过第二移动时间、机械驱动时延和第一移动时间进行判断。通过对分拣机器人在到达第一拿取节点时能否抓取到缺陷产品的判断，有利于为后续分拣机器人对缺陷产品的抓取更准确，无需人工参与，进而有效提高了机器人抓取缺陷产品的效率。
可选的，在所述判定所述分拣机器人以所述初始移动速度移动并到达所述第一拿取节点时，无法抓取所述缺陷产品之后，还包括：
若所述第二移动时间小于所述机械驱动时延与所述第一移动时间的和，获取所述分拣机器人从所述初始位置到达预设的第二拿取节点的第一移动距离；每个工序均预设有第二拿取节点；
基于所述分拣机器人预设的最大移动速度和所述第一移动距离，计算所述分拣机器人到达预设的第二拿取节点的第一时间；
获取所述第二拿取节点与所述缺陷产品的移动路径的第二移动距离，并获取所述第二拿取节点到所述缺陷产品的移动路径的第二垂点；
获取所述缺陷产品的所述初始定位与所述第二垂点的第三移动距离；
基于所述运行速率和所述第三移动距离，得到所述缺陷产品到达所述第二垂点的第二时间；
判断所述第二时间是否大于或等于所述第一时间与所述机械驱动时延的和；
若所述第二时间大于或等于所述第一时间与所述机械驱动时延的和，判定所述分拣机器人以所述最大移动速度移动并到达所述第二拿取节点时，能抓取所述缺陷产品；
若所述第二时间小于所述第一时间与所述机械驱动时延的和，判定所述分拣机器人到达所述第二拿取节点时，无法拿取所述缺陷产品。
通过采用上述技术方案，加工生产线除设置第一拿取节点外，还设置第二拿取节点，并判断分拣机器人移动并到达第二拿取节点时能否抓取缺陷产品，进一步提高后续分拣机器人对缺陷产品的抓取的准确性。
可选的，所述方法还包括：
若所述分拣机器人在到达所述第一拿取节点时，能抓取所述缺陷产品，判断所述缺陷产品的缺陷种类为生产缺陷或包装缺陷；
若所述缺陷产品的缺陷种类为生产缺陷，生成拿取信息，并获取当前生产工序，根据所述拿取信息控制所述当前生产工序的所述分拣机器人将所述缺陷产品放置到预设的第一放置区域；
若所述缺陷产品的缺陷种类为包装缺陷，生成重包装信息，并获取当前包装工序，根据所述重包装信息控制所述当前包装工序的所述分拣机器人将所述缺陷产品放置到预设的第二放置区域；
生成第二控制指令，根据所述第二控制指令控制预设的移动机器人沿预设的位移路径将所述第二放置区域的所述缺陷产品放置于所述当前包装工序的上一工序的加工生产线上。
通过采用上述技术方案，由于缺陷产品的缺陷种类可能不同，故首先对缺陷种类进行判断，进而便于判断缺陷产品是否可回收，若缺陷种类为包装缺陷，则生成第二控制指令，并根据第二控制指令控制移动机器人将缺陷产品放置于上一工序的加工生产线上以实现缺陷产品回收，有效降低企业的产品成本。
可选的，所述产品检测设备包括称重设备，X光机和摄像头；
所述判断所述缺陷产品的缺陷种类为生产缺陷或包装缺陷，包括：
基于摄像头，获取工业产品的表面图像；
基于机器视觉检测技术，对所述表面图像进行表面缺陷检测，得到检测结果；所述检测结果包括缺陷结果和非缺陷结果；
若所述检测结果为缺陷结果，判定所述工业产品具有包装缺陷；
基于所述X光机，获取所述工业产品的X光图像；
获取所述X光图像的若干目标灰度级，获取预设的标准灰度级图像的若干标准灰度级；所述目标灰度级与所述标准灰度级一一对应；
判断所述目标灰度级与对应的标准灰度级的差值是否超过预设的灰度阈值；
若超过，判定所述工业产品具有生产缺陷；
基于所述称重设备，获取所述工业产品的产品重量；
判断所述产品重量是否不等于预设的重量阈值；
若大于，判定所述工业产品具有生产缺陷。
通过采用上述技术方案，对缺陷产品的缺陷种类为生产缺陷或包装缺陷的检测，通过称重设备、X光机和摄像头进行检测，称重设备和X光机用于对缺陷种类是否为生产缺陷进行判断，摄像头用于对缺陷种类是否为包装缺陷进行检测，通过称重设备、X光机和摄像头对缺陷产品的缺陷种类的检测，有利于提高对缺陷种类检测的准确性。
可选的，所述包装缺陷包括封装缺陷和打标缺陷；
所述根据所述第二控制指令控制预设的移动机器人沿预设的位移路径将所述第二放置区域的所述缺陷产品放置于所述当前包装工序的上一工序的加工生产线上，包括：
若所述缺陷结果为封装缺陷，根据所述第二控制指令控制所述移动机器人沿预设的第一位移路径将所述第二放置区域的所述缺陷产品放置于封装工序的上一工序的加工生产线上；
若所述缺陷结果为打标缺陷，根据所述第二控制指令控制所述移动机器人沿预设的第二位移路径将所述第二放置区域的所述缺陷产品放置于打标工序的上一工序的加工生产线上。
通过采用上述技术方案，封装缺陷和打标缺陷均为可回收的缺陷种类，故若缺陷结果为封装缺陷时，控制移动机器人将缺陷产品放置于封装工序的上一工序的加工生产线上，以实现对缺陷产品的重新封装；若缺陷结果为打标缺陷时，控制移动机器人将缺陷产品放置于打标工序的上一工序的加工生产线上，以实现对缺陷产品的重新打标。
可选的，所述基于加工厂的加工生产线构建所述加工厂的虚拟生产线，包括：
基于BIM构建所述加工生产线的虚拟场景；
对所述加工生产线上预设的若干加工设备构建设备模型，并获取每台所述加工设备的PLC数据；
基于所述加工生产线，将若干所述设备模型导入所述虚拟场景；
通过所述PLC数据驱动所述虚拟场景中对应的设备模型，使所述设备模型实现与对应的加工设备的动作同步，得到虚拟生产线。
通过采用上述技术方案，虚拟生产线与加工生产线的实时数据传输通过加工设备的PLC数据实现，进而在虚拟生产线中展示每台加工设备的运行情况，使加工厂生产线对企业全程透明化，有利于企业对产品质量进行把控，进而便于使企业有效把控代加工工厂生产企业自营的工业产品的质量。
可选的，在所述通过所述加工生产线上的产品检测设备获取工业产品的产品检测参数之后，包括：
实时获取所述加工生产线上的工业产品的产品编码；
判断所述工序流水线上的所述产品编码是否连续；
若不连续，获取出现不连续的所述产品编码的起始时间点；
获取在所述起始时间点之后的预设数量的检测产品编码；
基于所述检测产品编码，判断是否存在生产线缺陷或设备缺陷；
若存在生产线缺陷，发出维修提示；
若存在设备缺陷，发出设备调节指令，并根据所述设备调节指令调节打标设备。
通过采用上述技术方案，产品编码为产品预设的编码，若工序流水线上的产品编码不连续，表明可能存在丢失产品或打标设备出错的情况，此时可通过获取在起始时间点后预设数量的检测产品编码，判断是否存在生产线缺陷或设备缺陷，并基于生产线缺陷和设备缺陷执行对应的动作，便于企业对加工生产线出现的问题及时了解，进而便于使企业有效把控代加工工厂生产企业自营工业产品的质量。
可选的，所述基于所述检测产品编码，判断是否存在生产线缺陷或设备缺陷，包括：
若所述检测产品编码不连续，判断所述不连续的产品编码是否满足预设的规律规则；
若所述不连续的产品编码不满足所述规律规则，判定存在生产线缺陷；
若所述不连续的产品编码满足所述规律规则，判定存在设备缺陷。
通过采用上述技术方案，当产品编码不连续时，通过判断不连续的产品编码是否满足预设的规律规则，进而判断是否存在生产线缺陷或设备缺陷，以便于对加工生产线进行实时监测，有效降低由于加工生产线出现问题后造成工业产品出现问题的概率。
第二方面，本申请提供的一种工业互联网的工业检测系统采用如下的技术方案：
一种工业互联网的工业检测系统，包括加工生产线，还包括中控主机，所述加工生产线上预设的产品检测设备和分拣机器人，所述产品检测设备与所述分拣机器人均与所述中控主机连接；
所述中控主机用于基于加工厂的加工生产线构建所述加工厂的虚拟生产线；所述虚拟生产线与所述加工生产线进行实时数据传输，以实现所述虚拟生产线与所述加工生产线的动作同步及若干工序同步；
所述中控主机用于通过所述加工生产线上的所述产品检测设备获取工业产品的产品检测参数；并通过所述产品检测参数判断所述工业产品是否为缺陷产品；所述工业产品在所述加工生产线上沿固定的移动路径进行移动；所述移动路径与所述加工生产线的边缘平行；
若为缺陷产品，所述中控主机用于确定所述缺陷产品所在的当前工序，生成分拣信息，并判断预设的分拣机器人是否接收到所述分拣信息；所述分拣机器人在与所述加工生产线平行的平行轨道内移动；所述分拣机器人从所述平行轨道移动至加工生产线的边缘时仅以垂直于所述加工生产线的路径移动；每个工序均设有一个所述分拣机器人；
若所述分拣机器人接收到所述分拣信息，所述中控主机获取所述分拣机器人预设的初始移动速度和获取在所述当前工序中，所述加工生产线边缘预设的第一拿取节点；每个工序均预设有第一拿取节点；所述分拣机器人的初始位置位于经过所述第一拿取节点的所述平行轨道的垂线上；
所述中控主机获取所述缺陷产品在被判定为缺陷产品时的初始定位，和所述加工生产线的运行速率，并基于所述初始定位和所述运行速率，判断所述分拣机器人以所述初始移动速度移动并到达所述第一拿取节点时，能否抓取所述缺陷产品；
若所述分拣机器人在到达所述第一拿取节点时，无法抓取所述缺陷产品，所述中控主机发出第一控制信息，并通过第一控制信息控制下一工序的所述分拣机器人对所述缺陷产品进行分拣。
通过采用上述技术方案，中控主机基于加工厂的加工生产线构建加工厂的虚拟生产线，从而使企业无需在加工厂现场即可了解到加工厂的加工生产线情况，加工厂的生产线和虚拟生产线的实时数据传输，使加工厂生产线对企业全程透明化，有利于企业对产品质量进行把控；除此之外，缺陷产品通过产品检测参数进行判断，无需工作人员人工判断，有效减轻人力。
在中控主机判定工业产品为缺陷产品后，首先判断平行轨道内的分拣机器人以初始移动速度移动并到达第一拿取节点时，能否抓取缺陷产品，进而判断是否控制分拣机器人抓取缺陷产品，全程无需人为参与，即无需工作人员对机器人高超的控制经验，有效提高了机器人抓取缺陷产品的效率。
综上所述，本申请具有以下至少一种有益技术效果：
1．在判定工业产品为缺陷产品后，首先判断平行轨道内的分拣机器人以初始移动速度移动并到达第一拿取节点时，能否抓取缺陷产品，进而判断是否控制分拣机器人抓取缺陷产品，全程无需人为参与，即无需工作人员对机器人高超的控制经验，有效提高了机器人抓取缺陷产品的效率。
2．首先对缺陷种类进行判断，进而便于判断缺陷产品是否可回收，若缺陷种类为包装缺陷，则生成第二控制指令，并根据第二控制指令控制移动机器人将缺陷产品放置于上一工序的加工生产线上以实现缺陷产品回收，有效降低企业的产品成本。
3．通过对分拣机器人在到达第一拿取节点时能否抓取到缺陷产品的判断，有利于为后续分拣机器人对缺陷产品的抓取更准确，无需人工参与，进而有效提高了机器人抓取缺陷产品的效率。
附图说明
图1是本申请实施例一种工业互联网的工业检测方法的其中一种实施方式的流程示意图。
图2是本申请实施例一种工业互联网的工业检测方法的其中一种实施方式的流程示意图。
图3是本申请实施例一种工业互联网的工业检测方法的其中一种实施方式的流程示意图。
图4是本申请实施例一种工业互联网的工业检测方法的其中一种实施方式的流程示意图。
图5是本申请实施例一种工业互联网的工业检测方法的其中一种实施方式的流程示意图。
图6是本申请实施例一种工业互联网的工业检测方法的其中一种实施方式的流程示意图。
图7是本申请实施例一种工业互联网的工业检测方法的其中一种实施方式的流程示意图。
图8是本申请实施例一种工业互联网的工业检测方法的其中一种实施方式的流程示意图。
具体实施方式
以下结合附图1至8对本申请作进一步详细说明。
本申请实施例公开一种工业互联网的工业检测方法。
参照图1，一种工业互联网的工业检测方法包括如下步骤：
S101、基于加工厂的加工生产线构建加工厂的虚拟生产线；虚拟生产线与加工生产线进行实时数据传输，以实现虚拟生产线与加工生产线的动作同步及若干工序同步。
构建加工厂的虚拟生产线，指将加工厂的加工生产线的各个设备虚拟集成于预设的场景内，实现虚拟生产线与加工生产线的实时数据传输，即虚拟生产线与加工生产线的动作同步即若干工序同步。在具体实施中，加工厂的加工生产线包括若干工序，每个工序所进行的动作均不同，例如第一工序用于包装，第二工序用于组装等。
将加工生产线构建虚拟生产线首先需建立虚拟场景，虚拟场景包括加工生产线的各个设备的三维模型，例如加工生产线的工作台、加工设备、装配设备、输送设备、监控设备等，且虚拟场景的各个设备的摆放顺序与加工生产线上的各个设备的摆放顺序一致。
虚拟场景可基于预设的场景建设软件进行建立。场景建设软件用于构建三维场景模型。
其次需将加工生产线的各个设备与虚拟场景中对应的虚拟设备进行数据传输，在第一实施例中，通过加工生产线的各个设备的设备接口基于预设的数据传输协议，将设备数据传输至预设的数据监管平台，再基于数据监管平台获取设备数据，并将设备数据对应于虚拟场景中对应的虚拟设备，即实现设备与虚拟场景中对应的虚拟设备的数据传输。设备数据用于体现设备的运行状况。在第二实施例中，可通过预设于加工生产线上的设备的传感器获取设备数据，传感器可为微传感器，微传感器可为电学微传感器、光学微传感器、机械微传感器等，在基于传感器得到设备数据后，即将设备数据与虚拟场景中对应的虚拟设备进行对应，使设备与虚拟场景中对应的虚拟设备进行数据传输。
S102、通过加工生产线上的产品检测设备获取工业产品的产品检测参数；工业产品在加工生产线上沿固定的移动路径进行移动；移动路径与加工生产线的边缘平行。
工业产品指工业企业进行工业生产活动的直接有效成果，包括加工食品、服装、塑料制品、仪器仪表、加工设备等。
产品检测设备指用于检测产品缺陷的设备，产品检测设备本实施例中包括摄像头、称重设备和X光机，除此之外，还可包括尺寸检测设备、超声波检测设备等，在此不做限制。摄像头用于检测产品的表面缺陷，称重设备用于检测产品的重量是否达标，X光机用于检测产品的内部缺陷。
产品检测参数包括对产品进行检测的参数，例如通过称重设备，检测到的产品检测参数为产品的重量，同理，摄像头拍摄的图像即为产品检测参数，X光机得到的X光图像为产品检测参数。
在具体实施中，加工生产线通过传动带的实时运行将工业产品运往各个工序。
S103、通过产品检测参数判断工业产品是否为缺陷产品。
缺陷产品指产品检测参数不达标的产品，例如若通过称重设备得到的产品重量低于预设的重量阈值，则表明产品为缺陷产品，若通过图像识别算法对摄像头拍摄的图像进行识别，得到产品表面存在缺陷，则表明产品检测参数不达标，为缺陷产品。
S104、若为缺陷产品，确定缺陷产品所在的当前工序，生成分拣信息。
若工业产品为缺陷产品，则确定缺陷产品所在的当前工序，即产品在被判定为缺陷产品时所在的工序为当前工序。分拣信息包括分拣指令和工业产品在被确定为缺陷产品时的定位与时间节点。分拣指令用于控制加工厂生产线上的分拣机器人进行分拣动作。
具体的，工业产品在被确定为缺陷产品时，可通过工业产品所在工序上预设的摄像头和激光位移传感器对缺陷产品进行定位，即在判定工业产品为缺陷产品后，即通过摄像头对缺陷产品进行实时定位，激光位移传感器用于获取缺陷产品的位移。
S105、判断预设的分拣机器人是否接收到分拣信息；分拣机器人在与加工生产线平行的平行轨道内移动；分拣机器人从平行轨道移动至加工生产线的边缘时仅以垂直于加工生产线的路径移动；每个工序均设有一个分拣机器人。
具体实施中，当前执行主体发送分拣信息时，会自动生成发送时间戳，在分拣机器人接收分拣信息时，亦会自动生成接收时间戳，故可通过接收时间戳判断分拣机器人是否接收到分拣信息。在本实施例中，生成时间戳和接收时间戳的时间间隔忽略不计。
S106、若分拣机器人接收到分拣信息，获取分拣机器人预设的初始移动速度。
分拣机器人的初始移动速度为预设，本实施例中，分拣机器人的移动均为匀速运动。分拣机器人为可移动机器人，包括用于抓取缺陷产品的机械臂，由于抓取功能的可移动机器人已被广泛使用，故在此不再赘述。
S107、获取在当前工序中，加工生产线边缘预设的第一拿取节点；每个工序均预设有第一拿取节点；分拣机器人的初始位置位于经过第一拿取节点的平行轨道的垂线上。
第一拿取节点为预设，每个工序除第一个工序外，均包括上一工序和下一工序，每个工序之间通过加工设备进行分隔，第一拿取节点位于每一工序靠近上一工序的加工生产线的边缘处。
S108、获取缺陷产品在被判定为缺陷产品时的初始定位。
由步骤S104可知，在判定工业产品为缺陷产品后，即通过摄像头对缺陷产品进行实时定位，激光位移传感器用于获取缺陷产品的位移。本实施例中，将缺陷产品在被判定为缺陷产品时的初始定位作为初始坐标（0，0）。
S109、获取加工生产线的运行速率。
加工生产线的运行速率可为预设，即由人为上传至当前执行主体，亦可通过加工生产线的传送带上预设的速度传感器得到。
S110、基于初始定位和运行速率，判断分拣机器人以初始移动速度移动并到达第一拿取节点时，能否抓取缺陷产品。
已知缺陷产品的初始定位和加工生产线的运行速率，可计算缺陷产品在加工生产线上的移动时间，除此之外，已知分拣机器人从平行轨道移动至加工生产线的边缘时仅以垂直于加工生产线的路径移动，故可通过获取分拣机器人与加工生产线边缘的距离得到分拣机器人的移动时间，可通过分拣机器人的移动时间和缺陷产品在生产线上的移动时间判断分拣机器人以初始移动速度并到达第一拿取节点时，能否抓取到缺陷产品。
S111、若分拣机器人在到达第一拿取节点时，无法抓取缺陷产品，发出第一控制信息，通过第一控制信息控制下一工序的分拣机器人对缺陷产品进行分拣。
若分拣机器人在到达第一拿取节点时，无法抓取缺陷产品，可通过下一工序的分拣机器人对缺陷产品进行抓取。第一控制信息包括第一控制指令和当前时间点，第一控制指令用于控制下一工序的分拣机器人抓取缺陷产品。
本实施例的实施原理为：基于加工厂的加工生产线构建加工厂的虚拟生产线，从而使企业无需在加工厂现场即可了解到加工厂的加工生产线情况，加工厂的生产线和虚拟生产线的实时数据传输，使加工厂生产线对企业全程透明化，有利于企业对产品质量进行把控；除此之外，缺陷产品通过产品检测参数进行判断，无需工作人员人工判断，有效减轻人力。
在判定工业产品为缺陷产品后，首先判断平行轨道内的分拣机器人以初始移动速度移动并到达第一拿取节点时，能否抓取缺陷产品，进而判断是否控制分拣机器人抓取缺陷产品，全程无需人为参与，即无需工作人员对机器人高超的控制经验，有效提高了机器人抓取缺陷产品的效率。
在图1所示实施例的步骤S110中，在已知缺陷产品的初始定位和加工生产线的运行速率后，可通过计算分拣机器人抓取缺陷产品的时间和通过运行速率和缺陷产品移动的距离计算缺陷产品移动的时间，判断分拣机器人是否可抓取到缺陷产品。具体通过图2所示实施方式进行详细说明。
参照图2，基于初始定位和运行速率，判断分拣机器人以初始移动速度移动并到达第一拿取节点时，能否抓取缺陷产品，包括如下步骤：
S201、获取分拣机器人的初始位置与缺陷产品的移动路径的第一距离。
由于分拣机器人从平行轨道移动至加工生产线的边缘时仅以垂直于加工生产线的路径移动且分拣机器人的初始位置位于经过第一拿取节点的平行轨道的垂线上，故分拣机器人的初始位置距离加工生产线的距离为分拣机器人的初始位置与第一拿取节点的距离。第一距离为分拣机器人的初始位置与缺陷产品的移动路径的距离，即为分拣机器人的初始位置与第一拿取节点的距离与第一拿取节点到移动路径的距离的和。
S202、获取平行轨道与距离最近的加工生产线的边缘的第二距离。
由步骤S201可知，平行轨道与距离最近的加工生产线的边缘的第二距离为分拣机器人的初始位置与第一拿取节点的距离。
S203、基于第二距离和初始移动速度，计算分拣机器人到达第一拿取节点的第一移动时间。
将第二距离作为L1，则分拣机器人以初始移动速度V1到达第一拿取节点的第一移动时间T1=L1/V1。
S204、获取分拣机器人的机械驱动时延。
具体实施中，分拣机器人通过机电一体化系统中的执行装置驱动。执行装置指接收电信号的指令，并将来自电、液压和气压等各种能源的能量转换成旋转运动、直线运动等方式的机械能的装置。驱动装置主要包括电动执行装置、液压执行装置和气动执行装置。
在分拣机器人执行抓取动作的过程中，可能会经过旋转和移动等驱动执行过程，在驱动执行过程中，存在机械驱动时延，即机械驱动时延为分拣机器人在开始进行动作的时刻到执行完毕动作的时刻之间的时间差值。
S205、获取第一拿取节点到缺陷产品的移动路径的第一垂点。
第一垂点指过第一拿取节点且垂直于加工生产线的垂线与移动路径的交叉点。
S206、获取第一垂点与初始定位的第三距离。
第三距离指缺陷产品从初始定位移动至第一垂点的距离。
S207、基于第三距离和运行速率计算缺陷产品到达第一垂点的第二移动时间。
将第三距离作为L2，则缺陷产品沿以速度V2匀速运动的加工生产线的第二移动时间T2=L2/V2。
将缺陷产品在被判定为缺陷产品时的初始定位作为初始坐标（0，0），即以初始定位为原点，以缺陷产品的移动路径为x轴，建立平面直角坐标系。则第一垂点的坐标为（L2,0），第一拿取节点的坐标为（L2，L3），则第一垂点与第一拿取节点的距离L3，则分拣机器人初始位置的纵坐标为L=L1+L3，分拣机器人初始位置的坐标为（L2，L）。
S208、判断第二移动时间是否大于或等于机械驱动时延与第一移动时间的和。
若考虑分拣机器人的机械驱动时延，将机械驱动时延作为t，则缺陷产品到达第一垂点的时间应为分拣机器人到达第一拿取节点的时间与机械驱动时延的和，即第二移动时间等于机械驱动时延与第一移动时间的和，T2=t+T1。
S209、若第二移动时间大于或等于机械驱动时延与第一移动时间的和，判定分拣机器人以初始移动速度移动并到达第一拿取节点时，能抓取缺陷产品。
当T2>t+T1时，此时分拣机器人提前到达第一拿取节点，亦可抓取缺陷产品，但此时分拣机器人需等待T2-t-T1的时间，即分拣机器人在到达第一拿取节点时，需进行等待，并在等待T2-t-T1的时间后，启动抓取指令，即可抓取缺陷产品。
S210、若第二移动时间小于机械驱动时延与第一移动时间的和，判定分拣机器人以初始移动速度移动并到达第一拿取节点时，无法抓取缺陷产品。
当T2<t+T1时，此时分拣机器人到达第一拿取节点时，已无法再抓取缺陷产品。
需要说明的是，步骤S201至步骤S210不考虑生成时间戳和接收时间戳的时间间隔。但具体实施中，当前执行主体发送指令并被分拣机器人接受的过程中，可能会存在较大的生成时间戳和接收时间戳的时间间隔，即产生传输时延。
若产生传输时延，不影响第一移动时间和机械驱动时延，仅影响第二移动时间，即缺陷产品到达第一垂点的时间，获取到缺陷产品的初始定位后，计算第二移动时间的步骤如下：
基于发送时间戳和接收时间戳，计算得到传输时延；
基于传输时延，得到缺陷产品的第一定位（l，0）；
基于第一定位得到第一定位与初始定位的第一相隔距离l；
计算第一定位（l，0）与第一垂点（L2,0）的第二相隔距离L4；
基于运行速率V2，计算缺陷产品从第一定位到第一垂点的时间T3=L4/V2；
判断T3是否大于或等于机械驱动时延与第一移动时间的和即t+T1；
若T3大于或等于机械驱动时延与第一移动时间的和，判定分拣机器人以初始移动速度移动并到达第一拿取节点时，能抓取缺陷产品；
若T3小于机械驱动时延与第一移动时间的和，判定分拣机器人以初始移动速度移动并到达第一拿取节点时，无法抓取缺陷产品。
以上步骤即为考虑到传输时延时，对分拣机械人能否抓取到缺陷产品的判断步骤，即增加了第一定位，第一定位与初始定位的距离指在传输时延时，缺陷产品已经位移的距离。
本实施方式提供的工业互联网的工业检测方法，在加工生产线运行时，缺陷产品的位置实时变化，且分拣机器人在抓取缺陷产品时存在机械驱动时延，故判断分拣机器人能否在到达第一拿取节点时能抓取缺陷产品，可通过第二移动时间、机械驱动时延和第一移动时间进行判断。通过对分拣机器人在到达第一拿取节点时能否抓取到缺陷产品的判断，有利于为后续分拣机器人对缺陷产品的抓取更准确，无需人工参与，进而有效提高了机器人抓取缺陷产品的效率。
在图2所示实施方式的步骤S210后，当分拣机器人在第一拿取节点时无法抓取到缺陷产品后，可通过设置第二拿取节点使分拣机器人可抓取到缺陷产品。具体通过图3所示实施方式进行详细说明。
参照图3，在判定分拣机器人以初始移动速度移动并到达第一拿取节点时，无法抓取缺陷产品之后，包括如下步骤：
S301、若第二移动时间小于机械驱动时延与第一移动时间的和，获取分拣机器人从初始位置到达预设的第二拿取节点的第一移动距离；每个工序均预设有第二拿取节点。
由步骤S107可知，每个工序除第一个工序外，均包括上一工序和下一工序，每个工序之间通过加工设备进行分隔，第一拿取节点位于每一工序靠近上一工序的加工生产线的边缘处，本实施例中，第二拿取节点位于每一工序靠近下一工序的加工生产线的边缘处。
分拣机器人从初始位置到达第二拿取节点时，需首先在平行轨道内移动至穿过第二拿取节点且与平行轨道垂直的交叉点处，再继续从不交叉点处移动至第二拿取节点，本实施例中，将分拣机器人从平行轨道位移至第二拿取节点的转弯处耗费的时间忽略不计，则第一移动距离为初始位置至交叉点的距离与交叉点与第二拿取节点的距离之和。
S302、基于分拣机器人预设的最大移动速度和第一移动距离，计算分拣机器人到达预设的第二拿取节点的第一时间。
第一时间T11=第一移动距离L11/最大移动速度V11。最大移动速度为预设，具体实施中，可在分拣机器人从初始位置到第一拿取节点的路径和交叉点到第二拿取节点的路径均安装用于分拣机器人移动的轨道。
S303、获取第二拿取节点与缺陷产品的移动路径的第二移动距离，并获取第二拿取节点到缺陷产品的移动路径的第二垂点。
第二移动距离为点到线的距离，即第二拿取节点到缺陷产品移动路径所在直线的距离。将第二移动距离作为L12。
S304、获取缺陷产品的初始定位与第二垂点的第三移动距离。
基于步骤S201至步骤S211，设第二垂点为（0，L13），则第三移动距离为L13。
S305、基于运行速率和第三移动距离，得到缺陷产品到达第二垂点的第二时间。
第二时间T12=第三移动距离L13/运行速率V2。
S306、判断第二时间是否大于或等于第一时间与机械驱动时延的和。
缺陷产品到达第一垂点的时间应为分拣机器人到达第二拿取节点的时间与机械驱动时延的和，即第二时间等于机械驱动时延与第一时间的和，T12=t+T11。
S307、若第二时间大于或等于第一时间与机械驱动时延的和，判定分拣机器人以最大移动速度移动并到达第二拿取节点时，能抓取缺陷产品。
当T12>t+T11时，此时分拣机器人提前到达第二拿取节点，亦可抓取缺陷产品，但此时分拣机器人需等待T12-t-T11的时间，即分拣机器人在到达第一拿取节点时，需进行等待，并在等待T12-t-T11的时间后，启动抓取指令，即可抓取缺陷产品。
S308、若第二时间小于第一时间与机械驱动时延的和，判定分拣机器人到达第二拿取节点时，无法拿取缺陷产品。
当T12<t+T11时，此时分拣机器人到达第二拿取节点时，已无法再抓取缺陷产品。
需要说明的是，步骤S301至步骤S307不考虑生成时间戳和接收时间戳的时间间隔。
需要说明的是，本实施例在分拣机器人移动至第二拿取节点后，在完成任务后，均会返回至初始位置。
本实施方式提供的工业互联网的工业检测方法，加工生产线除设置第一拿取节点外，还设置第二拿取节点，并判断分拣机器人移动并到达第二拿取节点时能否抓取缺陷产品，进一步提高后续分拣机器人对缺陷产品的抓取的准确性。
在图1所示实施例中，若分拣机器人在到达第一拿取节点时，能抓取缺陷产品，可对缺陷产品根据缺陷种类进行进一步划分，以便于后续对缺陷产品的处理。具体通过图4所示实施方式进行详细说明。
参照图4，方法还包括如下步骤：
S401、若分拣机器人在到达第一拿取节点时，能抓取缺陷产品，判断缺陷产品的缺陷种类为生产缺陷或包装缺陷。
本实施方式中，将缺陷产品的缺陷种类分为生产缺陷和包装缺陷，生产缺陷指缺陷产品的重量不足或缺陷产品的内部存在气泡、中空等缺陷等由于生产工艺造成的缺陷；包装缺陷指缺陷产品的外在包装存在缺陷。
S402、若缺陷产品的缺陷种类为生产缺陷，生成拿取信息，并获取当前生产工序，根据拿取信息控制当前生产工序的分拣机器人将缺陷产品放置到预设的第一放置区域。
第一放置区域用于放置无法再回收的工业产品的区域，若缺陷产品的缺陷种类为生产缺陷，则生成拿取信息，拿取信息包括拿取指令和缺陷产品的初始定位，并根据拿取指令控制分拣机器人将缺陷产品放置于第一放置区域，以便于对无法回收的缺陷产品进行集中放置。
S403、若缺陷产品的缺陷种类为包装缺陷，生成重包装信息，并获取当前包装工序，根据重包装信息控制当前包装工序的分拣机器人将缺陷产品放置到预设的第二放置区域。
若缺陷产品的缺陷种类为包装缺陷，表明产品可进行返工处理，即生成重包装信息，重包装信息包括重包装指令和缺陷产品的初始定位，并根据重包装指令控制分拣机器人将缺陷产品放置到预设的第二放置区域。第二放置区域指放置可回收的工业产品的区域。
S404、生成第二控制指令，根据第二控制指令控制预设的移动机器人沿预设的位移路径将第二放置区域的缺陷产品放置于当前包装工序的上一工序的加工生产线上。
移动机器人在本实施例中，沿预设的位移路径移动，位移路径为人为事先录入，在另一实施例中，可沿固定的轨道移动。第二控制指令用于控制移动机器人沿位移路径并将第二放置区域的缺陷产品放置于上一工序的加工生产线上，以实现对存在包装缺陷的工业产品的回收。其中每个工序中均设有第一放置区域和第二放置区域。
本实施方式提供的工业互联网的工业检测方法，由于缺陷产品的缺陷种类可能不同，故首先对缺陷种类进行判断，进而便于判断缺陷产品是否可回收，若缺陷种类为包装缺陷，则生成第二控制指令，并根据第二控制指令控制移动机器人将缺陷产品放置于上一工序的加工生产线上以实现缺陷产品回收，有效降低企业的产品成本。
在图4所示实施方式的步骤S401中，生产缺陷可通过称重设备和X光机进行检测，包装缺陷可通过摄像头进行检测。具体通过图5所示实施方式进行详细说明。
参照图5，产品检测设备包括称重设备，X光机和摄像头；
判断缺陷产品的缺陷种类为生产缺陷或包装缺陷，包括如下步骤：
S501、基于摄像头，获取工业产品的表面图像。
摄像头用于拍摄工业产品的表面图像。
S502、基于机器视觉检测技术，对表面图像进行表面缺陷检测，得到检测结果；检测结果包括缺陷结果和非缺陷结果。
机器视觉技术主要通过计算机模拟人的视觉功能，从图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。缺陷检测指对物品表面缺陷进行检测，表面缺陷包括工件表面的斑点、凹坑、划痕、色差、缺损等缺陷。由于基于机器视觉检测技术对图像进行缺陷检测的技术已被广泛应用，在此不再赘述。
S503、若检测结果为缺陷结果，判定工业产品具有包装缺陷。
S504、基于X光机，获取工业产品的X光图像。
X光机用于检测工业产品的内部缺陷，本实施例中内部缺陷指工业产品内部中空。
S505、获取X光图像的若干目标灰度级，获取预设的标准灰度级图像的若干标准灰度级；目标灰度级与标准灰度级一一对应。
标准灰度级图像为预设，指正常的工业产品的X光图像。本实施例通过将X光图像的若干目标灰度级与标准灰度级图像的若干标准灰度级进行一一比较，判断工业产品是否具有生产缺陷。
S506、判断目标灰度级与对应的标准灰度级的差值是否超过预设的灰度阈值。
S507、若超过，判定工业产品具有生产缺陷。
若目标灰度级与对应的标准灰度级的差值超过预设的灰度阈值，表明X光图像与正常工业产品的X光图像相差较大，此时则判定工业产品具有生产缺陷。举例说明，若灰度阈值为60，目标灰度级为220，对应的标准灰度级为150，由于目标灰度级与对应的标准灰度级的差值为70，小于灰度阈值，此时判定工业产品具有生产缺陷。
若目标灰度级与对应的标准灰度级的差值不超过预设的灰度阈值，无动作。
S508、基于称重设备，获取工业产品的产品重量。
称重设备本实施例为重力传感器，设于工业产品的移动路径上，用于检测工业产品的产品重量。
S509、判断产品重量是否不等于预设的重量阈值。
S510、若不等于，判定工业产品具有生产缺陷。
若产品重量大于重量阈值，表明工业产品重量较重，可能存在两个工业产品黏合在一起的情况，此时判定工业产品具有生产缺陷。举例说明，设重量阈值为200g，工业产品重量为412g，由于工业产品重量大于重量阈值，判定工业产品具有生产缺陷。若产品重量小于重量阈值，表明工业产品重量较轻，可能存在内部中空的情况，此时判定工业产品具有生产缺陷。
若产品重量等于重量阈值，无动作。
本实施方式提供的工业互联网的工业检测方法，对缺陷产品的缺陷种类为生产缺陷或包装缺陷的检测，通过称重设备、X光机和摄像头进行检测，称重设备和X光机用于对缺陷种类是否为生产缺陷进行判断，摄像头用于对缺陷种类是否为包装缺陷进行检测，通过称重设备、X光机和摄像头对缺陷产品的缺陷种类的检测，有利于提高对缺陷种类检测的准确性。
在图4所示实施方式的步骤S404中，可对包装缺陷进行进一步划分，即将包装缺陷划分为打标缺陷和封装缺陷。具体通过图6所示实施方式进行详细说明。
参照图6，包装缺陷包括封装缺陷和打标缺陷；
根据第二控制指令控制预设的移动机器人沿预设的位移路径将第二放置区域的缺陷产品放置于当前包装工序的上一工序的加工生产线上，包括如下步骤：
S601、若缺陷结果为封装缺陷，根据第二控制指令控制移动机器人沿预设的第一位移路径将第二放置区域的缺陷产品放置于封装工序的上一工序的加工生产线上。
封装缺陷指工业产品在封装工序中出现问题，造成工业产品的包装缺陷，若缺陷结果为封装缺陷，则根据第二控制指令控制移动机器人沿预设的第一位移路径将第二放置区域的缺陷产品放置于封装工序的上一工序的加工生产线上。
S602、若缺陷结果为打标缺陷，根据第二控制指令控制移动机器人沿预设的第二位移路径将第二放置区域的缺陷产品放置于打标工序的上一工序的加工生产线上。
打标缺陷指工业产品在打标工序中出现问题，即无产品编码或同时有一个以上的产品编码的情况，此时根据第二控制指令控制移动机器人沿预设的第一位移路径将第二放置区域的缺陷产品放置于封装工序的上一工序的加工生产线上。
本实施方式提供的工业互联网的工业检测方法，封装缺陷和打标缺陷均为可回收的缺陷种类，故若缺陷结果为封装缺陷时，控制移动机器人将缺陷产品放置于封装工序的上一工序的加工生产线上，以实现对缺陷产品的重新封装；若缺陷结果为打标缺陷时，控制移动机器人将缺陷产品放置于打标工序的上一工序的加工生产线上，以实现对缺陷产品的重新打标。
在图1所示实施例的步骤S101中，构建加工厂的虚拟生产线可首先构建加工生产线的虚拟场景，并实时获取加工设备的PLC数据，实现虚拟生产线与加工生产线数据传输的同步。具体通过图7所示实施方式进行详细说明。
参照图7，基于加工厂的加工生产线构建加工厂的虚拟生产线，包括如下步骤：
S701、基于BIM构建加工生产线的虚拟场景。
BIM指建筑信息模型，以加工生产线的各项相关信息数据作为模型基础，并对加工生产线进行建立，通过数字信息仿真模拟加工生产线具有的真实信息。通过BIM构建后的加工生产线，即得到生产线的虚拟场景。
S702、对加工生产线上预设的若干加工设备构建设备模型，并获取每台加工设备的PLC数据。
本实施例中，对若干加工设备构建设备模型亦通过BIM进行构建，PLC为可编程控制器，是以微处理器为核心，集微机技术，自动化技术，通信技术于一体的通用工业控制装置，在本实施例中，PLC指加工设备，PLC数据用于对加工设备运动进行控制。
S703、基于加工生产线，将若干设备模型导入虚拟场景。
本实施例中采用预设的3D模型软件即可实现将若干设备模型导入虚拟场景。具体的，设备模型在虚拟场景的位置需与设备在加工生产线的位置一致。
S704、通过PLC数据驱动虚拟场景中对应的设备模型，使设备模型实现与对应的加工设备的动作同步，得到虚拟生产线。
由于PLC数据用于控制设备运动，故在采集PLC数据后，当前执行主体对设备的运动数据进行分析，并在虚拟场景中的设备模型中使设备模型执行相应的动作，即可实现设备模型与对应的加工设备的动作同步。
本实施方式提供的工业互联网的工业检测方法，虚拟生产线与加工生产线的实时数据传输通过加工设备的PLC数据实现，进而在虚拟生产线中展示每台加工设备的运行情况，使加工厂生产线对企业全程透明化，有利于企业对产品质量进行把控，进而便于使企业有效把控代加工工厂生产企业自营的工业产品的质量。
在图1所示实施例的步骤S102后，工业产品可能出现产品编码不连续的情况，此时可通过不连续的产品编码，判断为生产线缺陷或设备缺陷。具体通过图8所示实施方式进行详细说明。
参照图8，在通过加工生产线上的产品检测设备获取工业产品的产品检测参数之后，包括如下步骤：
S801、实时获取加工生产线上的工业产品的产品编码。
具体实施中，工业产品的产品编码为产品在打标工序预设的编码，且产品编码具有唯一性和连续性，产品编码可为条形码、二维码等电子标签。加工生产线上预设有编码扫描设备，通过扫描设备对产品编码进行扫描，即可得到加工生产线上的工业产品的产品编码。
S802、判断工序流水线上的产品编码是否连续。
由于产品编码具有连续性，故产品编码在正常情况下是连续的编码，即后一个的产品编码的数字总比当前产品编码的数字大1，例如A产品编码为35，B产品编码为36，C产品编码为37，则A产品编码、B产品编码与C产品编码为连续的产品编码，若A产品编码为35，B产品编码为36，C产品编码为38，则A产品编码、B产品编码与C产品编码为不连续的产品编码。
S803、若不连续，获取出现不连续的产品编码的起始时间点。
若产品编码不连续，表明存在异常情况，此时则获取出现不连续的产品编码的起始时间点，基于步骤S502进行举例说明，若A产品编码为35，B产品编码为36，C产品编码为38，则出现不连续的产品编码的起始时间点为出现错误的C产品编码开始的时间点。
S804、获取在起始时间点之后的预设数量的检测产品编码。
预设数量由人为设置，在起始时间点后，获取预设数量的产品编码用于判断是否为生产线缺陷或设备缺陷。
S805、基于检测产品编码，判断是否存在生产线缺陷或设备缺陷。
基于步骤S503举例说明，获取预设时间点之后的20个产品编码，若20个产品编码均连续，则表明C产品编码为偶然性事件，若20个产品编码均不连续，则可能出现生产线缺陷或打标设备缺陷。
S806、若存在生产线缺陷，发出维修提示。
若存在生产线缺陷，则发出维修提示，用于提示加工厂及时对生产线进行维修。
S807、若存在设备缺陷，发出设备调节指令，并根据设备调节指令调节打标设备。
若存在打标设备缺陷，则发出设备调节指令，并根据设备调节指令调节打标设备，使打标设备正常工作。
本实施方式提供的工业互联网的工业检测方法，产品编码为产品预设的编码，若工序流水线上的产品编码不连续，表明可能存在丢失产品或打标设备出错的情况，此时可通过获取在起始时间点后预设数量的检测产品编码，判断是否存在生产线缺陷或设备缺陷，并基于生产线缺陷和设备缺陷执行对应的动作，便于企业对加工生产线出现的问题及时了解，进而便于使企业有效把控代加工工厂生产企业自营工业产品的质量。
在图8所示实施方式的步骤S805中，可通过将不连续的产品编码与预设的编码的规律规则进行比较，并判断为生产线缺陷或设备缺陷。具体通过以下实施方式进行详细说明。
基于检测产品编码，判断是否存在生产线缺陷或设备缺陷，包括如下步骤：
S901、若检测产品编码不连续，判断不连续的产品编码是否满足预设的规律规则。
本实施例中，预设的规律规则指产品编码的不连续是否规律，例如若不连续的产品编码为2，4，6，8，由于产品编码虽然不连续，但下一个产品编码均比上一个产品编码大2，故此时产品编码的不连续是规律的，即符合规律规则。若不连续的产品编码为2，5，6，27，由于产品编码不连续，且不连续的无规律，此时不连续的产品编码不满足预设的规律规则。需要说明的是，规律规则由人为制定，例如规律规则为若不连续的产品编码的下一个产品编码均比上一个产品编码大3，则此时不连续的产品编码2，4，6，8，则被判定为不满足规律规则。
S902、若不连续的产品编码不满足规律规则，判定存在生产线缺陷。
若不连续的产品编码不满足规律规则，此时则存在生产线缺陷，即生产线可能速度不均匀导致的产品编码不满足规律规则。
S903、若不连续的产品编码满足规律规则，判定存在设备缺陷。
若不连续的产品编码满足规律规则，此时则存在设备缺陷，即打标设备可能频率过快，导致产品编码不连续。
本实施方式提供的工业互联网的工业检测方法，当产品编码不连续时，通过判断不连续的产品编码是否满足预设的规律规则，进而判断是否存在生产线缺陷或设备缺陷，以便于对加工生产线进行实时监测，有效降低由于加工生产线出现问题后造成工业产品出现问题的概率。
本申请实施例还公开一种工业互联网的工业检测系统。
一种工业互联网的工业检测系统，包括加工生产线，还包括中控主机，加工生产线上预设的产品检测设备和分拣机器人，产品检测设备与分拣机器人均与中控主机连接。具体的，产品检测设备与中控主机可通过有线或无线的方式连接，分拣机器人与中控主机亦可通过有线或无线的方式连接。
中控主机用于基于加工厂的加工生产线构建加工厂的虚拟生产线；虚拟生产线与加工生产线进行实时数据传输，以实现虚拟生产线与加工生产线的动作同步及若干工序同步；
中控主机用于通过加工生产线上的产品检测设备获取工业产品的产品检测参数；并通过产品检测参数判断工业产品是否为缺陷产品；工业产品在加工生产线上沿固定的移动路径进行移动；移动路径与加工生产线的边缘平行；
若为缺陷产品，中控主机用于确定缺陷产品所在的当前工序，生成分拣信息，并判断预设的分拣机器人是否接收到分拣信息；分拣机器人在与加工生产线平行的平行轨道内移动；分拣机器人从平行轨道移动至加工生产线的边缘时仅以垂直于加工生产线的路径移动；每个工序均设有一个分拣机器人；
若分拣机器人接收到分拣信息，中控主机获取分拣机器人预设的初始移动速度和获取在当前工序中，加工生产线边缘预设的第一拿取节点；每个工序均预设有第一拿取节点；分拣机器人的初始位置位于经过第一拿取节点的平行轨道的垂线上；
中控主机获取缺陷产品在被判定为缺陷产品时的初始定位，和加工生产线的运行速率，并基于初始定位和运行速率，判断分拣机器人以初始移动速度移动并到达第一拿取节点时，能否抓取缺陷产品；
若分拣机器人在到达第一拿取节点时，无法抓取缺陷产品，中控主机发出第一控制信息，并通过第一控制信息控制下一工序的分拣机器人对缺陷产品进行分拣。
本申请实施例一种工业互联网的工业检测系统的实施原理为：中控主机基于加工厂的加工生产线构建加工厂的虚拟生产线，从而使企业无需在加工厂现场即可了解到加工厂的加工生产线情况，加工厂的生产线和虚拟生产线的实时数据传输，使加工厂生产线对企业全程透明化，有利于企业对产品质量进行把控；除此之外，缺陷产品通过产品检测参数进行判断，无需工作人员人工判断，有效减轻人力。
在中控主机判定工业产品为缺陷产品后，首先判断平行轨道内的分拣机器人以初始移动速度移动并到达第一拿取节点时，能否抓取缺陷产品，进而判断是否控制分拣机器人抓取缺陷产品，全程无需人为参与，即无需工作人员对机器人高超的控制经验，有效提高了机器人抓取缺陷产品的效率。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (10)

1.一种工业互联网的工业检测方法，其特征在于，包括：
基于加工厂的加工生产线构建所述加工厂的虚拟生产线；所述虚拟生产线与所述加工生产线进行实时数据传输，以实现所述虚拟生产线与所述加工生产线的动作同步及若干工序同步；
通过所述加工生产线上的产品检测设备获取工业产品的产品检测参数；所述工业产品在所述加工生产线上沿固定的移动路径进行移动；所述移动路径与所述加工生产线的边缘平行；
通过所述产品检测参数判断所述工业产品是否为缺陷产品；
若为缺陷产品，确定所述缺陷产品所在的当前工序，生成分拣信息；
判断预设的分拣机器人是否接收到所述分拣信息；所述分拣机器人在与所述加工生产线平行的平行轨道内移动；所述分拣机器人从所述平行轨道移动至加工生产线的边缘时仅以垂直于所述加工生产线的路径移动；每个工序均设有一个所述分拣机器人；
若所述分拣机器人接收到所述分拣信息，获取所述分拣机器人预设的初始移动速度；
获取在所述当前工序中，所述加工生产线边缘预设的第一拿取节点；每个工序均预设有第一拿取节点；所述分拣机器人的初始位置位于经过所述第一拿取节点的所述平行轨道的垂线上；
获取所述缺陷产品在被判定为缺陷产品时的初始定位；
获取所述加工生产线的运行速率；
基于所述初始定位和所述运行速率，判断所述分拣机器人以所述初始移动速度移动并到达所述第一拿取节点时，能否抓取所述缺陷产品；
若所述分拣机器人在到达所述第一拿取节点时，无法抓取所述缺陷产品，发出第一控制信息，通过第一控制信息控制下一工序的所述分拣机器人对所述缺陷产品进行分拣。
2.根据权利要求1所述的一种工业互联网的工业检测方法，其特征在于，所述基于所述初始定位和所述运行速率，判断所述分拣机器人以所述初始移动速度移动并到达所述第一拿取节点时，能否抓取所述缺陷产品，包括：
获取所述分拣机器人的所述初始位置与所述缺陷产品的移动路径的第一距离；
获取所述平行轨道与距离最近的所述加工生产线的边缘的第二距离；
基于所述第二距离和所述初始移动速度，计算所述分拣机器人到达所述第一拿取节点的第一移动时间；
获取所述分拣机器人的机械驱动时延；
获取所述第一拿取节点到所述缺陷产品的移动路径的第一垂点；
获取所述第一垂点与所述初始定位的第三距离；
基于所述第三距离和所述运行速率计算所述缺陷产品到达所述第一垂点的第二移动时间；
判断所述第二移动时间是否大于或等于所述机械驱动时延与所述第一移动时间的和；
若所述第二移动时间大于或等于所述机械驱动时延与所述第一移动时间的和，判定所述分拣机器人以所述初始移动速度移动并到达所述第一拿取节点时，能抓取所述缺陷产品；
若所述第二移动时间小于所述机械驱动时延与所述第一移动时间的和，判定所述分拣机器人以所述初始移动速度移动并到达所述第一拿取节点时，无法抓取所述缺陷产品。
3.根据权利要求2所述的一种工业互联网的工业检测方法，其特征在于，在所述判定所述分拣机器人以所述初始移动速度移动并到达所述第一拿取节点时，无法抓取所述缺陷产品之后，还包括：
若所述第二移动时间小于所述机械驱动时延与所述第一移动时间的和，获取所述分拣机器人从所述初始位置到达预设的第二拿取节点的第一移动距离；每个工序均预设有第二拿取节点；
基于所述分拣机器人预设的最大移动速度和所述第一移动距离，计算所述分拣机器人到达预设的第二拿取节点的第一时间；
获取所述第二拿取节点与所述缺陷产品的移动路径的第二移动距离，并获取所述第二拿取节点到所述缺陷产品的移动路径的第二垂点；
获取所述缺陷产品的所述初始定位与所述第二垂点的第三移动距离；
基于所述运行速率和所述第三移动距离，得到所述缺陷产品到达所述第二垂点的第二时间；
判断所述第二时间是否大于或等于所述第一时间与所述机械驱动时延的和；
若所述第二时间大于或等于所述第一时间与所述机械驱动时延的和，判定所述分拣机器人以所述最大移动速度移动并到达所述第二拿取节点时，能抓取所述缺陷产品；
若所述第二时间小于所述第一时间与所述机械驱动时延的和，判定所述分拣机器人到达所述第二拿取节点时，无法拿取所述缺陷产品。
4.根据权利要求1所述的一种工业互联网的工业检测方法，其特征在于，所述方法还包括：
若所述分拣机器人在到达所述第一拿取节点时，能抓取所述缺陷产品，判断所述缺陷产品的缺陷种类为生产缺陷或包装缺陷；
若所述缺陷产品的缺陷种类为生产缺陷，生成拿取信息，并获取当前生产工序，根据所述拿取信息控制所述当前生产工序的所述分拣机器人将所述缺陷产品放置到预设的第一放置区域；
若所述缺陷产品的缺陷种类为包装缺陷，生成重包装信息，并获取当前包装工序，根据所述重包装信息控制所述当前包装工序的所述分拣机器人将所述缺陷产品放置到预设的第二放置区域；
生成第二控制指令，根据所述第二控制指令控制预设的移动机器人沿预设的位移路径将所述第二放置区域的所述缺陷产品放置于所述当前包装工序的上一工序的加工生产线上。
5.根据权利要求4所述的一种工业互联网的工业检测方法，其特征在于，所述产品检测设备包括称重设备，X光机和摄像头；
所述判断所述缺陷产品的缺陷种类为生产缺陷或包装缺陷，包括：
基于摄像头，获取工业产品的表面图像；
基于机器视觉检测技术，对所述表面图像进行表面缺陷检测，得到检测结果；所述检测结果包括缺陷结果和非缺陷结果；
若所述检测结果为缺陷结果，判定所述工业产品具有包装缺陷；
基于所述X光机，获取所述工业产品的X光图像；
获取所述X光图像的若干目标灰度级，获取预设的标准灰度级图像的若干标准灰度级；所述目标灰度级与所述标准灰度级一一对应；
判断所述目标灰度级与对应的标准灰度级的差值是否超过预设的灰度阈值；
若超过，判定所述工业产品具有生产缺陷；
基于所述称重设备，获取所述工业产品的产品重量；
判断所述产品重量是否不等于预设的重量阈值；
若大于，判定所述工业产品具有生产缺陷。
6.根据权利要求5所述的一种工业互联网的工业检测方法，其特征在于，所述包装缺陷包括封装缺陷和打标缺陷；
所述根据所述第二控制指令控制预设的移动机器人沿预设的位移路径将所述第二放置区域的所述缺陷产品放置于所述当前包装工序的上一工序的加工生产线上，包括：
若所述缺陷结果为封装缺陷，根据所述第二控制指令控制所述移动机器人沿预设的第一位移路径将所述第二放置区域的所述缺陷产品放置于封装工序的上一工序的加工生产线上；
若所述缺陷结果为打标缺陷，根据所述第二控制指令控制所述移动机器人沿预设的第二位移路径将所述第二放置区域的所述缺陷产品放置于打标工序的上一工序的加工生产线上。
7.根据权利要求1所述的一种工业互联网的工业检测方法，其特征在于，所述基于加工厂的加工生产线构建所述加工厂的虚拟生产线，包括：
基于BIM构建所述加工生产线的虚拟场景；
对所述加工生产线上预设的若干加工设备构建设备模型，并获取每台所述加工设备的PLC数据；
基于所述加工生产线，将若干所述设备模型导入所述虚拟场景；
通过所述PLC数据驱动所述虚拟场景中对应的设备模型，使所述设备模型实现与对应的加工设备的动作同步，得到虚拟生产线。
8.根据权利要求1所述的一种工业互联网的工业检测方法，其特征在于，在所述通过所述加工生产线上的产品检测设备获取工业产品的产品检测参数之后，包括：
实时获取所述加工生产线上的工业产品的产品编码；
判断所述工序流水线上的所述产品编码是否连续；
若不连续，获取出现不连续的所述产品编码的起始时间点；
获取在所述起始时间点之后的预设数量的检测产品编码；
基于所述检测产品编码，判断是否存在生产线缺陷或设备缺陷；
若存在生产线缺陷，发出维修提示；
若存在设备缺陷，发出设备调节指令，并根据所述设备调节指令调节打标设备。
9.根据权利要求8所述的一种工业互联网的工业检测方法，其特征在于，所述基于所述检测产品编码，判断是否存在生产线缺陷或设备缺陷，包括：
若所述检测产品编码不连续，判断所述不连续的产品编码是否满足预设的规律规则；
若所述不连续的产品编码不满足所述规律规则，判定存在生产线缺陷；
若所述不连续的产品编码满足所述规律规则，判定存在设备缺陷。
10.一种工业互联网的工业检测系统，包括加工生产线，其特征在于：还包括中控主机，所述加工生产线上预设的产品检测设备和分拣机器人，所述产品检测设备与所述分拣机器人均与所述中控主机连接；
所述中控主机用于基于加工厂的加工生产线构建所述加工厂的虚拟生产线；所述虚拟生产线与所述加工生产线进行实时数据传输，以实现所述虚拟生产线与所述加工生产线的动作同步及若干工序同步；
所述中控主机用于通过所述加工生产线上的所述产品检测设备获取工业产品的产品检测参数；并通过所述产品检测参数判断所述工业产品是否为缺陷产品；所述工业产品在所述加工生产线上沿固定的移动路径进行移动；所述移动路径与所述加工生产线的边缘平行；
若为缺陷产品，所述中控主机用于确定所述缺陷产品所在的当前工序，生成分拣信息，并判断预设的分拣机器人是否接收到所述分拣信息；所述分拣机器人在与所述加工生产线平行的平行轨道内移动；所述分拣机器人从所述平行轨道移动至加工生产线的边缘时仅以垂直于所述加工生产线的路径移动；每个工序均设有一个所述分拣机器人；
若所述分拣机器人接收到所述分拣信息，所述中控主机获取所述分拣机器人预设的初始移动速度和获取在所述当前工序中，所述加工生产线边缘预设的第一拿取节点；每个工序均预设有第一拿取节点；所述分拣机器人的初始位置位于经过所述第一拿取节点的所述平行轨道的垂线上；
所述中控主机获取所述缺陷产品在被判定为缺陷产品时的初始定位，和所述加工生产线的运行速率，并基于所述初始定位和所述运行速率，判断所述分拣机器人以所述初始移动速度移动并到达所述第一拿取节点时，能否抓取所述缺陷产品；
若所述分拣机器人在到达所述第一拿取节点时，无法抓取所述缺陷产品，所述中控主机发出第一控制信息，并通过第一控制信息控制下一工序的所述分拣机器人对所述缺陷产品进行分拣。
CN202211284289.5A 2022-10-15 2022-10-15 工业互联网的工业检测方法及系统 Active CN115608643B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211284289.5A CN115608643B (zh) 2022-10-15 2022-10-15 工业互联网的工业检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211284289.5A CN115608643B (zh) 2022-10-15 2022-10-15 工业互联网的工业检测方法及系统

Publications (2)

Publication Number Publication Date
CN115608643A true CN115608643A (zh) 2023-01-17
CN115608643B CN115608643B (zh) 2023-10-20

Family

ID=84864579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211284289.5A Active CN115608643B (zh) 2022-10-15 2022-10-15 工业互联网的工业检测方法及系统

Country Status (1)

Country Link
CN (1) CN115608643B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116399873A (zh) * 2023-06-07 2023-07-07 杭州百子尖科技股份有限公司 基于机器视觉的片材缺陷贴标方法、装置、设备以及介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10131051B1 (en) * 2016-08-12 2018-11-20 Amazon Technologies, Inc. Anticipation-based robotic object grasping
US20190129433A1 (en) * 2016-12-29 2019-05-02 Amicro Semiconductor Corporation A path planning method of intelligent robot
CN109834712A (zh) * 2019-03-01 2019-06-04 广东工业大学 一种机器人抓取顺序优化的方法
CN110302981A (zh) * 2019-06-17 2019-10-08 华侨大学 一种固废分拣在线抓取方法和系统
CN113102297A (zh) * 2021-04-09 2021-07-13 中国大恒(集团)有限公司北京图像视觉技术分公司 一种并联机器人快速分拣瑕疵工件的方法
WO2021198053A1 (en) * 2020-04-03 2021-10-07 Beumer Group A/S Pick and place robot system, method, use and sorter system
CN114029237A (zh) * 2021-11-08 2022-02-11 上海电机学院 一种铝型材表面缺陷实时分拣系统及方法
CN114029243A (zh) * 2021-11-11 2022-02-11 江苏昱博自动化设备有限公司 一种用于分拣机器手的软物抓取识别方法
CN114951003A (zh) * 2022-05-06 2022-08-30 苏州嘉诺智能制造有限公司 基于距离检测的分拣方法及装置
CN115070780A (zh) * 2022-08-24 2022-09-20 北自所(北京)科技发展股份有限公司 基于数字孪生的工业机器人抓取方法、装置及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10131051B1 (en) * 2016-08-12 2018-11-20 Amazon Technologies, Inc. Anticipation-based robotic object grasping
US20190129433A1 (en) * 2016-12-29 2019-05-02 Amicro Semiconductor Corporation A path planning method of intelligent robot
CN109834712A (zh) * 2019-03-01 2019-06-04 广东工业大学 一种机器人抓取顺序优化的方法
CN110302981A (zh) * 2019-06-17 2019-10-08 华侨大学 一种固废分拣在线抓取方法和系统
WO2021198053A1 (en) * 2020-04-03 2021-10-07 Beumer Group A/S Pick and place robot system, method, use and sorter system
CN113102297A (zh) * 2021-04-09 2021-07-13 中国大恒(集团)有限公司北京图像视觉技术分公司 一种并联机器人快速分拣瑕疵工件的方法
CN114029237A (zh) * 2021-11-08 2022-02-11 上海电机学院 一种铝型材表面缺陷实时分拣系统及方法
CN114029243A (zh) * 2021-11-11 2022-02-11 江苏昱博自动化设备有限公司 一种用于分拣机器手的软物抓取识别方法
CN114951003A (zh) * 2022-05-06 2022-08-30 苏州嘉诺智能制造有限公司 基于距离检测的分拣方法及装置
CN115070780A (zh) * 2022-08-24 2022-09-20 北自所(北京)科技发展股份有限公司 基于数字孪生的工业机器人抓取方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王铮;戴坚锋;钱振宇;寿开荣;: "面向传送带作业系统的机器人目标跟踪与抓取策略研究", 计算机测量与控制, no. 11, pages 85 - 90 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116399873A (zh) * 2023-06-07 2023-07-07 杭州百子尖科技股份有限公司 基于机器视觉的片材缺陷贴标方法、装置、设备以及介质
CN116399873B (zh) * 2023-06-07 2023-09-26 杭州百子尖科技股份有限公司 基于机器视觉的片材缺陷贴标方法、装置、设备以及介质

Also Published As

Publication number Publication date
CN115608643B (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
CN100520377C (zh) 多视觉空瓶检测机器人
CN108413873A (zh) 一种手机外壳在线尺寸测量与表面缺陷检测系统及其方法
CN104511436B (zh) 一种基于机器人视觉伺服技术的快递分拣方法及系统
CN103157607A (zh) 一种物品识别与分拣装置及其方法
CN111136656A (zh) 一种用于机器人三维不规则物体自动识别及抓取的方法
CN115290001A (zh) 一种产品测试方法及系统
CN107470170A (zh) 基于机器视觉的pcb检测分拣系统及方法
CN113465511A (zh) 一种钢卷尺寸在线测量及全方位端面缺陷在线检测方法
CN115608643A (zh) 工业互联网的工业检测方法及系统
CN114029243B (zh) 一种用于分拣机器手的软物抓取识别方法
CN108127238A (zh) 非平整面自主识别机器人增材成形的方法
CN108748149A (zh) 一种复杂环境下基于深度学习的无标定机械臂抓取方法
CN117080139B (zh) 基于真空吸附技术的晶圆传送控制方法及传送控制系统
CN113289925A (zh) 一种基于深度学习的煤中杂物智能分拣系统及其分拣方法
CN111551559A (zh) 一种基于多目视觉系统的lcd液晶屏缺陷检测方法
CN113715012B (zh) 一种遥控器零件自动装配方法和系统
CN112718546A (zh) 一种工业产品视觉分拣设备及其分拣工艺
KR20210130409A (ko) 딥러닝을 이용한 비정형 재활용품 분류 시스템 및 그 방법
CN2858078Y (zh) 多视觉空瓶检测机器人
CN208125628U (zh) 一种基于机器视觉的电机换向器质量检测系统
CN114192447A (zh) 基于图像识别的垃圾分拣方法
KR100357764B1 (ko) 지능형 피혁 품질선별 장치
Alnowaini et al. Design and simulation robotic arm with computer vision for inspection process
CN116152228B (zh) 基于机器视觉和机器学习轮胎缺陷检测方法及系统
Alghamdi et al. An Integrated Robotic System: 2D-Vision based Inspection Robot with Automated PLC Conveyor System

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