CN115660596A - 一种移动终端的数据交互方法及移动终端 - Google Patents
一种移动终端的数据交互方法及移动终端 Download PDFInfo
- Publication number
- CN115660596A CN115660596A CN202211369206.2A CN202211369206A CN115660596A CN 115660596 A CN115660596 A CN 115660596A CN 202211369206 A CN202211369206 A CN 202211369206A CN 115660596 A CN115660596 A CN 115660596A
- Authority
- CN
- China
- Prior art keywords
- product
- mobile terminal
- processing data
- production
- 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
Links
Images
Classifications
-
- 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
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种移动终端的数据交互方法及移动终端，属于数据传输技术领域，具体包括以下步骤：建立云平台，云平台内存储有定制产品在各工序的预设加工数据和实际加工数据；通过移动终端采集定制产品的生产序列，提取定制产品在当前工序的预设加工数据并传输至加工设备，加工设备将定制产品的实际加工数据上传至云平台；通过移动终端采集问题产品的生产序列和问题图像，根据问题图像判断问题产品对应的问题工序，根据生产序列获取对应的实际加工数据，结合实际加工数据和问题工序判断问题产品的责任岗位；将问题图像发送至责任岗位的移动终端，提示责任岗位进行返工；本发明实现了对问题产品准确的责任定位。
Description
技术领域
本发明涉及数据传输技术领域，具体涉及一种移动终端的数据交互方法及移动终端。
背景技术
现有的工厂数据监控系统多基于PC运行，数据传输基于专用封闭式网络，仅存储在各个独立设备中，难以实现异地数据互动，当产品发生问题时，管理人员往往需要前往固设于某处的设备以了解情况，管理人员常常需要在车间内的各个加工设备之间来回跑动。
由于定制产品每一订单的具体数量和加工数据均不相同，无法进行标准化生产，同一台设备加工的每一订单的定制产品所需要的加工数据均不相同，容易误操作产生问题产品，而问题产品流入下一工序后，难以定位产生问题产品的上游岗位，特别是对于拥有多条生产线的车间，常常需要管理人员的依靠个人经验和询问加工人员来判断问题产品的责任所在，严重影响了产品的加工效率和质量。
发明内容
本发明的目的在于提供一种移动终端的数据交互方法及移动终端，解决以下技术问题：
定制产品中的问题产品流入下一工序后，难以定位产生问题产品的上游岗位，特别是对于拥有多条生产线的车间，常常需要管理人员的依靠个人经验和询问加工人员来判断问题产品的责任所在，严重影响了产品的加工效率和质量。
本发明的目的可以通过以下技术方案实现：
一种移动终端的数据交互方法，包括以下步骤：
建立云平台，所述云平台内存储有定制产品在各工序的预设加工数据和实际加工数据；
通过移动终端采集定制产品的生产序列，提取定制产品在当前工序的预设加工数据并传输至加工设备，待定制产品加工后，加工设备将定制产品的实际加工数据上传至云平台；
通过移动终端采集问题产品的生产序列和问题图像，根据所述问题图像判断问题产品对应的问题工序，根据所述生产序列获取对应的实际加工数据，结合所述实际加工数据和所述问题工序判断问题产品的责任岗位；
将所述问题图像发送至责任岗位的移动终端，提示责任岗位进行返工。
作为本发明进一步的方案：所述云平台分别与移动终端和加工设备通信连接，移动终端提取定制产品在当前岗位的预设加工数据后，将所述预设加工数据发送至生产设备，生产设备对定制产品进行加工后生成实际加工数据并上传至所述云平台。
作为本发明进一步的方案：判断责任岗位的具体过程包括：
通过大数据分别采集各生产工序产生的问题图像，对各生产工序与对应的问题图像进行深度学习训练，建立问题产品与生产工序之间的问题判断模型；
将待定的问题图像输入所述问题判断模型中，获取所述问题判断模型输出的问题工序，采集问题产品的生产序列获取对应的实际加工数据，所述实际加工数据包括定制产品在每个生产工序的具体岗位，提取问题产品在所述问题工序的具体岗位并标记为责任岗位。
作为本发明进一步的方案：所述问题产品的问题图像的最低上传数量为X，X＞1，分别将X张问题图像传输至所述问题判断模型中获得输出结果，所述输出结果为每张问题图像各自与所有生产工序的匹配概率，分别选取最大匹配概率对应的生产工序并标记为待定生产工序；
当X张问题图像仅对应有1个待定生产工序时，则判定该待定生产工序为问题产品对应的问题工序；
当X张问题图像对应有Y个待定生产工序时，Y＞1，则获取其中任一待定生产工序对应的m张问题图像的匹配概率P1，P2，…，Pn，n为正整数，获取P1，P2，…，Pn中超过任一阈值概率a的数量b，设定k＝b/X，若a*k的乘积大于预设阈值，则判定该待定生产工序为问题产品对应的问题工序，若否，则重新上传所述问题图像。
作为本发明进一步的方案：每个所述定制产品均赋予有二维码，移动终端通过扫描所述二维码采集所述定制产品的生产序列。
作为本发明进一步的方案：移动终端通过拍摄所述问题产品生成所述问题图像。
作为本发明进一步的方案：在于，移动终端通过相机扫描二维码和拍摄问题产品。
一种移动终端，包括：
数据采集模块，用于采集定制产品的生产序列和问题产品的问题图像；
数据处理模块，用于根据所述问题图像判断问题产品对应的问题工序，根据所述生产序列获取对应的实际加工数据，结合所述实际加工数据和所述问题工序判断问题产品的责任岗位；
数据传输模块，用于将所述问题图像发送至责任岗位的移动终端，提示责任岗位进行返工。
本发明的有益效果：
(1)本发明借助移动终端和云平台将各个加工设备的数据互联互通，并基于深度学习训练建立问题图像与问题工序之间的问题判断模型，当发现问题产品时，只需要拍摄问题产品的生产序列和问题图像，通过问题判断模型输出对应的问题工序所在，从而输出准确的判断结果，避免了问题产品责任划定不清带来的生产效率下降，也防止了生产人员因责任不清疏忽产品质量。
(2)为了提高识别的准确性，本发明要求一次性上传多张多角度的问题图像，以便于得出准确的责任判断结果，但是由于不同图片可能导致模型的输出结果混乱，于是本发明通过对输出结果的概率和数量进行定量分析，从而提高了责任判断的准确性。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明一种移动终端的数据交互方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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。
请参阅图1所示，本发明为一种移动终端的数据交互方法，包括以下步骤：
建立云平台，所述云平台内存储有定制产品在各工序的预设加工数据和实际加工数据；
通过移动终端采集定制产品的生产序列，提取定制产品在当前工序的预设加工数据并传输至加工设备，待定制产品加工后，加工设备将定制产品的实际加工数据上传至云平台；
通过移动终端采集问题产品的生产序列和问题图像，根据所述问题图像判断问题产品对应的问题工序，根据所述生产序列获取对应的实际加工数据，结合所述实际加工数据和所述问题工序判断问题产品的责任岗位；
将所述问题图像发送至责任岗位的移动终端，提示责任岗位进行返工。
定制产品中的问题产品流入下一工序后，难以定位产生问题产品的上游岗位，特别是对于拥有多条生产线的车间，常常需要管理人员的依靠个人经验和询问加工人员来判断问题产品的责任所在，严重影响了产品的加工效率和质量；
于是本发明借助移动终端和云平台将各个加工设备的数据互联互通，并基于深度学习训练建立问题图像与问题工序之间的问题判断模型，当发现问题产品时，只需要拍摄问题产品的生产序列和问题图像，通过问题判断模型输出对应的问题工序所在，且当存在复杂输出结果时，本发明通过对输出结果的概率和数量进行定量分析，从而输出准确的判断结果，避免了问题产品责任划定不清带来的生产效率下降，也防止了生产人员因责任不清疏忽产品质量。
在本发明的一种优选的实施例中，所述云平台分别与移动终端和加工设备通信连接，移动终端提取定制产品在当前岗位的预设加工数据后，将所述预设加工数据发送至生产设备，生产设备对定制产品进行加工后生成实际加工数据并上传至所述云平台；
本发明建立了云平台与移动终端和加工设备之间互联互通的通信网络，能够将产品的实际生产数据共享到云平台，偏于管理人员掌握产品的生产状态并以此作为判断问题产品的依据。
在本发明的另一种优选的实施例中，判断责任岗位的具体过程包括：
通过大数据分别采集各生产工序产生的问题图像，对各生产工序与对应的问题图像进行深度学习训练，建立问题产品与生产工序之间的问题判断模型；
将待定的问题图像输入所述问题判断模型中，获取所述问题判断模型输出的问题工序，采集问题产品的生产序列获取对应的实际加工数据，所述实际加工数据包括定制产品在每个生产工序的具体岗位，提取问题产品在所述问题工序的具体岗位并标记为责任岗位；
本发明基于深度学习训练建立问题判断模型，通过采集大量的问题图像进行训练，并借助各工序加工设备生产时生成的实际加工数据，从而借助大数据提高问题判断的准确性。
在本实施例的一种优选的情况中，所述问题产品的问题图像的最低上传数量为X，X＞1，分别将X张问题图像传输至所述问题判断模型中获得输出结果，所述输出结果为每张问题图像各自与所有生产工序的匹配概率，分别选取最大匹配概率对应的生产工序并标记为待定生产工序；
当X张问题图像仅对应有1个待定生产工序时，则判定该待定生产工序为问题产品对应的问题工序；
当X张问题图像对应有Y个待定生产工序时，Y＞1，则获取其中任一待定生产工序对应的m张问题图像的匹配概率P1，P2，…，Pn，n为正整数，获取P1，P2，…，Pn中超过任一阈值概率a的数量b，设定k＝b/X，若a*k的乘积大于预设阈值，则判定该待定生产工序为问题产品对应的问题工序，若否，则重新上传所述问题图像；
为了提高识别的准确性，本发明要求一次性上传多张多角度的问题图像，以便于得出准确的责任判断结果，但是由于不同图片可能导致模型的输出结果混乱，于是本发明通过对输出结果的概率和数量进行定量分析，从而提高了责任判断的准确性。
在本发明的另一种优选的实施例中，每个所述定制产品均赋予有二维码，移动终端通过扫描所述二维码采集所述定制产品的生产序列；
移动终端通过拍摄所述问题产品生成所述问题图像；
移动终端通过相机扫描二维码和拍摄问题产品。
一种移动终端，包括：
数据采集模块，用于采集定制产品的生产序列和问题产品的问题图像；
数据处理模块，用于根据所述问题图像判断问题产品对应的问题工序，根据所述生产序列获取对应的实际加工数据，结合所述实际加工数据和所述问题工序判断问题产品的责任岗位；
数据传输模块，用于将所述问题图像发送至责任岗位的移动终端，提示责任岗位进行返工。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (8)
1.一种移动终端的数据交互方法，其特征在于，包括以下步骤：
建立云平台，所述云平台内存储有定制产品在各工序的预设加工数据和实际加工数据；
通过移动终端采集定制产品的生产序列，提取定制产品在当前工序的预设加工数据并传输至加工设备，待定制产品加工后，加工设备将定制产品的实际加工数据上传至云平台；
通过移动终端采集问题产品的生产序列和问题图像，根据所述问题图像判断问题产品对应的问题工序，根据所述生产序列获取对应的实际加工数据，结合所述实际加工数据和所述问题工序判断问题产品的责任岗位；
将所述问题图像发送至责任岗位的移动终端，提示责任岗位进行返工。
2.根据权利要求1所述的一种移动终端的数据交互方法，其特征在于，所述云平台分别与移动终端和加工设备通信连接，移动终端提取定制产品在当前岗位的预设加工数据后，将所述预设加工数据发送至生产设备，生产设备对定制产品进行加工后生成实际加工数据并上传至所述云平台。
3.根据权利要求1所述的一种移动终端的数据交互方法，其特征在于，判断责任岗位的具体过程包括：
通过大数据分别采集各生产工序产生的问题图像，对各生产工序与对应的问题图像进行深度学习训练，建立问题产品与生产工序之间的问题判断模型；
将待定的问题图像输入所述问题判断模型中，获取所述问题判断模型输出的问题工序，采集问题产品的生产序列获取对应的实际加工数据，所述实际加工数据包括定制产品在每个生产工序的具体岗位，提取问题产品在所述问题工序的具体岗位并标记为责任岗位。
4.根据权利要求3所述的一种移动终端的数据交互方法，其特征在于，所述问题产品的问题图像的最低上传数量为X，X＞1，分别将X张问题图像传输至所述问题判断模型中获得输出结果，所述输出结果为每张问题图像各自与所有生产工序的匹配概率，分别选取最大匹配概率对应的生产工序并标记为待定生产工序；
当X张问题图像仅对应有1个待定生产工序时，则判定该待定生产工序为问题产品对应的问题工序；
当X张问题图像对应有Y个待定生产工序时，Y＞1，则获取其中任一待定生产工序对应的m张问题图像的匹配概率P1，P2，…，Pn，n为正整数，获取P1，P2，…，Pn中超过任一阈值概率a的数量b，设定k＝b/X，若a*k的乘积大于预设阈值，则判定该待定生产工序为问题产品对应的问题工序，若否，则重新上传所述问题图像。
5.根据权利要求1所述的一种移动终端的数据交互方法，其特征在于，每个所述定制产品均赋予有二维码，移动终端通过扫描所述二维码采集所述定制产品的生产序列。
6.根据权利要求1所述的一种移动终端的数据交互方法，其特征在于，移动终端通过拍摄所述问题产品生成所述问题图像。
7.根据权利要求5或6所述的一种移动终端的数据交互方法，其特征在于，移动终端通过相机扫描二维码和拍摄问题产品。
8.一种移动终端，其特征在于，包括：
数据采集模块，用于采集定制产品的生产序列和问题产品的问题图像；
数据处理模块，用于根据所述问题图像判断问题产品对应的问题工序，根据所述生产序列获取对应的实际加工数据，结合所述实际加工数据和所述问题工序判断问题产品的责任岗位；
数据传输模块，用于将所述问题图像发送至责任岗位的移动终端，提示责任岗位进行返工。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211369206.2A CN115660596B (zh) | 2022-11-03 | 2022-11-03 | 一种移动终端的数据交互方法及移动终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211369206.2A CN115660596B (zh) | 2022-11-03 | 2022-11-03 | 一种移动终端的数据交互方法及移动终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115660596A true CN115660596A (zh) | 2023-01-31 |
| CN115660596B CN115660596B (zh) | 2023-07-04 |
Family
ID=84996096
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211369206.2A Active CN115660596B (zh) | 2022-11-03 | 2022-11-03 | 一种移动终端的数据交互方法及移动终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115660596B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107886500A (zh) * | 2017-10-13 | 2018-04-06 | 北京邮电大学 | 一种基于机器视觉和机器学习的产品生产监控方法及系统 |
| CN110020791A (zh) * | 2019-03-19 | 2019-07-16 | 杭州全视软件有限公司 | 一种基于责任管理的产品设计方法 |
| CN111079841A (zh) * | 2019-12-17 | 2020-04-28 | 深圳奇迹智慧网络有限公司 | 目标识别的训练方法、装置、计算机设备和存储介质 |
| CN111161213A (zh) * | 2019-12-09 | 2020-05-15 | 浙江大学 | 一种基于知识图谱的工业产品缺陷图像分类方法 |
| US20200273013A1 (en) * | 2019-02-25 | 2020-08-27 | Walmart Apollo, Llc | Systems and methods of product recognition through multi-model image processing |
| CN111612747A (zh) * | 2020-04-30 | 2020-09-01 | 重庆见芒信息技术咨询服务有限公司 | 产品表面裂缝快速检测方法及检测系统 |
| CN113379429A (zh) * | 2021-06-19 | 2021-09-10 | 杭州洋驼网络科技有限公司 | 一种产品关联方法、装置、电子设备和存储介质 |
| WO2021197350A1 (zh) * | 2020-04-01 | 2021-10-07 | 深圳点链科技有限公司 | 基于区块链的质量追溯系统、方法及计算机可读存储介质 |
| CN113537812A (zh) * | 2021-07-28 | 2021-10-22 | 上海帘邦信息科技有限公司 | 一种非标品类的定制化生产管理方法及系统 |
| CN113591948A (zh) * | 2021-07-16 | 2021-11-02 | 清华大学 | 一种缺陷模式识别方法、装置、电子设备和存储介质 |
| CN114219799A (zh) * | 2021-12-22 | 2022-03-22 | 葛伟杰 | 一种智能制造用次品分析方法及系统 |
| CN114915774A (zh) * | 2021-02-08 | 2022-08-16 | 开放智能机器（上海）有限公司 | 一种生产工序检测系统以及检测方法 |
| US20220309640A1 (en) * | 2019-12-30 | 2022-09-29 | Goertek Inc. | Product defect detection method, device and system |
| CN115220479A (zh) * | 2022-09-20 | 2022-10-21 | 山东大学 | 动静协同的输电线路精细化巡检方法与系统 |
-
2022
- 2022-11-03 CN CN202211369206.2A patent/CN115660596B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107886500A (zh) * | 2017-10-13 | 2018-04-06 | 北京邮电大学 | 一种基于机器视觉和机器学习的产品生产监控方法及系统 |
| US20200273013A1 (en) * | 2019-02-25 | 2020-08-27 | Walmart Apollo, Llc | Systems and methods of product recognition through multi-model image processing |
| CN110020791A (zh) * | 2019-03-19 | 2019-07-16 | 杭州全视软件有限公司 | 一种基于责任管理的产品设计方法 |
| CN111161213A (zh) * | 2019-12-09 | 2020-05-15 | 浙江大学 | 一种基于知识图谱的工业产品缺陷图像分类方法 |
| CN111079841A (zh) * | 2019-12-17 | 2020-04-28 | 深圳奇迹智慧网络有限公司 | 目标识别的训练方法、装置、计算机设备和存储介质 |
| US20220309640A1 (en) * | 2019-12-30 | 2022-09-29 | Goertek Inc. | Product defect detection method, device and system |
| WO2021197350A1 (zh) * | 2020-04-01 | 2021-10-07 | 深圳点链科技有限公司 | 基于区块链的质量追溯系统、方法及计算机可读存储介质 |
| CN111612747A (zh) * | 2020-04-30 | 2020-09-01 | 重庆见芒信息技术咨询服务有限公司 | 产品表面裂缝快速检测方法及检测系统 |
| CN114915774A (zh) * | 2021-02-08 | 2022-08-16 | 开放智能机器（上海）有限公司 | 一种生产工序检测系统以及检测方法 |
| CN113379429A (zh) * | 2021-06-19 | 2021-09-10 | 杭州洋驼网络科技有限公司 | 一种产品关联方法、装置、电子设备和存储介质 |
| CN113591948A (zh) * | 2021-07-16 | 2021-11-02 | 清华大学 | 一种缺陷模式识别方法、装置、电子设备和存储介质 |
| CN113537812A (zh) * | 2021-07-28 | 2021-10-22 | 上海帘邦信息科技有限公司 | 一种非标品类的定制化生产管理方法及系统 |
| CN114219799A (zh) * | 2021-12-22 | 2022-03-22 | 葛伟杰 | 一种智能制造用次品分析方法及系统 |
| CN115220479A (zh) * | 2022-09-20 | 2022-10-21 | 山东大学 | 动静协同的输电线路精细化巡检方法与系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115660596B (zh) | 2023-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106327605B (zh) | 一种巡检方法 | |
| CN110807460B (zh) | 一种基于图像识别的变电站智能巡视系统及其应用方法 | |
| CN109253888A (zh) | 用于车辆车况的检测方法及系统 | |
| CN110675395A (zh) | 输电线路智能在线监测方法 | |
| CN107170065A (zh) | 移动智能考勤方法、装置和系统 | |
| CN105004934A (zh) | 一种电磁辐射监测系统 | |
| CN115983726A (zh) | 一种企业产品质量闭环追溯管理系统 | |
| CN115272027A (zh) | 一种用于双碳管理的低碳排放数据监测系统 | |
| CN112802027A (zh) | 一种目标对象的分析方法、存储介质及电子装置 | |
| CN115660596A (zh) | 一种移动终端的数据交互方法及移动终端 | |
| CN107907546A (zh) | 一种基于智能移动终端的视觉缺陷检测方法与系统 | |
| CN116821777B (zh) | 一种新型基础测绘数据整合方法及系统 | |
| CN209087002U (zh) | 基于二维码及无线定位的巡检装置 | |
| CN110889847A (zh) | 一种基于红外成像的核辐射损伤评估系统、方法 | |
| CN114936614B (zh) | 一种基于神经网络的作业风险识别方法及系统 | |
| CN116486177A (zh) | 一种基于深度学习的水下目标识别分类方法 | |
| CN105976092A (zh) | 一种基于配电设备结构生成配电房巡视项目的方法及系统 | |
| CN207610993U (zh) | 一种基于智能移动终端的视觉缺陷检测系统 | |
| CN113869473A (zh) | 一种配电终端定值智能核对方法和装置 | |
| CN112633900A (zh) | 基于机器学习的工业物联网数据验证方法 | |
| CN113095293A (zh) | 一种基于图像识别的物联网水表出厂校准方法 | |
| CN115048278A (zh) | 一种移动终端通信故障采集系统 | |
| KR102066654B1 (ko) | 자체 구축된 유무선 통신망의 운용방법 및 관리시스템 그리고 이를 이용한 축우관리시스템 및 그 운용방법 | |
| CN114362982A (zh) | 流量细分识别方法、系统、电子设备和存储介质 | |
| CN111143585A (zh) | 自动化大数据排序方法 |
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 |