CN115696169A - 一种mes生产管理系统的数据获取方法 - Google Patents

Abstract

本发明公开了一种MES生产管理系统的数据获取方法,该方法包括获取用于管理的MES系统生产管理数据，使用单层前馈神经网络自动分类MES系统生产管理数据中的所有设备生产管理数据种类得到用于管理的设备使用均值数据集；基于设备生产管理数据种类识别领域使用单层前馈神经网络进行数据挖掘；通过基于MES服务器的用户设置界面设置算法参数及设备生产管理数据种类异常生产管理报警信号；将设备生产管理监控获取到的每一帧设备生产管理监控图像送入设备生产管理数据种类识别模型，得到设备生产管理数据种类的识别结果；将设备生产管理数据种类的识别结果送入Deep‑sort算法，对生产管理数据种类进行追踪；本发明用于准确高效地识别出设备生产管理数据种类信息。

Description

一种MES生产管理系统的数据获取方法

技术领域

本发明涉及生产管理监管领域,尤其涉及一种MES生产管理系统的数据获取方法。

背景技术

MES生产管理系统，是一套面向制造企业车间执行层的生产信息化管理系统。MES系统可以为企业提供包括制造数据管理、计划排程管理、生产调度管理、库存管理、质量管理、人力资源管理、工作中心/设备管理、工具工装管理、采购管理、成本管理、项目看板管理、生产过程控制、底层数据集成分析、上层数据集成分解等管理模块，为企业打造一个扎实、可靠、全面、可行的制造协同管理平台。

实时、准确的生产数据采集是MES生产管理系统业务进行的根本，现有数据采集的准确度不够，需要进一步优化。

发明内容

为了克服现有技术存在的缺点与不足,本发明提供一种MES生产管理系统的数据获取方法。

本发明所采用的技术方案是，本发明提供的一种MES生产管理系统的数据获取方法，包括以下步骤：

步骤S1，设置多个数据采集单元进行数据采集，获取用于管理的MES系统生产管理数据，使用单层前馈神经网络自动分类所述MES系统生产管理数据中的所有设备生产管理数据种类以得到用于管理的设备使用均值数据集；

步骤S2，判断各个数据采集单元是否执行时间同步；如果同步，设置同步时间，开始循环数据采集单元，利用所述设备使用均值数据集对基于设备生产管理数据种类识别领域使用单层前馈神经网络进行数据挖掘；

步骤S3，判断当前数据是否有效，如果有效，读取数据采集单元的配置参数，通过基于MES服务器的用户设置界面设置算法参数及设备生产管理数据种类异常生产管理报警信号；

步骤S4，获取设备生产管理监控图像及视频数据，将设备生产管理监控获取到的每一帧设备生产管理监控图像送入所述设备生产管理数据种类识别模型，得到设备生产管理数据种类识别结果；

步骤S5，判断采集到的数据是否需要清洗，如果需要，则调用对应的清洗方法，将所述设备生产管理数据种类识别结果送入Deep-sort算法，对识别到的设备生产管理数据种类进行追踪；

步骤S6，识别并判断追踪的所述设备生产管理数据种类是否位于所述设备生产管理数据种类异常生产管理报警信号种类库中，并判断所述设备生产管理数据种类是否有缺失，保存所有采集的业务逻辑数据，并通过标准化数据接口上传至MES服务器。

优选地，对基于设备生产管理数据种类识别领域使用单层前馈神经网络进行数据挖掘后，同时对单层前馈神经网络算法的参数进行动态更新。

优选地，判断设备生产管理数据种类是否处于设备生产管理数据种类异常生产管理报警信号种类库包含以下步骤：

步骤D1，获取当前设备生产管理监控图像帧中某一个设备生产管理数据种类异常生产管理报警信号的时间和频率及异常生产管理报警信号地点坐标；

步骤D2，若设备生产管理数据种类异常生产管理报警信号种类库时间与频率均在设备生产管理数据种类异常生产管理报警信号种类库内，判断设备生产管理数据种类有缺失；

步骤D3，若设备生产管理数据种类异常生产管理报警信号只有一侧点位于设备生产管理数据种类异常生产管理报警信号种类库内，则进行步骤D4；

步骤D4，判断设备生产管理数据种类地点是否位于设备生产管理数据种类异常生产管理报警信号种类库内，若设备生产管理数据种类地点位于设备生产管理数据种类异常生产管理报警信号种类库内则判断设备生产管理数据种类有缺失，否则进行下一步；

步骤D5，继续获取当前设备生产管理监控图像帧中的其他识别设备生产管理数据种类并对设备生产管理数据种类是否有缺失判断的操作。

本申请还包含一种判断设备生产管理数据种类位于设备生产管理数据种类异常生产管理报警信号种类库内是否异常数据的方法，包括以下步骤：

步骤T1，计算前一帧设备生产管理监控图像中设备生产管理数据种类的中心坐标与当前帧设备生产管理监控图像中所述设备生产管理数据种类的中心坐标的像素距离，若所述像素距离超过阈值，则判定为设备生产管理数据种类异常；

步骤T2，若判断设备生产管理数据种类处于异常状态，则将设备生产管理数据种类信息中的有缺失时长清零并处理其他设备生产管理数据种类设备生产管理监控图像；

步骤T3，若设备生产管理数据种类未在动，则获取当前时间并计算设备生产管理数据种类停止累计时间，将所述设备生产管理数据种类停止累计时间与设定的有缺失时长阈值进行比较，若所述设备生产管理数据种类停止累计时间超过有缺失时长阈值，则判断为设备生产管理数据种类有缺失，若所述设备生产管理数据种类停止累计时间未超过有缺失时长，则当前设备生产管理数据种类处理结束，继续处理其他识别设备生产管理监控图像。

优选地，所述阈值采用D/U的动态形式阈值来判断设备生产管理数据种类异常数据，其中，式中字母D表示异常生产管理报警信号种类库的响应速度，字母U为阈值的波动函数。

优选地，若追踪信息中上一帧设备生产管理监控图像追踪到某一设备生产管理数据种类，而当前帧中未追踪到所述设备生产管理数据种类时，则平台设置一个最大消失帧数，在未达到最大消失帧数之前，并不判断所述设备生产管理数据种类丢失，之后利用Deep-sort算法中的无迹卡尔曼滤波基于上一帧中的所述设备生产管理数据种类区位置对当前帧的所述设备生产管理数据种类区进行预测，预测的结果作为当前帧设备生产管理数据种类区；

若下一帧设备生产管理监控图像识别到所述设备生产管理数据种类区位置与所述当前帧设备生产管理数据种类区匹配，则判断为识别算法错误导致的设备生产管理数据种类消失；

若达到最大消失帧数后，直接视为所述设备生产管理数据种类消失，平台删除此设备生产管理数据种类追踪信息；

若未达到最大消失帧数的时间段中所述设备生产管理数据种类重新出现，则判断为所述设备生产管理数据种类短时间缺失。

优选地，获取所述设备生产管理监控图像的时间为根据监控需求进行时间长短设定，每秒获取的帧数依据实际情况而设定。

本申请的方法通过设备生产管理数据种类模型识别模块，算法设备生产管理监控图像计算单元及数据缺失判断单元实现，其中：

所述设备生产管理数据种类模型识别模块用于对所述算法设备生产管理监控图像计算单元获取到的设备生产管理监控图像及视频数据进行设备生产管理数据种类识别并得到设备生产管理数据种类的异常生产管理报警信号及异常生产管理报警信号信息；

所述算法设备生产管理监控图像计算单元用于获取设备生产管理监控图像及视频数据、设置监管区位置及对所述设备生产管理数据种类模型识别模块得到的设备生产管理数据种类异常生产管理报警信号及异常生产管理报警信号信息匹配特定识别码后传入至所述数据缺失判断单元；

所述数据缺失判断单元接收到匹配好特定识别码的设备生产管理数据种类异常生产管理报警信号及异常生产管理报警信号信息后输出追踪器信息，查找每一个所述追踪器信息，根据所述监管区位置判断此设备生产管理数据种类是否位于监管区内，并再次更新追踪器信息，根据更新后的所述追踪器信息判断设备生产管理数据种类是否应该被发出报警。

优选地，所述追踪器信息包括：设备生产管理数据种类识别码、设备生产管理数据种类异常生产管理报警信号、设备生产管理数据种类是否进入设备生产管理数据种类异常生产管理报警信号、设备生产管理数据种类进入设备生产管理数据种类异常生产管理报警信号时间、设备生产管理数据种类是否已被发出报警。

优选地，所述设备使用均值数据集可采用实时更新的方式增加管理数据量。

本发明将于单层前馈神经网络的设备生产管理数据种类识别技术用于设备生产管理数据种类识别，该方法能从设备生产管理监控图像中准确地识别设备生产管理数据种类，并对设备生产管理数据种类进行追踪，然后通过一系列设备生产管理数据种类有缺失的逻辑判断，准确高效地识别出设备生产管理数据种类并产生发出报警，从而实现设备生产管理数据种类有缺失的智能化监管。从而大幅度地提高了工作人员的效率，同时也节约大量的人力物力；

设备生产管理数据种类模型识别模块：本发明利用设备使用均值数据集对基于设备生产管理数据种类识别领域使用单层前馈神经网络进行数据挖掘，保证设备生产管理数据种类识别准确率。本发明同时对单层前馈神经网络算法的参数进行动态更新，以保证在有限预算下的性能最优化；

算法设备生产管理监控图像计算单元：本发明对识别到的设备生产管理数据种类进行基于追踪算法的追踪，并维护其个体结构体，用于对设备生产管理数据种类状态进行判断，并且设置追踪失效阈值避免被缺失后产生误报；

数据缺失判断单元：本发明首先对追踪到的设备生产管理数据种类进行是否在监管区内进行判断，并提出多种对设备生产管理数据种类异常数据的判断方式，通过对设备生产管理数据种类进行异常数据判断，从而避免了传统方法中异常数据设备生产管理数据种类误报问题；

本发明可方便地从MES服务器页面对有缺失识别算法进行设置，发出报警消息也可实时地显示在MES服务器页面中供工作人员查看，与核心识别算法共同组成了一个设备生产管理数据种类有缺失智能识别平台；

本发明所提的方法能有效针对MES系统中的生产管理进行有效控制，从而保护用户的数据管理的有效性，辅助构建出安全有效的MES系统。

附图说明

图1为本发明的一种MES生产管理系统的数据获取方法流程图；

图2为判断设备生产管理数据种类是否处于设备生产管理数据种类异常生产管理报警信号流程图；

图3为本发明判断设备生产管理数据种类位于设备生产管理数据种类异常生产管理报警信号内是否异常数据的方法流程图；

图4为本发明平台功能结构图。

具体实施方式

需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合,下面结合附图和有具体实施例对本申请作进一步详细说明。

如图1所示,一种MES生产管理系统的数据获取方法，包括以下步骤：

步骤S1，设置多个数据采集单元进行数据采集，获取用于管理的MES系统生产管理数据，使用单层前馈神经网络自动分类所述MES系统生产管理数据中的所有设备生产管理数据种类以得到用于管理的设备使用均值数据集；

步骤S2，判断各个数据采集单元是否执行时间同步；如果同步，设置同步时间，开始循环数据采集单元，利用所述设备使用均值数据集对基于设备生产管理数据种类识别领域使用单层前馈神经网络进行数据挖掘；

步骤S3，判断当前数据是否有效，如果有效，读取数据采集单元的配置参数，通过基于MES服务器的用户设置界面设置算法参数及设备生产管理数据种类异常生产管理报警信号；

步骤S4，获取设备生产管理监控图像及视频数据，将设备生产管理监控获取到的每一帧设备生产管理监控图像送入所述设备生产管理数据种类识别模型，得到设备生产管理数据种类识别结果；

步骤S5，判断采集到的数据是否需要清洗，如果需要，则调用对应的清洗方法，将所述设备生产管理数据种类识别结果送入Deep-sort算法，对识别到的设备生产管理数据种类进行追踪；

步骤S6，识别并判断追踪的所述设备生产管理数据种类是否位于所述设备生产管理数据种类异常生产管理报警信号种类库中，并判断所述设备生产管理数据种类是否有缺失，保存所有采集的业务逻辑数据，并通过标准化数据接口上传至MES服务器。

对基于设备生产管理数据种类识别领域使用单层前馈神经网络进行数据挖掘后，同时对单层前馈神经网络算法的参数进行动态更新。

如图2所示,判断设备生产管理数据种类是否处于设备生产管理数据种类异常生产管理报警信号种类库包含以下步骤：

步骤D1，获取当前设备生产管理监控图像帧中某一个设备生产管理数据种类异常生产管理报警信号种类库的时间和频率及异常生产管理报警信号地点坐标；

步骤D2，若设备生产管理数据种类异常生产管理报警信号种类库时间与频率均在设备生产管理数据种类异常生产管理报警信号种类库内，判断设备生产管理数据种类有缺失；

步骤D3，若设备生产管理数据种类异常生产管理报警信号种类库只有一侧点位于设备生产管理数据种类异常生产管理报警信号种类库内，则进行步骤D4；

步骤D4，判断设备生产管理数据种类地点是否位于设备生产管理数据种类异常生产管理报警信号种类库内，若设备生产管理数据种类地点位于设备生产管理数据种类异常生产管理报警信号种类库内则判断设备生产管理数据种类有缺失，否则进行下一步；

步骤D5，继续获取当前设备生产管理监控图像帧中的其他识别设备生产管理数据种类并对设备生产管理数据种类是否有缺失判断的操作。

如图3所示,本申请还包含一种判断设备生产管理数据种类位于设备生产管理数据种类异常生产管理报警信号种类库内是否异常数据的方法，包括以下步骤：

步骤T1，计算前一帧设备生产管理监控图像中设备生产管理数据种类的中心坐标与当前帧设备生产管理监控图像中所述设备生产管理数据种类的中心坐标的像素距离，若所述像素距离超过阈值，则判定为设备生产管理数据种类异常；

步骤T2，若判断设备生产管理数据种类处于异常状态，则将设备生产管理数据种类信息中的有缺失时长清零并处理其他设备生产管理数据种类设备生产管理监控图像；

步骤T3，若设备生产管理数据种类未在动，则获取当前时间并计算设备生产管理数据种类停止累计时间，将所述设备生产管理数据种类停止累计时间与设定的有缺失时长阈值进行比较，若所述设备生产管理数据种类停止累计时间超过有缺失时长阈值，则判断为设备生产管理数据种类有缺失，若所述设备生产管理数据种类停止累计时间未超过有缺失时长，则当前设备生产管理数据种类处理结束，继续处理其他识别设备生产管理监控图像。

阈值采用D/U的动态形式阈值来判断设备生产管理数据种类异常数据，其中，式中字母D表示异常生产管理报警信号的响应速度，字母U为阈值的波动函数。

若追踪信息中上一帧设备生产管理监控图像追踪到某一设备生产管理数据种类，而当前帧中未追踪到所述设备生产管理数据种类时，则平台设置一个最大消失帧数，在未达到最大消失帧数之前，并不判断所述设备生产管理数据种类丢失，之后利用Deep-sort算法中的无迹卡尔曼滤波基于上一帧中的所述设备生产管理数据种类区位置对当前帧的所述设备生产管理数据种类区进行预测，预测的结果作为当前帧设备生产管理数据种类区；

若下一帧设备生产管理监控图像识别到所述设备生产管理数据种类区位置与所述当前帧设备生产管理数据种类区匹配，则判断为识别算法错误导致的设备生产管理数据种类消失；

若达到最大消失帧数后，直接视为所述设备生产管理数据种类消失，平台删除此设备生产管理数据种类追踪信息；

若未达到最大消失帧数的时间段中所述设备生产管理数据种类重新出现，则判断为所述设备生产管理数据种类短时间缺失。

获取所述设备生产管理监控图像的时间为根据监控需求进行时间长短设定，每秒获取的帧数依据实际情况而设定。

如图4所示,本申请的一种MES生产管理系统的数据获取方法包括：

设备生产管理数据种类模型识别模块，首先基于实际场景获取用于管理的数据，得到数据之后，经过使用单层前馈神经网络自动分类MES系统生产管理数据中的所有设备生产管理数据种类，得到用于管理的设备使用均值数据集。

为更好的保证管理效果，本发明可通过对管理设备使用均值数据集采用平移、翻转、缩放等数据增强的方式使得管理数据量大大增加。

然后通过管理设备使用均值数据集对基于设备生产管理数据种类识别领域使用单层前馈神经网络进行数据挖掘，以确保模型的准确性。

得到管理好的模型之后，传统方法一般直接将管理好的原始模型结合业务程序直接进行部署利用，这种方式不仅推理速度慢而且极其占用硬件资源。

为保证业务中设备生产管理数据种类识别的实时性，本发明中原始模型利用粒子群算法对模型进行速度更新、位置更新、权重量化等优化模型推理吞吐量的操作，进行前向推理，使得推理加速。

算法设备生产管理监控图像计算单元，首先，本发明的智能识别平台通过基于MES服务器的用户设置界面设置算法参数，MES服务器页面实时显示要设置设备生产管理监控的画面，用户可通过鼠标在画面中绘制设备生产管理数据种类异常生产管理报警信号，当用户绘制完毕后，算法的设置将通过网络发送至算法服务器。

算法接收到设置之后，会根据指定的视频流地址获取设置设备生产管理监控的实时数据，将得到的每一帧设备生产管理监控图像送入管理好的设备生产管理数据种类识别模型，得到设备生产管理数据种类的设备生产管理数据种类识别结果。

然后将设备生产管理数据种类识别结果送入Deep-sort算法，对识别到的设备生产管理数据种类进行追踪。

追踪的好处是将时间序列上的同一设备生产管理数据种类进行匹配并赋予同一识别码，避免了连续识别到同一设备连续报警的问题。

数据缺失判断单元，根据算法设备生产管理监控图像计算单元的追踪器追踪信息，遍历所有追踪到的设备生产管理数据种类，若为新追踪到的设备生产管理数据种类，则对其信息进行初始化；

若之前平台已追踪到此设备生产管理数据种类，当前帧又追踪到此设备生产管理数据种类，则首先判断其是否位于设备生产管理数据种类异常生产管理报警信号种类库内，采用设备生产管理数据种类异常生产管理报警信号时间和频率和异常生产管理报警信号地点坐标判断设备生产管理数据种类是否处于设备生产管理数据种类异常生产管理报警信号种类库。

具体方法为：首先获取异常生产管理报警信号的时间和频率和异常生产管理报警信号地点坐标；

若时间与频率均在设备生产管理数据种类异常生产管理报警信号种类库内，判断设备生产管理数据种类有缺失；

若只有一侧点位于设备生产管理数据种类异常生产管理报警信号种类库内，则判断设备生产管理数据种类地点是否位于设备生产管理数据种类异常生产管理报警信号种类库内，若位于，则判断设备生产管理数据种类有缺失；其余均视为不存在有缺失。

若设备生产管理数据种类未位于设备生产管理数据种类异常生产管理报警信号种类库内，则当前设备生产管理数据种类处理结束，继续处理其他识别设备生产管理监控图像，当所有设备生产管理数据种类遍历完成之后，则当前帧处理结束，继续获取下一帧。

若设备生产管理数据种类位于设备生产管理数据种类异常生产管理报警信号种类库内，本发明采用一种判断设备生产管理数据种类是否异常数据的方法，来避免设备生产管理数据种类异常生产管理报警信号种类库内而被误认为有缺失而报警的问题。

实施例为：

(1)计算前一帧设备生产管理监控图像中此设备生产管理数据种类的中心坐标与当前帧的设备生产管理数据种类中心坐标计算像素距离，若此距离超过一定阈值，则判定为设备生产管理数据种类异常；

(2)由于设备生产管理数据种类距离设备生产管理监控距离不同从而在设备生产管理监控图像中距离设备生产管理监控远近不同的设备生产管理数据种类识别出的Uox大小会存在很大差异；例如，远处的10个像素距离与近处的10个像素距离所对应的实际设备间距离是不一样的。

因此，若步骤(1)中的方法利用单一的阈值作为判定条件，会造成对不同远近设备生产管理数据种类判断异常数据标准不同的情况。

本发明提出利用动态阈值＝D/U形式来判断设备生产管理数据种类是否异常数据；

式中D为异常生产管理报警信号的时间距离，U为阈值的波动函数；

在判断过程中U为固定值，可由算法人员调节。

设立动态阈值的效果为，当异常生产管理报警信号种类库较大时，对应的距离阈值越大，当异常生产管理报警信号种类库较小时，对应的距离阈值越小，从而使得在距离设备生产管理监控不同远近的设备生产管理数据种类进行异常判断时更精确。

若设备生产管理数据种类在异常，则将设备生产管理数据种类信息中的有缺失时长清零，继续处理其他识别设备生产管理监控图像；

若设备生产管理数据种类未在异常，则获取当前时间并计算设备生产管理数据种类停止累计时间，将设备生产管理数据种类停止累计时间与有缺失时长阈值进行比较，若超过有缺失时长阈值，则判断为设备生产管理数据种类有缺失，通过网络将设备生产管理数据种类信息发送至MES服务器端，MES服务器端接收到发出报警消息后，在页面会显示发出报警信息；若没有超过有缺失时长，则当前设备生产管理数据种类处理结束，继续处理其他识别设备生产管理监控图像。

若追踪信息中上一帧追踪到某一设备，当前帧中未追踪到，此时会出现以下3种情况：

1、识别算法错误未检测到设备生产管理数据种类；

2、设备生产管理数据种类超出画面范围；

3、存在缺失，其他物体将设备生产管理数据种类缺失导致识别算法无法识别到设备生产管理数据种类。

针对上述情况，本发明处理的具体方法为：结合以上三种可能出现的情况，设置一个最大消失帧数，在未达到最大消失帧数之前，并不判断此设备生产管理数据种类丢失。利用Deep-sort算法中的无迹卡尔曼滤波基于上一帧的设备生产管理数据种类区位置对其当前帧的设备生产管理数据种类区进行预测，预测的结果作为当前帧设备生产管理数据种类区，但追踪状态依然为未追踪到。

针对第一种情况，若为识别算法错误未检测到设备生产管理数据种类，则当下一帧识别到设备生产管理数据种类区时，追踪算法得到的设备生产管理数据种类区会与当前帧设备生产管理数据种类区匹配，避免了由于识别算法不稳定而导致的重复报警问题；

针对第二种情况，当达到最大消失帧数后，算法视为当前设备生产管理数据种类消失，删除此设备生产管理数据种类追踪信息；

针对第三种情况，若为短时间缺失，在设备生产管理数据种类重新出现后追踪算法依然能基于之前的设备生产管理数据种类区与缺失后的设备生产管理数据种类区匹配，识别为同一设备生产管理数据种类，避免了重复报警的问题。

最大消失帧数建议设置为获取设备生产管理监控图像的时间根据监控需求进行时间长短设定，每秒获取的帧数依据实际情况而设定。

具体的设备生产管理数据种类模型识别模块、算法设备生产管理监控图像计算单元及数据缺失判断单元之间通过以下内容通信：

设备生产管理数据种类模型识别模块经过管理、加速之后生成一个模型文件；

算法设备生产管理监控图像计算单元首先通过网络通信获取MES服务器设置；其中MES服务器设置具体包括：设备生产管理监控rtsU流地址、监管区位置；

设置完成后算法设备生产管理监控图像计算单元加载设备生产管理数据种类模型识别模块的模型文件对设备生产管理监控图像及视频数据进行设备生产管理数据种类识别并得到设备生产管理数据种类的异常生产管理报警信号及异常生产管理报警信号信息；

再将异常生产管理报警信号送入Deep-sort算法，为每个异常生产管理报警信号匹配特定识别码后传入数据缺失判断单元得到追踪器信息，其中，追踪器信息包括设备生产管理数据种类识别码、设备生产管理数据种类异常生产管理报警信号、设备生产管理数据种类是否进入设备生产管理数据种类异常生产管理报警信号、设备生产管理数据种类进入设备生产管理数据种类异常生产管理报警信号时间、设备生产管理数据种类是否已被发出报警；

数据缺失判断单元遍历每一个追踪器信息，根据监管区位置判断此设备生产管理数据种类是否位于监管区内，并更新追踪器信息，并根据追踪器信息判断设备生产管理数据种类是否应该发出报警。

值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中。

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所述的具体实施方式。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 (10)

1.一种MES生产管理系统的数据获取方法，其特征在于：包括以下步骤：

步骤S1，设置多个数据采集单元进行数据采集，获取用于管理的MES系统生产管理数据，使用单层前馈神经网络自动分类所述MES系统生产管理数据中的所有设备生产管理数据种类以得到用于管理的设备使用均值数据集；

步骤S2，判断各个数据采集单元是否执行时间同步；如果同步，设置同步时间，开始循环数据采集单元，利用所述设备使用均值数据集对基于设备生产管理数据种类识别领域使用单层前馈神经网络进行数据挖掘；

步骤S3，判断当前数据是否有效，如果有效，读取数据采集单元的配置参数，通过基于MES服务器的用户设置界面设置算法参数及设备生产管理数据种类异常生产管理报警信号；

步骤S4，获取设备生产管理监控图像及视频数据，将设备生产管理监控获取到的每一帧设备生产管理监控图像送入所述设备生产管理数据种类识别模型，得到设备生产管理数据种类识别结果；

步骤S5，判断采集到的数据是否需要清洗，如果需要，则调用对应的清洗方法，将所述设备生产管理数据种类识别结果送入Deep-sort算法，对识别到的设备生产管理数据种类进行追踪；

步骤S6，识别并判断追踪的所述设备生产管理数据种类是否位于所述设备生产管理数据种类异常生产管理报警信号种类库中，并判断所述设备生产管理数据种类是否有缺失，保存所有采集的业务逻辑数据，并通过标准化数据接口上传至MES服务器。

2.根据权利要求1所述的一种MES生产管理系统的数据获取方法，其特征在于：对基于设备生产管理数据种类识别领域使用单层前馈神经网络进行数据挖掘后，同时对单层前馈神经网络算法的参数进行动态更新。

3.根据权利要求1所述的一种MES生产管理系统的数据获取方法，其特征在于：判断设备生产管理数据种类是否处于设备生产管理数据种类异常生产管理报警信号种类库包含以下步骤：

步骤D1，获取当前设备生产管理监控图像帧中某一个设备生产管理数据种类异常生产管理报警信号的时间和频率及异常生产管理报警信号地点坐标；

步骤D2，若设备生产管理数据种类异常生产管理报警信号时间与频率均在设备生产管理数据种类异常生产管理报警信号内，判断设备生产管理数据种类有缺失；

步骤D3，若设备生产管理数据种类异常生产管理报警信号只有一侧点位于设备生产管理数据种类异常生产管理报警信号种类库内，则进行步骤D4；

步骤D4，判断设备生产管理数据种类地点是否位于设备生产管理数据种类异常生产管理报警信号种类库内，若设备生产管理数据种类地点位于设备生产管理数据种类异常生产管理报警信号种类库内则判断设备生产管理数据种类有缺失，否则进行下一步；

步骤D5，继续获取当前设备生产管理监控图像帧中的其他识别设备生产管理数据种类并对设备生产管理数据种类是否有缺失判断的操作。

4.根据权利要求3所述的一种MES生产管理系统的数据获取方法，其特征在于：还包含一种判断设备生产管理数据种类位于设备生产管理数据种类异常生产管理报警信号种类库内是否异常数据的方法，包括以下步骤：

步骤T1，计算前一帧设备生产管理监控图像中设备生产管理数据种类的中心坐标与当前帧设备生产管理监控图像中所述设备生产管理数据种类的中心坐标的像素距离，若所述像素距离超过阈值，则判定为设备生产管理数据种类异常；

步骤T2，若判断设备生产管理数据种类处于异常状态，则将设备生产管理数据种类信息中的有缺失时长清零并处理其他设备生产管理数据种类设备生产管理监控图像；

步骤T3，若设备生产管理数据种类未在动，则获取当前时间并计算设备生产管理数据种类停止累计时间，将所述设备生产管理数据种类停止累计时间与设定的有缺失时长阈值进行比较，若所述设备生产管理数据种类停止累计时间超过有缺失时长阈值，则判断为设备生产管理数据种类有缺失，若所述设备生产管理数据种类停止累计时间未超过有缺失时长，则当前设备生产管理数据种类处理结束，继续处理其他识别设备生产管理监控图像。

5.根据权利要求4所述的一种MES生产管理系统的数据获取方法，其特征在于：所述阈值采用D/U的动态形式阈值来判断设备生产管理数据种类异常数据，其中，式中字母D表示异常生产管理报警信号的响应速度，字母U为阈值的波动函数。

6.根据权利要求4所述的一种MES生产管理系统的数据获取方法，其特征在于：若追踪信息中上一帧设备生产管理监控图像追踪到某一设备生产管理数据种类，而当前帧中未追踪到所述设备生产管理数据种类时，则平台设置一个最大消失帧数，在未达到最大消失帧数之前，并不判断所述设备生产管理数据种类丢失，之后利用Deep-sort算法中的无迹卡尔曼滤波基于上一帧中的所述设备生产管理数据种类区位置对当前帧的所述设备生产管理数据种类区进行预测，预测的结果作为当前帧设备生产管理数据种类区；若下一帧设备生产管理监控图像识别到所述设备生产管理数据种类区位置与所述当前帧设备生产管理数据种类区匹配，则判断为识别算法错误导致的设备生产管理数据种类消失；若达到最大消失帧数后，直接视为所述设备生产管理数据种类消失，平台删除此设备生产管理数据种类追踪信息；若未达到最大消失帧数的时间段中所述设备生产管理数据种类重新出现，则判断为所述设备生产管理数据种类短时间缺失。

7.根据权利要求6所述的一种MES生产管理系统的数据获取方法，其特征在于：获取所述设备生产管理监控图像的时间为根据监控需求进行时间长短设定，每秒获取的帧数依据实际情况而设定。

8.根据权利要求1所述的一种MES生产管理系统的数据获取方法，其特征在于：该方法通过设备生产管理数据种类模型识别模块，算法设备生产管理监控图像计算单元及数据缺失判断单元实现，

所述设备生产管理数据种类模型识别模块用于对所述算法设备生产管理监控图像计算单元获取到的设备生产管理监控图像及视频数据进行设备生产管理数据种类识别并得到设备生产管理数据种类的异常生产管理报警信号及异常生产管理报警信号信息；

所述算法设备生产管理监控图像计算单元用于获取设备生产管理监控图像及视频数据、设置监管区位置及对所述设备生产管理数据种类模型识别模块得到的设备生产管理数据种类异常生产管理报警信号及异常生产管理报警信号信息匹配特定识别码后传入至所述数据缺失判断单元；

所述数据缺失判断单元用于接收到匹配好特定识别码的设备生产管理数据种类异常生产管理报警信号及异常生产管理报警信号信息后输出追踪器信息，查找每一个所述追踪器信息，根据所述监管区位置判断此设备生产管理数据种类是否位于监管区内，并再次更新追踪器信息，根据更新后的所述追踪器信息判断设备生产管理数据种类是否应该被发出报警。

9.根据权利要求8所述的一种MES生产管理系统的数据获取方法，其特征在于：所述追踪器信息包括：设备生产管理数据种类识别码、设备生产管理数据种类异常生产管理报警信号、设备生产管理数据种类是否进入设备生产管理数据种类异常生产管理报警信号、设备生产管理数据种类进入设备生产管理数据种类异常生产管理报警信号时间、设备生产管理数据种类是否已被发出报警。

10.根据权利要求1所述的一种MES生产管理系统的数据获取方法，其特征在于：所述设备使用均值数据集可采用实时更新的方式增加管理数据量。

Images