CN116629711A - 一种基于钢管质量检测的分流处理方法及系统 - Google Patents
一种基于钢管质量检测的分流处理方法及系统 Download PDFInfo
- Publication number
- CN116629711A CN116629711A CN202310899722.4A CN202310899722A CN116629711A CN 116629711 A CN116629711 A CN 116629711A CN 202310899722 A CN202310899722 A CN 202310899722A CN 116629711 A CN116629711 A CN 116629711A
- Authority
- CN
- China
- Prior art keywords
- steel pipe
- data
- image
- server
- image set
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 184
- 239000010959 steel Substances 0.000 title claims abstract description 184
- 238000001514 detection method Methods 0.000 title claims abstract description 158
- 238000003672 processing method Methods 0.000 title abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 98
- 238000007781 pre-processing Methods 0.000 claims abstract description 68
- 238000009826 distribution Methods 0.000 claims abstract description 63
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 37
- 230000007547 defect Effects 0.000 claims description 24
- 230000000694 effects Effects 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000003213 activating effect Effects 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 8
- 238000005111 flow chemistry technique Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于钢管质量检测的分流处理方法及系统，涉及数据处理相关技术领域，通过搭建数据预处理模块、服务器分析模块和数据分流模块构成的数据分流处理平台；接收图像采集装置对待检测钢管采集所获取的钢管图像集合，至数据预处理模块；通过数据预处理模块对钢管图像集合的各个图像源进行数据预处理，输出多源图像集合；通过对各个图像源分别进行密度计算，获取密度统计结果；获取服务器环境信息；将服务器环境信息输入服务器分析模块中，输出服务器负荷参数；将密度统计结果和服务器负荷参数输入数据分流模块中，根据输出的分流处理结果，输出钢管质量检测结果，解决现有技术中钢管质量检测效率和质量检测准确性较低的技术问题。
Description
技术领域
本发明涉及数据处理相关技术领域，具体涉及一种基于钢管质量检测的分流处理方法及系统。
背景技术
钢管作为钢铁产品的重要组成部分，因其制造工艺及所用管坯形状不同而分为无缝钢管和焊接钢管量大类。钢管的应用领域广泛，常用于石油、化工、燃气、机械制造等领域，在钢管的制造生产过程中，钢管的质量检测是必不可少也是至关重要的一个环节，钢管质量检测的检测效率和准确性直接决定着企业的生产效率与产品质量。
目前，针对钢管的质量检测常采用的检测方法有以下两种：（1）人工检测，人工检测根据检测量的不断增加容易产生认为因素的影响，降低检测准确性且人工检测的效率也较低，满足不了企业的生产计划需求；（2）采用检测设备及系统进行检测，但采用检测设备和系统进行检测时，尤其对于批量生产来说，由于检测数据量较大，系统的处理效率较低，远远跟不上生产要求，大大降低了生产效率。
发明内容
本申请提供了一种基于钢管质量检测的分流处理方法及系统，用于解决现有技术中钢管质量检测效率和质量检测准确性较低的技术问题，达到对钢管质量的自动化检测，提高钢管质量检测准确性，同时在钢管检测过程中提高系统数据处理的响应速度，进而提高钢管质量检测效率，满足企业生产需求的技术效果。
鉴于上述问题，本申请提供了一种基于钢管质量检测的分流处理方法及系统。
第一方面，本申请实施例提供了一种基于钢管质量检测的分流处理方法，所述方法应用于钢管质量检测的分流处理系统，所述系统与图像采集装置、数据分流处理平台通信连接，所述方法包括：搭建所述数据分流处理平台，其中，所述数据分流处理平台包括数据预处理模块、服务器分析模块和数据分流模块；接收所述图像采集装置对待检测钢管进行图像采集所获取的钢管图像集合，至所述数据预处理模块；通过所述数据预处理模块对所述钢管图像集合的各个图像源进行数据预处理，输出多源图像集合；通过对所述多源图像集合的各个图像源分别进行密度计算，获取密度统计结果；获取用于进行所述钢管质量检测的服务器环境信息；将所述服务器环境信息输入所述服务器分析模块中，输出服务器负荷参数；将所述密度统计结果和所述服务器负荷参数输入所述数据分流模块中，根据输出的分流处理结果，输出钢管质量检测结果。
第二方面，本申请实施例提供了一种基于钢管质量检测的分流处理系统，所述系统包括：数据分流处理平台搭建单元，所述数据分流处理平台搭建单元用于搭建数据分流处理平台，其中，所述数据分流处理平台包括数据预处理模块、服务器分析模块和数据分流模块；数据接收与发送单元，所述数据接收与发送单元用于接收图像采集装置对待检测钢管进行图像采集所获取的钢管图像集合，至所述数据预处理模块；数据预处理单元，所述数据预处理单元用于通过所述数据预处理模块对所述钢管图像集合的各个图像源进行数据预处理，输出多源图像集合；密度计算单元，通过密度计算单元对所述多源图像集合的各个图像源分别进行密度计算，获取密度统计结果；服务器环境信息获取单元，所述服务器环境信息获取单元用于获取用于进行所述钢管质量检测的服务器环境信息；服务器分析单元，所述服务器分析单元用于将所述服务器环境信息输入所述服务器分析模块中，输出服务器负荷参数；钢管质量检测结果输出单元，所述钢管质量检测结果输出单元用于将所述密度统计结果和所述服务器负荷参数输入所述数据分流模块中，根据输出的分流处理结果，输出钢管质量检测结果。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的一种基于钢管质量检测的分流处理方法及系统，通过搭建所述数据分流处理平台，其中，所述数据分流处理平台包括数据预处理模块、服务器分析模块和数据分流模块；接收所述图像采集装置对待检测钢管进行图像采集所获取的钢管图像集合，至所述数据预处理模块；通过所述数据预处理模块对所述钢管图像集合的各个图像源进行数据预处理，输出多源图像集合；通过对所述多源图像集合的各个图像源分别进行密度计算，获取密度统计结果；获取用于进行所述钢管质量检测的服务器环境信息；将所述服务器环境信息输入所述服务器分析模块中，输出服务器负荷参数；将所述密度统计结果和所述服务器负荷参数输入所述数据分流模块中，根据输出的分流处理结果，输出钢管质量检测结果。解决了现有技术中钢管质量检测效率和质量检测准确性较低的技术问题，达到对钢管质量的自动化检测，提高钢管质量检测准确性，同时在钢管检测过程中提高系统数据处理的响应速度，进而提高钢管质量检测效率，满足企业生产需求的技术效果。
附图说明
图1为本申请提供的一种基于钢管质量检测的分流处理方法的流程示意图；
图2为本申请提供的一种基于钢管质量检测的分流处理方法中获取待补充检测数据至数据预处理模块的流程示意图；
图3为本申请提供的一种基于钢管质量检测的分流处理方法中输出多源图像集合的流程示意图；
图4为本申请提供的一种基于钢管质量检测的分流处理方法中输出分流处理结果的流程示意图；
图5为本申请提供的一种基于钢管质量检测的分流处理系统结构示意图；
附图标记说明：数据分流处理平台搭建单元100，数据接收与发送单元200，数据预处理单元300，密度计算单元400，服务器环境信息获取单元500，服务器分析单元600，钢管质量检测结果输出单元700。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请通过提供一种基于钢管质量检测的分流处理方法及系统，用于解决现有技术中钢管质量检测效率和质量检测准确性较低的技术问题，达到对钢管质量的自动化检测，提高钢管质量检测准确性，同时在钢管检测过程中提高系统数据处理的响应速度，进而提高钢管质量检测效率，满足企业生产需求的技术效果。
实施例1
如图1所示，本申请提供了一种基于钢管质量检测的分流处理方法，所述方法应用于钢管质量检测的分流处理系统，所述系统与图像采集装置、数据分流处理平台通信连接，所述方法包括：
S100：搭建所述数据分流处理平台，其中，所述数据分流处理平台包括数据预处理模块、服务器分析模块和数据分流模块；
具体而言，钢管是钢铁企业的主要生产产品之一，钢管常被用在汽车零部件，石油、化工、建筑等方面，钢管一旦失效，将会造成严重的人员安全和经济损失，钢管的质量检测显得尤为重要。
在利用检测系统对生产的钢管进行实时质量检测时，由于工序复杂，价值没到工序对应的缺陷种类也较多，例如，钢管的力学性能；钢管的表面缺陷，其中，表面缺陷中又包括：夹杂、裂纹、气泡，缩孔等；钢管的尺寸变形缺陷等等，检测系统要处理的数据量较大，往往会出现检测系统负荷较大，系统的响应速度降低，造成数据处理效率较低的情况，大大影响了企业的生产效率。
为了加快数据处理的能力，提高数据处理响应速度，本申请实施例中通过搭建数据分流处理平台的方法来提高数据处理的响应速度，其中，所述数据分流处理平台由数据预处理模块、服务器分析模块以及数据分流模块共同搭建而成，为后续数据的分流处理做准备。
S200：接收所述图像采集装置对待检测钢管进行图像采集所获取的钢管图像集合，至所述数据预处理模块；
具体而言，为了实现对钢管质量的检测，本申请实施例中，利用图像采集装置对待检测钢管进行图像采集，获得钢管图像集合，利用钢管图像集合来实现对钢管的质量检测，并将图像采集装置采集的钢管图像集合发送至数据预处理模块，利用数据预处理模块对钢管图像集合进行处理。
进一步的，如图2所示，所述方法还包括：
S210：获取所述待检测钢管的质量检测目标；
S220：基于所述质量检测目标，判断所述图像采集装置的采集指标是否满足检测需求指标；
S230：若所述图像采集装置的采集指标不满足所述检测需求指标，获取待补充指标，其中，所述待补充指标为所述检测需求指标和所述图像采集装置的采集指标的补集；
S240：以所述待补充指标激活辅助检测装置采集数据，输出待补充检测数据至所述数据预处理模块。
具体而言，在利用图像采集装置对待检测钢管进行钢管质量检测时，钢管的有些质量可能不会被检测到，例如，钢管的内部缺陷，钢管的几何尺寸，钢管的变形量等，为了保证对钢管质量检测的全面性与准确性，本申请实施例中还进一步的获取所述待检测钢管的质量检测目标，所述待检测钢管的质量检测目标可以根据钢管质量验收国家标准、行业标准或者客户要求来确定，基于所述质量检测标准，判断所述图像采集装置的采集指标是否满足检测需求指标，例如，假设质量检测目标包括钢管的表面缺陷以及钢管的内部缺陷，则图像采集装置降不可能完成内部缺陷的检测，则图像采集装置的采集指标不满足检测需求指标；当所述图像采集装置的采集指标不满足所述检测需求指标时，获取待补充指标，其中，所述待补充指标为所述检测需求指标和所述图像采集装置的采集指标的补集，例如，上例中的钢管内部缺陷指标即为待补充指标；利用所述待补充指标激活辅助检测装置进行待补充指标的数据采集，将待补充检测数据也发送至数据预处理模块中，达到对待检测钢管质量的全面检测。
S300：通过所述数据预处理模块对所述钢管图像集合的各个图像源进行数据预处理，输出多源图像集合；
具体而言，利用图像采集装置对待检测钢管进行图像采集过程中容易受到外界环境的干扰而影响钢管的成像质量，在对图像进行处理之前，先对采集的原始图像进行图像预处理，消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性、最大限度地简化数据，以达到后期可以准确的对钢管特征进行识别和提取。本申请实施例中，利用数据预处理模块对采集的钢管图像集合的各个图像源进行数据预处理，输出多源图像集合，其中，钢管的缺陷种类比较多，例如，裂纹、油污、气孔、夹杂、划痕、咬边等，按照缺陷类型将钢管质量检测中采集的图像数据进行分类，所述图像源为不同缺陷来源对应的图像，多个缺陷来源对应的多个图像源共同构成多源图像集合。
进一步的，如图3所示，本申请实施例提供的方法中的步骤S300还包括：
S310：通过对所述钢管图像集合进行图像过滤，输出过滤钢管图像集合；
S320：按照图像源属性，将所述过滤钢管图像集合进行分类输出，获取多类图像集合；
S330：根据所述图像源属性，配置图像预处理参数；
S340：根据所述图像预处理参数对所述多类图像集合进行图像预处理，输出所述多源图像集合。
具体而言，对钢管图像集合的各个图像源进行数据预处理的过程具体包括，对采集的所述钢管图像集合进行图像过滤，过滤掉不清楚，不聚焦的图像以及不包含缺陷的图像，输出过滤钢管图像集合，按照图像源的属性，例如是裂纹图像集还是气孔图像集亦或是夹杂图像集等，将所述过滤钢管图像集合进行分类输出，获取多类图像集合，然后根据所述图像源属性，配置图像预处理参数，换句话说就是，根据不通过类型缺陷图像，配置不同的图像预处理参数，例如，对于含有裂纹的钢管图像，为了使得裂纹显示的更清晰，可以对含有裂纹的钢管图像进行图像增强处理，保留钢管更多的细节信息；对于含有气孔的钢管图像，可以先对图像进行裁剪，然后利用二值化处理方法对含有气孔的钢管图像进行处理，排除原始图像噪声带来的干扰的同时，突显有效区域的轮廓结构；根据所述图像预处理参数对所述多类图像集合进行图像预处理，输出所述多源图像集合。
S400：通过对所述多源图像集合的各个图像源分别进行密度计算，获取密度统计结果；
进一步的，本申请实施例提供的方法中的步骤S400还包括：
S410：通过对所述图像源属性进行分析，对每一图像源的质量缺陷进行像素点统计，获取像素点统计结果；
S420：按照所述像素点统计结果，生成像素划分级别；
S430：按照所述像素划分级别对所述多源图像集合进行像素级标识；
S440：将所述像素级标识作为添加变量，对所述多源图像集合中各个图像源进行密度辅助计算，获取密度统计结果。
具体而言，为了确定分流处理结果，本实施例中，对不同多源图像集合中的各个图像源分别进行像素点密度计算，获取密度统计结果，具体的，对图像源属性进行分析，确定是何种缺陷类型的图像，对每一种缺陷对应的图像源的质量缺陷进行像素点统计，对于大的缺陷对应的像素点也多，获取像素点统计结果，按照每一种缺陷对应图像的所有像素点的统计结果，生成像素划分级别，按照像素划分级别对多源图像集合进行像素级标识，每一个图像源对应一个像素级标识，将所述像素级标识作为添加变量，对所述多源图像集合中各个图像源进行密度辅助计算，获取密度统计结果。
S500：获取用于进行所述钢管质量检测的服务器环境信息；
S600：将所述服务器环境信息输入所述服务器分析模块中，输出服务器负荷参数；
具体而言，服务器的处理能力主要取决于服务器的硬件配置和软件配置，为了确定钢管质量检测的分流处理方案，获取用于进行钢管质量检测的服务器环境信息，所述服务器的环境信息包括服务器的硬件配置信息和软件配置信息，通过服务器环境信息的获取为后续获取服务器负荷参数提供数据基础；将获得的服务器环境信息输入服务器分析模块中，输出服务器负荷参数，所述服务器分析模块可以根据服务器的硬件配置信息和软件配置信息分析出服务器的负荷参数，即最大数据处理能力参数，为后续分流处理结果提供数据支持。
S700：将所述密度统计结果和所述服务器负荷参数输入所述数据分流模块中，根据输出的分流处理结果，输出钢管质量检测结果。
具体而言，将不同图像源对应的密度统计结果和用于进行所述钢管质量检测的服务器的负荷参数输入分流模块中，对分流处理结果进行确定，根据输出的分流处理结果，利用服务器和/或数据分流模块对多源图像集合进行处理，输出钢管质量检测结果，解决了现有技术中钢管质量检测效率和质量检测准确性较低的技术问题，达到对钢管质量的自动化检测，提高钢管质量检测准确性，同时在钢管检测过程中提高系统数据处理的响应速度，进而提高钢管质量检测效率，满足企业生产需求的技术效果。
进一步的，本申请实施例提供的方法中的步骤S700还包括：
S710：根据所述服务器负荷参数，获取服务器的预设负载容量；
S720：按照所述密度统计结果对所述多源图像集合进行数据处理量化分析，获取数据负载容量；
S730：基于所述预设负载容量和所述数据负载容量进行比对，输出比对结果，其中，所述比对结果包括比对通过和比对不通过；
S740：当所述比对结果为比对通过时，所述数据分流模块处于不启动状态。
具体而言，为了确定分流处理结果，本申请实施例中，根据获得的服务器负荷参数，来获取服务器的预设负载容量，所述预设负载容量为根据服务器的负荷参数确定的服务器运行效率最高对应的负载容量，按照不同图像源对应的密度统计结果对所述多源图像集合进行数据处理量化分析，获取数据负载容量，所述数据负载容量为要处理的数据容量，根据用于进行所述钢管质量检测的服务器的预设负载容量和多源图像集合对应的需要处理的数据负载容量进行大小比对，输出比对结果，其中，所述比对结果包括比对通过和比对不通过，其中所述比对通过表示需要处理的数据负载容量小于等于服务器的预设负载容量；所述比对不通过表示需要处理的数据负载容量大于服务器的预设负载容量；当所述比对结果为比对通过时，说明服务器在保证高效率处理的条件下，完全可以独立对多源图像集合进行处理，所述数据分流模块不用启动。
进一步的，如图4所示，所述方法还包括：
S750：当所述比对结果为比对不通过时，启动所述数据分流模块；
S760：所述数据分流模块接收所述密度统计结果和所述服务器预设负载容量，以所述服务器预设负载容量为响应目标，以所述密度统计结果为输入变量，以待分流数据源为输出变量，搭建适应度函数；
S770：根据所述适应度函数，输出所述分流处理结果。
具体而言，当需要处理的数据负载容量大于服务器的预设负载容量时，即，当所述比对结果为比对不通过时，如果继续仅采用服务器进行数据处理，将降低服务器的处理效率，此时启动所述数据分流模块，所述数据分流模块获得不同图像源对应的密度统计结果和所述服务器预设负载容量，以服务器预设负载容量为响应目标，以所述密度统计结果为输入变量，以待分流数据源为输出变量，搭建适应度函数，所述搭建适应度函数即为调整服务器预设负载容量、待分流数据源、密度统计结果之间的均衡关系；例如，以服务器达到预设负载容量为响应目标，根据不同图像源对应的密度统计结果，在服务器接近预设负载容量的前提下，将不同图像源对应的密度大的数据分流出去，以完成适应度函数的搭建，使得服务器在尽可能最大高效处理能力的情况下启动数据分流模块，将多余的数据分流至数据分流模块进行处理，提高数据的处理效率。
进一步的，所述方法还包括：
S810：获取原始检测效率，其中，所述原始检测效率为不经过所述数据分流处理平台的初始检测效率；
S820：根据输出的所述分流处理结果进行模拟测试，输出模拟检测效率；
S830：通过对所述原始检测效率和所述模拟检测效率进行效果分析，获取分流处理效果；
S840：根据所述分流处理效果对所述数据分流处理平台进行优化。
具体而言，获得未采用数据分流模块下，用于进行所述钢管质量检测的原始服务器的钢管质量检测效率；并根据获得的分流处理结果，对启动数据分流模块情况下，钢管质量检测效率的模拟测试，获得启动数据分流模块情况下的模拟检测效率；通过对比模拟检测效率和原始检测效率的大小，来进行分流处理的效果分析，获得分流处理效果，当模拟检测效率与原始检测效率相差不大时，对所述数据分流处理平台进行优化，所述优化方式可以包括升级分流处理系统或者清理分流处理系统中的缓存数据或者其他无用数据，以提高数据处理效率。
综上所述，本申请实施例所提供的一种基于钢管质量检测的分流处理方法具有如下技术效果：
1.本申请实施例提供的一种基于钢管质量检测的分流处理方法，通过搭建所述数据分流处理平台，其中，所述数据分流处理平台包括数据预处理模块、服务器分析模块和数据分流模块；接收所述图像采集装置对待检测钢管进行图像采集所获取的钢管图像集合，至所述数据预处理模块；通过所述数据预处理模块对所述钢管图像集合的各个图像源进行数据预处理，输出多源图像集合；通过对所述多源图像集合的各个图像源分别进行密度计算，获取密度统计结果；获取用于进行所述钢管质量检测的服务器环境信息；将所述服务器环境信息输入所述服务器分析模块中，输出服务器负荷参数；将所述密度统计结果和所述服务器负荷参数输入所述数据分流模块中，根据输出的分流处理结果，输出钢管质量检测结果。解决了现有技术中钢管质量检测效率和质量检测准确性较低的技术问题，达到对钢管质量的自动化检测，提高钢管质量检测准确性，同时在钢管检测过程中提高系统数据处理的响应速度，进而提高钢管质量检测效率，满足企业生产需求的技术效果。
2.本申请实施例中按照缺陷类型形成不同图像源，按照图像源属性，将所述过滤钢管图像集合进行分类输出，获取多类图像集合，并根据不同图像源的属性，配置不同的图像预处理参数，消除了图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性、最大限度地简化数据，以达到后期可以准确的对钢管特征进行识别和提取。
3.本申请实施例中充分考虑到在利用图像采集装置对待检测钢管进行钢管质量检测时，钢管的有些质量可能不会被检测到，通过获取待检测钢管的质量检测目标，基于所述质量检测目标，判断所述图像采集装置的采集指标是否满足检测需求指标，在不满足情况下获取待补充指标以所述待补充指标激活辅助检测装置采集数据，并传输至与预处理模块，达到对待检测钢管质量的全面检测。
4.本申请实施例中通过计算不同图像源的密度统计结果并结合服务器的负载参数确定是否启动数据分流模块，以达到最大限度提高钢管质量检测效率的目的。
实施例2
基于与前述实施例中一种基于钢管质量检测的分流处理方法相同的发明构思，如图5所示，本申请提供了一种基于钢管质量检测的分流处理系统，所述系统包括：
数据分流处理平台搭建单元100，所述数据分流处理平台搭建单元100用于搭建数据分流处理平台，其中，所述数据分流处理平台包括数据预处理模块、服务器分析模块和数据分流模块；
数据接收与发送单元200，所述数据接收与发送单元200用于接收图像采集装置对待检测钢管进行图像采集所获取的钢管图像集合，至所述数据预处理模块；
数据预处理单元300，所述数据预处理单元300用于通过所述数据预处理模块对所述钢管图像集合的各个图像源进行数据预处理，输出多源图像集合；
密度计算单元400，通过密度计算单元400对所述多源图像集合的各个图像源分别进行密度计算，获取密度统计结果；
服务器环境信息获取单元500，所述服务器环境信息获取单元500用于获取用于进行所述钢管质量检测的服务器环境信息；
服务器分析单元600，所述服务器分析单元600用于将所述服务器环境信息输入所述服务器分析模块中，输出服务器负荷参数；
钢管质量检测结果输出单元700，所述钢管质量检测结果输出单元700用于将所述密度统计结果和所述服务器负荷参数输入所述数据分流模块中，根据输出的分流处理结果，输出钢管质量检测结果。
进一步的，所述系统中的数据预处理单元300还用于：
通过对所述钢管图像集合进行图像过滤，输出过 滤钢管图像集合；
按照图像源属性，将所述过滤钢管图像集合进行分类输出，获取多类图像集合；
根据所述图像源属性，配置图像预处理 参数；
根据所述图像预处理参数对所述多类图像集合进行图像预处理，输出所述多源图像集合。
进一步的，所述系统中的密度计算单元400还用于：
通过对所述图像源属性进行分析，对每一图像源的质量缺陷进行像素点统计，获取像素点统计结果；
按照所述像素点统计结果，生成像素划分级别；
按照所述像素划分级别对所述多源图像集合进行像素级标识；
将所述像素级标识作为添加变量，对所述多源图像集合中各个图像源进行密度辅助计算，获取密度统计结果。
进一步的，所述系统还包括：
质量检测目标获取单元，所述质量检测目标获取单元用于获取所述待检测钢管的质量检测目标；
指标判断单元，所述指标判断单元用于基于所述质量检测目标，判断所述图像采集装置的采集指标是否满足检测需求指标；
指标补充单元，所述指标补充单元用于若所述图像采集装置的采集指标不满足所述检测需求指标，获取待补充指标，其中，所述待补充指标为所述检测需求指标和所述图像采集装置的采集指标的补集；
装置激活单元，所述装置激活单元用于以所述待补充指标激活辅助检测装置采集数据，输出待补充检测数据至所述数据预处理模块。
进一步的，所述系统中的钢管质量检测结果输出单元700还用于：
根据所述服务器负荷参数，获取服务器的预设负载容量；
按照所述密度统计结果对所述多源图像集合进行数据处理量化分析，获取数据负载容量；
基于所述预设负载容量和所述数据负载容量进行比对，输出比对结果，其中，所述比对结果包括比对通过和比对不通过；
当所述比对结果为比对通过时，所述数据分流模块处于不启动状态。
进一步的，所述系统中的钢管质量检测结果输出单元700还用于：
当所述比对结果为比对不通过时，启动所述数据分流模块；
所述数据分流模块接收所述密度统计结果和所述服务器预设负载容量，以所述服务器预设负载容量为响应目标，以所述密度统计结果为输入变量，以待分流数据源为输出变量，搭建适应度函数；
根据所述适应度函数，输出所述分流处理结果。
进一步的，所述系统还包括：
原始检测效率获取单元，所述原始检测效率获取单元用于获取原始检测效率，其中，所述原始检测效率为不经过所述数据分流处理平台的初始检测效率；
模拟测试单元，所述模拟测试单元用于根据输出的所述分流处理结果进行模拟测试，输出模拟检测效率；
效果分析单元，所述效果分析单元用于通过对所述原始检测效率和所述模拟检测效率进行效果分析，获取分流处理效果；
平台优化单元，所述平台优化单元用于根据所述分流处理效果对所述数据分流处理平台进行优化。
本申请上述实施例公开的模块的具体工作过程，可参见对应的方法实施例内容，此处不再赘述。
专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种基于钢管质量检测的分流处理方法，其特征在于，所述方法应用于钢管质量检测的分流处理系统，所述系统与图像采集装置、数据分流处理平台通信连接，所述方法包括：
搭建所述数据分流处理平台，其中，所述数据分流处理平台包括数据预处理模块、服务器分析模块和数据分流模块；
接收所述图像采集装置对待检测钢管进行图像采集所获取的钢管图像集合，至所述数据预处理模块；
通过所述数据预处理模块对所述钢管图像集合的各个图像源进行数据预处理，输出多源图像集合；
通过对所述多源图像集合的各个图像源分别进行密度计算，获取密度统计结果；
获取用于进行所述钢管质量检测的服务器环境信息；
将所述服务器环境信息输入所述服务器分析模块中，输出服务器负荷参数；
将所述密度统计结果和所述服务器负荷参数输入所述数据分流模块中，根据输出的分流处理结果，输出钢管质量检测结果。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
通过对所述钢管图像集合进行图像过滤，输出过滤钢管图像集合；
按照图像源属性，将所述过滤钢管图像集合进行分类输出，获取多类图像集合；
根据所述图像源属性，配置图像预处理参数；
根据所述图像预处理参数对所述多类图像集合进行图像预处理，输出所述多源图像集合。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
通过对所述图像源属性进行分析，对每一图像源的质量缺陷进行像素点统计，获取像素点统计结果；
按照所述像素点统计结果，生成像素划分级别；
按照所述像素划分级别对所述多源图像集合进行像素级标识；
将所述像素级标识作为添加变量，对所述多源图像集合中各个图像源进行密度辅助计算，获取密度统计结果。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述待检测钢管的质量检测目标；
基于所述质量检测目标，判断所述图像采集装置的采集指标是否满足检测需求指标；
若所述图像采集装置的采集指标不满足所述检测需求指标，获取待补充指标，其中，所述待补充指标为所述检测 需求指标和所述图像采集装置的采集指标的补集；
以所述待补充指标激活辅助检测装置采集数据，输出待补充检测数据至所述数据预处理模块。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述服务器负荷参数，获取服务器的预设负载容量；
按照所述密度统计结果对所述多源图像集合进行数据处理量化分析，获取数据负载容量；
基于所述预设负载容量和所述数据负载容量进行比对，输出比对结果，其中，所述比对结果包括比对通过和比对不通过；
当所述比对结果为比对通过时，所述数据分流模块处于不启动状态。
6.如权利要求5所述的方法，其特征在于，所述方法还包括：
当所述比对结果为比对不通过时，启动所述数据分流模块；
所述数据分流模块接收所述密度统计结果和所述服务器预设负载容量，以所述服务器预设负载容量为响应目标，以所述密度统计结果为输入变量，以待分流数据源为输出变量，搭建适应度函数；
根据所述适应度函数，输出所述分流处理结果。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取原始检测效率，其中，所述原始检测效率为不经过所述数据分流处理平台的初始检测效率；
根据输出的所述分流处理结果进行模拟测试，输出模拟检测效率；
通过对所述原始检测效率和所述模拟检测效率进行效果分析，获取分流处理效果；
根据所述分流处理效果对所述数据分流处理平台进行优化。
8.一种基于钢管质量检测的分流处理系统，其特征在于，所述系统包括：
数据分流处理平台搭建单元，所述数据分流处理平台搭建单元用于搭建数据分流处理平台，其中，所述数据分流处理平台包括数据预处理模块、服务器分析模块和数据分流模块；
数据接收与发送单元，所述数据接收与发送单元用于接收图像采集装置对待检测钢管进行图像采集所获取的钢管图像集合，至所述数据预处理模块；
数据预处理单元，所述数据预处理单元用于通过所述数据预处理模块对所述钢管图像集合的各个图像源进行数据预处理，输出多源图像集合；
密度计算单元，通过密度计算单元对所述多源图像集合的各个图像源分别进行密度计算，获取密度统计结果；
服务器环境信息获取单元，所述服务器环境信息获取单元用于获取用于进行所述钢管质量检测的服务器环境信息；
服务器分析单元，所述服务器分析单元用于将所述服务器环境信息输入所述服务器分析模块中，输出服务器负荷参数；
钢管质量检测结果输出单元，所述钢管质量检测结果输出单元用于将所述密度统计结果和所述服务器负荷参数输入所述数据分流模块中，根据输出的分流处理结果，输出钢管质量检测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310899722.4A CN116629711B (zh) | 2023-07-21 | 2023-07-21 | 一种基于钢管质量检测的分流处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310899722.4A CN116629711B (zh) | 2023-07-21 | 2023-07-21 | 一种基于钢管质量检测的分流处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116629711A true CN116629711A (zh) | 2023-08-22 |
| CN116629711B CN116629711B (zh) | 2023-10-27 |
Family
ID=87602895
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310899722.4A Active CN116629711B (zh) | 2023-07-21 | 2023-07-21 | 一种基于钢管质量检测的分流处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116629711B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100868884B1 (ko) * | 2007-06-20 | 2008-11-14 | 삼성코닝정밀유리 주식회사 | 유리 기판 유리 불량 정보 시스템 및 분류 방법 |
| CN104618686A (zh) * | 2014-12-31 | 2015-05-13 | 广东光阵光电科技有限公司 | 一种户外广告牌使用状况实时监控方法及系统 |
| CN108063812A (zh) * | 2017-12-13 | 2018-05-22 | 上海理工大学 | 实时云办公系统下文件管理的一致性维护方法 |
| CN108242054A (zh) * | 2018-01-09 | 2018-07-03 | 北京百度网讯科技有限公司 | 一种钢板缺陷检测方法、装置、设备和服务器 |
| CN108961239A (zh) * | 2018-07-02 | 2018-12-07 | 北京百度网讯科技有限公司 | 连铸坯质量检测方法、装置、电子设备及存储介质 |
| CN111461958A (zh) * | 2020-05-18 | 2020-07-28 | 江苏电力信息技术有限公司 | 一种快速多路数据流实时检测优化处理控制系统及方法 |
| US20210275908A1 (en) * | 2020-03-05 | 2021-09-09 | Advanced Micro Devices, Inc. | Adapting encoder resource allocation based on scene engagement information |
| CN113870202A (zh) * | 2021-09-18 | 2021-12-31 | 中科海拓(无锡)科技有限公司 | 一种基于深度学习技术的远端芯片缺陷检测系统 |
-
2023
- 2023-07-21 CN CN202310899722.4A patent/CN116629711B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100868884B1 (ko) * | 2007-06-20 | 2008-11-14 | 삼성코닝정밀유리 주식회사 | 유리 기판 유리 불량 정보 시스템 및 분류 방법 |
| CN104618686A (zh) * | 2014-12-31 | 2015-05-13 | 广东光阵光电科技有限公司 | 一种户外广告牌使用状况实时监控方法及系统 |
| CN108063812A (zh) * | 2017-12-13 | 2018-05-22 | 上海理工大学 | 实时云办公系统下文件管理的一致性维护方法 |
| CN108242054A (zh) * | 2018-01-09 | 2018-07-03 | 北京百度网讯科技有限公司 | 一种钢板缺陷检测方法、装置、设备和服务器 |
| CN108961239A (zh) * | 2018-07-02 | 2018-12-07 | 北京百度网讯科技有限公司 | 连铸坯质量检测方法、装置、电子设备及存储介质 |
| US20210275908A1 (en) * | 2020-03-05 | 2021-09-09 | Advanced Micro Devices, Inc. | Adapting encoder resource allocation based on scene engagement information |
| CN111461958A (zh) * | 2020-05-18 | 2020-07-28 | 江苏电力信息技术有限公司 | 一种快速多路数据流实时检测优化处理控制系统及方法 |
| CN113870202A (zh) * | 2021-09-18 | 2021-12-31 | 中科海拓(无锡)科技有限公司 | 一种基于深度学习技术的远端芯片缺陷检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116629711B (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11836967B2 (en) | Method and device for small sample defect classification and computing equipment | |
| CN111650204A (zh) | 基于级联目标检测的输电线路金具缺陷检测方法及系统 | |
| CN106530288A (zh) | 基于深度学习算法的织物疵点检测方法 | |
| CN108458668A (zh) | 基于双目视觉的板坯边部及头尾形状自动检测系统及方法 | |
| CN116563273B (zh) | 用于钢材缺陷的检测预警方法及系统 | |
| CN117030129A (zh) | 纸杯在线检漏方法及其系统 | |
| CN111783616B (zh) | 一种基于数据驱动自学习的无损检测方法 | |
| CN117173461A (zh) | 一种多视觉任务的灌装容器缺陷检测方法、系统及介质 | |
| CN116629711B (zh) | 一种基于钢管质量检测的分流处理方法及系统 | |
| CN114170477A (zh) | 一种基于注意力图卷积网络的多模态融合机械缺陷检测方法 | |
| JP2023002201A (ja) | 試料観察装置および方法 | |
| CN116539619B (zh) | 产品缺陷检测方法、系统、装置及存储介质 | |
| JP3752849B2 (ja) | パターン欠陥検査装置及びパターン欠陥検査方法 | |
| Jia et al. | Research on Industrial Production Defect Detection Method Based on Machine Vision Technology in Industrial Internet of Things. | |
| CN113447572B (zh) | 钢轨探伤方法、电子装置、钢轨探伤车及可读存储介质 | |
| CN115690001A (zh) | 一种用于检测钢管焊接数字射线图像中缺陷的方法 | |
| CN112686843B (zh) | 一种基于神经网络的木板缺陷检测方法及系统 | |
| KR102658479B1 (ko) | 품질 검사 서버 및 이의 실행 방법 | |
| CN112907498A (zh) | 一种孔隙识别方法、装置、设备及存储介质 | |
| CN111366582A (zh) | 一种基于自动光学检测自动判等方法 | |
| CN117745786B (zh) | 基于三维点云数据的道路裂缝深度检测装置及检测方法 | |
| CN113205110B (zh) | 一种面板缺陷分类模型的建立方法及面板缺陷分类方法 | |
| CN117390394A (zh) | 一种基于边缘计算技术的质检方法及系统 | |
| CN117132828B (zh) | 一种铜管加工过程固体废料的自动分类方法及系统 | |
| CN115310204B (zh) | 影响汽车nvh性能的生产异常智能溯源方法 |
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 |