CN117575985B - 一种汽车零部件铸造监管方法、装置、设备及介质 - Google Patents
一种汽车零部件铸造监管方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117575985B CN117575985B CN202311334744.2A CN202311334744A CN117575985B CN 117575985 B CN117575985 B CN 117575985B CN 202311334744 A CN202311334744 A CN 202311334744A CN 117575985 B CN117575985 B CN 117575985B
- Authority
- CN
- China
- Prior art keywords
- node
- casting
- information
- image information
- points
- 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.)
- Active
Links
- 238000005266 casting Methods 0.000 title claims abstract description 342
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 90
- 230000005856 abnormality Effects 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 230000000295 complement effect Effects 0.000 claims abstract description 7
- 230000000007 visual effect Effects 0.000 claims description 35
- 238000005286 illumination Methods 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及铸造监测的领域，尤其是涉及一种汽车零部件铸造监管方法、装置、设备及介质。方法包括：获取铸造节点信息，基于铸造节点信息采集节点图像信息，将节点图像信息输入至节点监测模型中进行识别监测，确定节点图像信息对应铸造节点是否存在铸造异常，若节点图像信息对应的铸造节点存在铸造异常，则对节点图像信息以及节点监测模型进行特征分析，得到铸造调整参数，基于铸造调整参数生成调整优化指令，控制调整铸造节点图像对应的铸造设备进行参数调整，并对当前汽车零部件进行优化补铸，本申请具有提高汽车零部件铸造效率的效果。
Description
技术领域
本申请涉及铸造监测的领域，尤其是涉及一种汽车零部件铸造监管方法、装置、设备及介质。
背景技术
汽车零部件，是构成汽车配件加工整体的各单元及服务于汽车配件加工的产品，汽车零部件作为汽车工业的基础，是支撑汽车工业持续健康发展的必要因素；特别是当前汽车行业正在轰轰烈烈、如火如荼开展的自主开发与创新，更需要一个强大的零部件体系作支撑；整车自主品牌与技术创新需要零部件作基础，零部件的自主创新又对整车产业的发展产生强大推动力，他们是相互影响、相互作用的，没有整车的自主品牌，强大零部件体系的研发创新能力难以迸发，没有强大零部件体系的支撑，自主品牌的做大做强将难以为继。
而铸造是汽车零部件生产阶段的基础和前提，因此汽车零部件的铸造阶段的重要性不言而喻。在汽车零部件进行铸造时，当每一铸造阶段结束后，均需要对该阶段的汽车零部件进行检测，确定当前阶段的铸造是否符合标准，当不符合时，及时对该铸造缺陷进行维护，以提高成品汽车零部件铸造质量。
目前，在对汽车零部件进行每一铸造阶段的检测时，往往需要工作人员以直接或间接的方式去对汽车零部件进行铸造检测，直接的铸造检测方式是工作人员到达现场进行检测，通过采用检测仪器的方式，检测汽车零部件每一个铸造环节的铸造数据，然后再根据铸造数据进行判断确定该汽车零部件的铸造阶段是否符合要求，当不符合时，工作人员针对于该铸造数据对汽车零部件进行二次维护处理，而间接的方式则是通过现场的测量仪器自动对铸造后的汽车零部件进行测量，然后将测量的数据传输至工作人员的终端设备中进行判断，从而确定该汽车零部件的铸造是否符合要求。
但是，不管是采用上述中的直接方式还是间接方式，均存在一定的缺陷，直接方式虽然能够准确的对汽车零部件的铸造精度进行判断，却存在耗费人力物力以及检测效率的缺陷，而间接方式虽然能够一定程度上的减轻耗费人力物力以及检测效率的问题，但当出现铸造数据异常的情况时，工作人员不能够及时地对该异常的原因进行发现及解决，从而产生后续的维护效率问题，并且不论是上述中的直接方式还是间接方式，均是在汽车零部件产生铸造问题后，才对该问题进行解决维护，进而存在不能及时发现铸造异常的缺陷。
发明内容
为了上述中的至少一个技术问题，本申请提供了一种汽车零部件铸造监管方法、装置、设备及介质。
第一方面，本申请提供一种汽车零部件铸造监管方法，采用如下的技术方案：
一种汽车零部件铸造监管方法，包括：
获取铸造节点信息，所述铸造节点信息用于表示汽车每个不同零部件在铸造过程中不同的铸造节点信息；
基于所述铸造节点信息采集节点图像信息，所述节点图像信息为铸造节点信息中不同铸造节点所对应的图像信息；
将所述节点图像信息输入至节点监测模型中进行识别监测，确定所述节点图像信息对应铸造节点是否存在铸造异常；
若所述节点图像信息对应的铸造节点存在铸造异常，则对所述节点图像信息以及所述节点监测模型进行特征分析，得到铸造调整参数；
基于所述铸造调整参数生成调整优化指令，控制调整所述铸造节点图像对应的铸造设备进行参数调整，并对当前汽车零部件进行优化补铸。
通过采用上述技术方案，在对汽车零部件进行铸造监测时，获取铸造节点信息，然后基于铸造节点信息采集节点图像信息，节点图像信息为铸造节点信息中不同铸造节点所对应的图像信息，然后将节点图像信息输入至节点监测模型中进行识别监测，确定节点图像信息对应铸造节点是否存在铸造异常，若节点图像信息对应的铸造节点存在铸造异常，则对节点图像信息以及节点监测模型进行特征分析，得到铸造调整参数，然后基于铸造调整参数生成调整优化指令，控制调整铸造节点图像对应的铸造设备进行参数调整，并对当前汽车零部件进行优化补铸，从而实现汽车零部件在铸造过程中的自动化调整和优化，提高汽车零部件的铸造产品质量和生产效率。同时，还可以实时监测和控制铸造过程，减少了人为因素对铸造结果的影响，提高了生产过程的稳定性和可靠性。
在另一种可能实现的方式中，所述将所述节点图像信息输入至节点监测模型中进行识别监测，确定所述节点图像信息对应铸造节点是否存在铸造异常，之前还包括：
按照预设步骤获取所述汽车每个不同零部件的铸造场景所对应的铸造设备与铸件的固定点图像；
基于所述固定点图像在三维形状要素相对应的位置处的像素颜色信息来确定所述三维形状要素的颜色步骤信息，所述三维形状要素具有三维位置信息，并且所述三维形状要素构成是基于位于所述铸造场景中的真实物体的点云数据而创建的三维空间数据；
基于所述像素颜色信息，判断所述像素颜色信息中每个像素的颜色信息变化是否满足预定条件，若满足，则基于像素的颜色信息变化对所述三维形状要素的颜色步骤信息进行更新，所述预定条件为像素的颜色信息变化是位于所述像素的原始颜色信息的特定距离范围内的变化；
基于所述三维形状要素的颜色信息和三维位置信息来绘制生成不同零部件的铸造场景所对应的铸造设备与铸件的节点监测模型。
通过采用上述技术方案，通过绘制生成铸造设备与铸件的节点监测模型，实现铸造过程的实时监测和优化。提高了铸造质量和生产效率，同时减少了人为因素对铸造结果的影响，提高了生产过程的稳定性和可靠性。
在另一种可能实现的方式中，所述将所述节点图像信息输入至节点监测模型中进行识别监测，确定所述节点图像信息对应铸造节点是否存在铸造异常，包括：
对所述节点图像信息按照生成时间进行图像拼接，生成节点视频；
根据所述节点视频确定节点视觉帧，并对所述节点视觉帧进行分析筛选，得到节点关键帧；
判断所述节点关键帧的特征点是否具有深度值，若所述节点关键帧的特征点具有深度值，则基于所述节点关键帧确定节点地图点以及与所述节点地图点相对应的地图标记；
基于所述地图标记将所述节点地图点与所述节点监测模型中的模型地图点进行匹配，确定所述节点图像信息对应铸造节点是否存在铸造异常。
通过采用上述技术方案，在确定当前节点图像信息对应的铸造节点是否存在异常时，对所述节点图像信息按照生成时间进行图像拼接，生成节点视频，然后根据所述节点视频确定节点视觉帧，并对所述节点视觉帧进行分析筛选，得到节点关键帧，然后判断所述节点关键帧的特征点是否具有深度值，若所述节点关键帧的特征点具有深度值，则基于所述节点关键帧确定节点地图点以及与所述节点地图点相对应的地图标记，然后基于所述地图标记将所述节点地图点与所述节点监测模型中的模型地图点进行匹配，确定所述节点图像信息对应铸造节点是否存在铸造异常，从而基于节点图像信息和节点监测模型对铸造过程进行实时监测和分析，以确定铸造节点是否存在异常，提高了异常判断的准确性。
在另一种可能实现的方式中，所述判断所述节点关键帧的特征点是否具有深度值，还包括：
若所述节点关键帧的特征点不具有深度值，则基于所述节点关键帧确定节点共视图，所述节点共视图为所述节点地图点对应的共视图；
基于所述节点共视图，获取第一共视关键帧以及第二共视关键帧，所述第一共视关键帧为满足所述节点关键帧共视程度要求的关键帧，所述第二共视关键帧为满足所述第一共视关键帧共视程度要求的关键帧；
分别将所述节点关键帧与所述第一共视关键帧、所述第二共视关键帧进行特征点匹配，得到匹配特征点；
将所述匹配特征点进行三角化构建，得到共视地图点；
基于所述共视地图点对所述节点地图点进行更新，得到更新后的节点地图点。
通过采用上述技术方式，当节点关键帧的特征点不具有深度值时，基于所述节点关键帧确定节点共视图，所述节点共视图为所述节点地图点对应的共视图，然后基于所述节点共视图，获取第一共视关键帧以及第二共视关键帧，所述第一共视关键帧为满足所述节点关键帧共视程度要求的关键帧，所述第二共视关键帧为满足所述第一共视关键帧共视程度要求的关键帧，然后分别将所述节点关键帧与所述第一共视关键帧、所述第二共视关键帧进行特征点匹配，得到匹配特征点，然后将所述匹配特征点进行三角化构建，得到共视地图点，然后基于所述共视地图点对所述节点地图点进行更新，得到更新后的节点地图点，从而提高了节点地图点的精准度。
在另一种可能实现的方式中，所述对所述节点图像信息以及所述节点监测模型进行特征分析，得到铸造调整参数,包括：
分别对所述节点地图点以及所述模型地图点进行特征点提取，得到节点特征点以及模型特征点，所述节点特征点为所述节点地图点对应的特征点，所述模型特征点为所述模型地图点对应的特征点；
基于所述节点特征点确定节点位置坐标，基于所述模型特征点确定模型位置坐标；
将所述节点位置坐标与所述模型位置坐标进行二维计算，得到铸造调整参数。
所述对所述节点视觉帧进行分析筛选，得到节点关键帧，包括：
获取所述铸造设备的运动信息；
基于所述运动信息，确定所述汽车零部件在不同铸造过程中的铸造环节，判断所述铸造环节是否产生变化，若发生，则将所述节点视觉帧与所述节点视觉帧的前一关键帧进行比对分析，得到节点关键帧。
在另一种可能实现的方式中，所述方法还包括：
对所述节点图像信息进行位置分析，得到汽车零部件与所述铸造设备的相对位置信息；
判断所述相对位置信息是否符合预设位置范围，若不符合，则生成光照指令，控制光照设备对所述预设位置范围进行光照覆盖。
第二方面，本申请提供一种汽车零部件铸造监管装置，采用如下的技术方案：
一种汽车零部件铸造监管装置，包括：
节点获取模块，用于获取铸造节点信息，所述铸造节点信息用于表示汽车每个不同零部件在铸造过程中不同的铸造节点信息；
信息采集模块，用于基于所述铸造节点信息采集节点图像信息，所述节点图像信息为铸造节点信息中不同铸造节点所对应的图像信息；
识别监测模块，用于将所述节点图像信息输入至节点监测模型中进行识别监测，确定所述节点图像信息对应铸造节点是否存在铸造异常；
特征分析模块，用于当所述节点图像信息对应的铸造节点存在铸造异常时，对所述节点图像信息以及所述节点监测模型进行特征分析，得到铸造调整参数；
铸造优化模块，用于基于所述铸造调整参数生成调整优化指令，控制调整所述铸造节点图像对应的铸造设备进行参数调整，并对当前汽车零部件进行优化补铸。
在一种可能的实现方式中，所述装置还包括：图像获取模块、信息确定模块、步骤更新模块以及模型绘制模块，其中，
所述图像获取模块，用于按照预设步骤获取所述汽车每个不同零部件的铸造场景所对应的铸造设备与铸件的固定点图像；
所述信息确定模块，用于基于所述固定点图像在三维形状要素相对应的位置处的像素颜色信息来确定所述三维形状要素的颜色步骤信息，所述三维形状要素具有三维位置信息，并且所述三维形状要素构成是基于位于所述铸造场景中的真实物体的点云数据而创建的三维空间数据；
所述步骤更新模块，用于基于所述像素颜色信息，判断所述像素颜色信息中每个像素的颜色信息变化是否满足预定条件，若满足，则基于像素的颜色信息变化对所述三维形状要素的颜色步骤信息进行更新，所述预定条件为像素的颜色信息变化是位于所述像素的原始颜色信息的特定距离范围内的变化；
所述模型绘制模块，用于基于所述三维形状要素的颜色信息和三维位置信息来绘制生成不同零部件的铸造场景所对应的铸造设备与铸件的节点监测模型。
在另一种可能的实现方式中，所述识别监测模块在将所述节点图像信息输入至节点监测模型中进行识别监测，确定所述节点图像信息对应铸造节点是否存在铸造异常时，具体用于：
对所述节点图像信息按照生成时间进行图像拼接，生成节点视频；
根据所述节点视频确定节点视觉帧，并对所述节点视觉帧进行分析筛选，得到节点关键帧；
判断所述节点关键帧的特征点是否具有深度值，若所述节点关键帧的特征点具有深度值，则基于所述节点关键帧确定节点地图点以及与所述节点地图点相对应的地图标记；
基于所述地图标记将所述节点地图点与所述节点监测模型中的模型地图点进行匹配，确定所述节点图像信息对应铸造节点是否存在铸造异常。
在另一种可能的实现方式中，所述装置还包括：共视确定模块、关键帧获取模块、特征匹配模块、构建模块以及地图点更新模块，其中，
所述共视确定模块，用于当所述节点关键帧的特征点不具有深度值时，则基于所述节点关键帧确定节点共视图，所述节点共视图为所述节点地图点对应的共视图；
所述关键帧获取模块，用于基于所述节点共视图，获取第一共视关键帧以及第二共视关键帧，所述第一共视关键帧为满足所述节点关键帧共视程度要求的关键帧，所述第二共视关键帧为满足所述第一共视关键帧共视程度要求的关键帧；
所述特征匹配模块，用于分别将所述节点关键帧与所述第一共视关键帧、所述第二共视关键帧进行特征点匹配，得到匹配特征点；
所述构建模块，用于将所述匹配特征点进行三角化构建，得到共视地图点；
所述地图点更新模块，用于基于所述共视地图点对所述节点地图点进行更新，得到更新后的节点地图点。
在另一种可能的实现方式中,所述特征分析模块在对所述节点图像信息以及所述节点监测模型进行特征分析，得到铸造调整参数时,具体用于：
分别对所述节点地图点以及所述模型地图点进行特征点提取，得到节点特征点以及模型特征点，所述节点特征点为所述节点地图点对应的特征点，所述模型特征点为所述模型地图点对应的特征点；
基于所述节点特征点确定节点位置坐标，基于所述模型特征点确定模型位置坐标；
将所述节点位置坐标与所述模型位置坐标进行二维计算，得到铸造调整参数。
在另一种可能的实现方式中，所述识别监测模块对所述节点视觉帧进行分析筛选，得到节点关键帧时，具体用于：
获取所述铸造设备的运动信息；
基于所述运动信息，确定所述汽车零部件在不同铸造过程中的铸造环节，判断所述铸造环节是否产生变化，若发生，则将所述节点视觉帧与所述节点视觉帧的前一关键帧进行比对分析，得到节点关键帧。
在另一种可能的实现方式中，所述装置还包括：位置分析模块以及光照指示模块，其中，
所述位置分析模块，用于对所述节点图像信息进行位置分析，得到汽车零部件与所述铸造设备的相对位置信息；
所述光照指示模块，用于判断所述相对位置信息是否符合预设位置范围，若不符合，则生成光照指令，控制光照设备对所述预设位置范围进行光照覆盖。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，该电子设备包括：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述汽车零部件铸造监管方法。
第四方面，提供了一种计算机可读存储介质，存储介质存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如第一方面中任一可能的实现方式所示的汽车零部件铸造监管方法。
综上所述，本申请包括以下至少一种有益技术效果：
本申请提供了一种汽车零部件铸造监管方法、装置、设备及介质，与相关技术相比，在本申请中，在对汽车零部件进行铸造监测时，获取铸造节点信息，然后基于铸造节点信息采集节点图像信息，节点图像信息为铸造节点信息中不同铸造节点所对应的图像信息，然后将节点图像信息输入至节点监测模型中进行识别监测，确定节点图像信息对应铸造节点是否存在铸造异常，若节点图像信息对应的铸造节点存在铸造异常，则对节点图像信息以及节点监测模型进行特征分析，得到铸造调整参数，然后基于铸造调整参数生成调整优化指令，控制调整铸造节点图像对应的铸造设备进行参数调整，并对当前汽车零部件进行优化补铸，从而实现汽车零部件在铸造过程中的自动化调整和优化，提高汽车零部件的铸造产品质量和生产效率。同时，还可以实时监测和控制铸造过程，减少了人为因素对铸造结果的影响，提高了生产过程的稳定性和可靠性。
附图说明
图1是本申请实施例一种汽车零部件铸造监管方法的流程示意图；
图2是本申请实施例一种汽车零部件铸造监管装置的方框示意图；
图3是本申请实施例电子设备的示意图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，一种汽车零部件铸造监管方法、装置、设备及介质和/或B，可以表示：单独存在一种汽车零部件铸造监管方法、装置、设备及介质，同时存在一种汽车零部件铸造监管方法、装置、设备及介质和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种汽车零部件铸造监管方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图1所示，该方法包括：
步骤S10，获取铸造节点信息。
其中，铸造节点信息用于表示汽车每个不同零部件在铸造过程中不同的铸造节点信息。
具体地，铸造节点信息为预先存储至数据库中的数据信息，即工作人员将每个不同汽车零部件的铸造加工节点以及铸造加工节点对应的铸造加工参数进行绑定，并将绑定后的数据信息存储至对应的数据库的数据表中，当电子设备获取铸造节点信息时，通过访问数据表对应的存储路径即可得到与汽车零部件相对应铸造节点信息。
步骤S11，基于铸造节点信息采集节点图像信息。
其中，节点图像信息为铸造节点信息中不同铸造节点所对应的图像信息。
步骤S12，将节点图像信息输入至节点监测模型中进行识别监测，确定节点图像信息对应铸造节点是否存在铸造异常。
在本申请实施例中，节点监测模型是采用MR（混合现实）技术制作而成的。混合现实(MR)（既包括增强现实和增强虚拟）指的是合并现实和虚拟世界而产生的新的可视化环境。在新的可视化环境里物理和数字对象共存，并实时互动。通过将现实世界中的节点图像信息与节点监测模型进行识别，来确定节点图像信息对应的铸造节点是否存在铸造异常。
步骤S13，若节点图像信息对应的铸造节点存在铸造异常，则对节点图像信息以及节点监测模型进行特征分析，得到铸造调整参数。
步骤S14，基于铸造调整参数生成调整优化指令，控制调整铸造节点图像对应的铸造设备进行参数调整，并对当前汽车零部件进行优化补铸。
本申请实施例提供了一种汽车零部件铸造监管方法，在本申请中，在对汽车零部件进行铸造监测时，获取铸造节点信息，然后基于铸造节点信息采集节点图像信息，节点图像信息为铸造节点信息中不同铸造节点所对应的图像信息，然后将节点图像信息输入至节点监测模型中进行识别监测，确定节点图像信息对应铸造节点是否存在铸造异常，若节点图像信息对应的铸造节点存在铸造异常，则对节点图像信息以及节点监测模型进行特征分析，得到铸造调整参数，然后基于铸造调整参数生成调整优化指令，控制调整铸造节点图像对应的铸造设备进行参数调整，并对当前汽车零部件进行优化补铸，从而实现汽车零部件在铸造过程中的自动化调整和优化，提高汽车零部件的铸造产品质量和生产效率。同时，还可以实时监测和控制铸造过程，减少了人为因素对铸造结果的影响，提高了生产过程的稳定性和可靠性。
本申请实施例的一种可能的实现方式，步骤S12之前还包括步骤S21（图中未示出）、步骤S22（图中未示出）、步骤S23（图中未示出）以及步骤S24（图中未示出），其中，
步骤S21，按照预设步骤获取汽车每个不同零部件的铸造场景所对应的铸造设备与铸件的固定点图像。
在本申请实施例中，预设步骤为不同汽车零部件的铸造顺序步骤。
步骤S22，基于固定点图像在三维形状要素相对应的位置处的像素颜色信息来确定三维形状要素的颜色步骤信息。
其中，三维形状要素具有三维位置信息，并且三维形状要素构成是基于位于铸造场景中的真实物体的点云数据而创建的三维空间数据。
步骤S23，基于像素颜色信息，判断像素颜色信息中每个像素的颜色信息变化是否满足预定条件，若满足，则基于像素的颜色信息变化对三维形状要素的颜色步骤信息进行更新。
其中，预定条件为像素的颜色信息变化是位于像素的原始颜色信息的特定距离范围内的变化。
步骤S24，基于三维形状要素的颜色信息和三维位置信息来绘制生成不同零部件的铸造场景所对应的铸造设备与铸件的节点监测模型。
本申请实施例的一种可能的实现方式，将节点图像信息输入至节点监测模型中进行识别监测，确定节点图像信息对应铸造节点是否存在铸造异常，具体用于：对节点图像信息按照生成时间进行图像拼接，生成节点视频，根据节点视频确定节点视觉帧，并对节点视觉帧进行分析筛选，得到节点关键帧，判断节点关键帧的特征点是否具有深度值，若节点关键帧的特征点具有深度值，则基于节点关键帧确定节点地图点以及与节点地图点相对应的地图标记，基于地图标记将节点地图点与节点监测模型中的模型地图点进行匹配，确定节点图像信息对应铸造节点是否存在铸造异常。
本申请实施例的一种可能的实现方式，判断节点关键帧的特征点是否具有深度值，还包括：若节点关键帧的特征点不具有深度值，则基于节点关键帧确定节点共视图，节点共视图为节点地图点对应的共视图，基于节点共视图，获取第一共视关键帧以及第二共视关键帧，第一共视关键帧为满足节点关键帧共视程度要求的关键帧，第二共视关键帧为满足第一共视关键帧共视程度要求的关键帧，分别将节点关键帧与第一共视关键帧、第二共视关键帧进行特征点匹配，得到匹配特征点，将匹配特征点进行三角化构建，得到共视地图点，基于共视地图点对节点地图点进行更新，得到更新后的节点地图点。
本申请实施例的一种可能的实现方式，对节点图像信息以及节点监测模型进行特征分析，得到铸造调整参数,具体用于：分别对节点地图点以及模型地图点进行特征点提取，得到节点特征点以及模型特征点，节点特征点为节点地图点对应的特征点，模型特征点为模型地图点对应的特征点，基于节点特征点确定节点位置坐标，基于模型特征点确定模型位置坐标，将节点位置坐标与模型位置坐标进行二维计算，得到铸造调整参数。
具体地，节点特征点以及模型特征点的描述是给已经被提取的特征点分配一个具有特定性、可识别的ID，通常都与以其周围图像的明暗有关，可类比为给每个人颁发一个身份证号码。同时，特征点的描述一般也包含一个特征点的强度值，表明此特征的突出程度，越高则其对于环境光照的影响越不敏感、越稳定，越低则越不可靠。每个提取的特征点都可以表示为：{(u,v),s,d}。其中(u,v)表示特征点的位置坐标，s为其强度值，d为描述子（通常为固定大小的矩阵）。根据两特征点的位置坐标即可准确得知现实世界中的汽车零部件的铸造调整参数。
具体地，提取实时视觉帧中特征点的方法包括：Harris、ORB、SURF、SIFT等，在选用上述特征点的基础上，本申请实施例中，还增加了构建图像金字塔和特征点均匀化两个步骤，并增加了特征点的旋转主方向信息，旋转主方向信息用于两图像间的特征点匹配，最终得到基于特征点构建的第一地图点以及共视图。
本申请实施例的一种可能的实现方式，对节点视觉帧进行分析筛选，得到节点关键帧，包括：获取铸造设备的运动信息，基于运动信息，确定汽车零部件在不同铸造过程中的铸造环节，判断铸造环节是否产生变化，若发生，则将节点视觉帧与节点视觉帧的前一关键帧进行比对分析，得到节点关键帧。
具体地，一段动画，从本质上讲就是一段时间内连续播放的一定数量的画面。每一张画面，我们管它叫做“视觉帧”。至于为什么叫做“视觉帧”，是因为这些画面包含了时间和位置的变化关系，一定时间内连续快速播放若干个帧，就成了人眼中所看到的动画。同样时间内，播放的视觉帧数越多，画面看起来越流畅，即从多个视觉帧中挑选关键帧，并将关键字进行组合播放。
具体地，生成节点关键帧的优点在于：
相近帧之间信息冗余度很高，关键帧是取局部相近帧中最有代表性的一帧，可以降低信息冗余度。举例来说，摄像头放在原处不动，普通帧还是要记录的，但关键帧不会增加。
关键帧选择时还会对图片质量、特征点质量等进行考察，在Bundle Fusion、RKDSLAM等RGB-D SLAM相关方案中常常用普通帧的深度投影到关键帧上进行深度图优化，一定程度上关键帧是普通帧滤波和优化的结果，防止无用的或错误的信息进入优化过程而破坏定位建图的准确性。
本申请实施例的一种可能的实现方式，方法还包括：对节点图像信息进行位置分析，得到汽车零部件与铸造设备的相对位置信息，判断相对位置信息是否符合预设位置范围，若不符合，则生成光照指令，控制光照设备对预设位置范围进行光照覆盖。
上述实施例从方法流程的角度介绍一种汽车零部件铸造监管方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种汽车零部件铸造监管装置，具体详见下述实施例。
本申请实施例提供一种汽车零部件铸造监管装置，如图2所示，该用于汽车零部件铸造监管装置20具体可以包括：节点获取模块21、信息采集模块22、识别监测模块23、特征分析模块24以及铸造优化模块25，其中，
节点获取模块21，用于获取铸造节点信息，铸造节点信息用于表示汽车每个不同零部件在铸造过程中不同的铸造节点信息；
信息采集模块22，用于基于铸造节点信息采集节点图像信息，节点图像信息为铸造节点信息中不同铸造节点所对应的图像信息；
识别监测模块23，用于将节点图像信息输入至节点监测模型中进行识别监测，确定节点图像信息对应铸造节点是否存在铸造异常；
特征分析模块24，用于当节点图像信息对应的铸造节点存在铸造异常时，对节点图像信息以及节点监测模型进行特征分析，得到铸造调整参数；
铸造优化模块25，用于基于铸造调整参数生成调整优化指令，控制调整铸造节点图像对应的铸造设备进行参数调整，并对当前汽车零部件进行优化补铸。
本申请实施例的一种可能的实现方式，装置20还包括：图像获取模块、信息确定模块、步骤更新模块以及模型绘制模块，其中，
图像获取模块，用于按照预设步骤获取汽车每个不同零部件的铸造场景所对应的铸造设备与铸件的固定点图像；
信息确定模块，用于基于固定点图像在三维形状要素相对应的位置处的像素颜色信息来确定三维形状要素的颜色步骤信息，三维形状要素具有三维位置信息，并且三维形状要素构成是基于位于铸造场景中的真实物体的点云数据而创建的三维空间数据；
步骤更新模块，用于基于像素颜色信息，判断像素颜色信息中每个像素的颜色信息变化是否满足预定条件，若满足，则基于像素的颜色信息变化对三维形状要素的颜色步骤信息进行更新，预定条件为像素的颜色信息变化是位于像素的原始颜色信息的特定距离范围内的变化；
模型绘制模块，用于基于三维形状要素的颜色信息和三维位置信息来绘制生成不同零部件的铸造场景所对应的铸造设备与铸件的节点监测模型。
本申请实施例的另一种可能的实现方式，识别监测模块23在将节点图像信息输入至节点监测模型中进行识别监测，确定节点图像信息对应铸造节点是否存在铸造异常时，具体用于：
对节点图像信息按照生成时间进行图像拼接，生成节点视频；
根据节点视频确定节点视觉帧，并对节点视觉帧进行分析筛选，得到节点关键帧；
判断节点关键帧的特征点是否具有深度值，若节点关键帧的特征点具有深度值，则基于节点关键帧确定节点地图点以及与节点地图点相对应的地图标记；
基于地图标记将节点地图点与节点监测模型中的模型地图点进行匹配，确定节点图像信息对应铸造节点是否存在铸造异常。
本申请实施例的另一种可能的实现方式，装置20还包括：共视确定模块、关键帧获取模块、特征匹配模块、构建模块以及地图点更新模块，其中，
共视确定模块，用于当节点关键帧的特征点不具有深度值时，则基于节点关键帧确定节点共视图，节点共视图为节点地图点对应的共视图；
关键帧获取模块，用于基于节点共视图，获取第一共视关键帧以及第二共视关键帧，第一共视关键帧为满足节点关键帧共视程度要求的关键帧，第二共视关键帧为满足第一共视关键帧共视程度要求的关键帧；
特征匹配模块，用于分别将节点关键帧与第一共视关键帧、第二共视关键帧进行特征点匹配，得到匹配特征点；
构建模块，用于将匹配特征点进行三角化构建，得到共视地图点；
地图点更新模块，用于基于共视地图点对节点地图点进行更新，得到更新后的节点地图点。
本申请实施例的另一种可能的实现方式,特征分析模块24在对节点图像信息以及节点监测模型进行特征分析，得到铸造调整参数时,具体用于：
分别对节点地图点以及模型地图点进行特征点提取，得到节点特征点以及模型特征点，节点特征点为节点地图点对应的特征点，模型特征点为模型地图点对应的特征点；
基于节点特征点确定节点位置坐标，基于模型特征点确定模型位置坐标；
将节点位置坐标与模型位置坐标进行二维计算，得到铸造调整参数。
本申请实施例的另一种可能的实现方式，识别监测模块23对节点视觉帧进行分析筛选，得到节点关键帧时，具体用于：
获取铸造设备的运动信息；
基于运动信息，确定汽车零部件在不同铸造过程中的铸造环节，判断铸造环节是否产生变化，若发生，则将节点视觉帧与节点视觉帧的前一关键帧进行比对分析，得到节点关键帧。
本申请实施例的另一种可能的实现方式，装置20还包括：位置分析模块以及光照指示模块，其中，
位置分析模块，用于对节点图像信息进行位置分析，得到汽车零部件与铸造设备的相对位置信息；
光照指示模块，用于判断相对位置信息是否符合预设位置范围，若不符合，则生成光照指令，控制光照设备对预设位置范围进行光照覆盖。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还从实体装置的角度介绍了一种电子设备，如图3所示，图3所示的电子设备30除常规配置装置外包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备30还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备30的结构并不构成对本申请实施例的限定。
处理器301可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (7)
1.一种汽车零部件铸造监管方法，其特征在于，包括：
获取铸造节点信息，所述铸造节点信息用于表示汽车每个不同零部件在铸造过程中不同的铸造节点信息；
基于所述铸造节点信息采集节点图像信息，所述节点图像信息为铸造节点信息中不同铸造节点所对应的图像信息；
将所述节点图像信息输入至节点监测模型中进行识别监测，确定所述节点图像信息对应铸造节点是否存在铸造异常；
所述将所述节点图像信息输入至节点监测模型中进行识别监测，确定所述节点图像信息对应铸造节点是否存在铸造异常，之前还包括：
按照预设步骤获取所述汽车每个不同零部件的铸造场景所对应的铸造设备与铸件的固定点图像，预设步骤为不同汽车零部件的铸造顺序步骤；
基于所述固定点图像在三维形状要素相对应的位置处的像素颜色信息来确定所述三维形状要素的颜色步骤信息，所述三维形状要素具有三维位置信息，并且所述三维形状要素构成是基于位于所述铸造场景中的真实物体的点云数据而创建的三维空间数据；
基于所述像素颜色信息，判断所述像素颜色信息中每个像素的颜色信息变化是否满足预定条件，若满足，则基于像素的颜色信息变化对所述三维形状要素的颜色步骤信息进行更新，所述预定条件为像素的颜色信息变化是位于所述像素的原始颜色信息的特定距离范围内的变化；
基于所述三维形状要素的颜色信息和三维位置信息来绘制生成不同零部件的铸造场景所对应的铸造设备与铸件的节点监测模型；
所述将所述节点图像信息输入至节点监测模型中进行识别监测，确定所述节点图像信息对应铸造节点是否存在铸造异常，包括：
对所述节点图像信息按照生成时间进行图像拼接，生成节点视频；
根据所述节点视频确定节点视觉帧，并对所述节点视觉帧进行分析筛选，得到节点关键帧；
判断所述节点关键帧的特征点是否具有深度值，若所述节点关键帧的特征点具有深度值，则基于所述节点关键帧确定节点地图点以及与所述节点地图点相对应的地图标记；
基于所述地图标记将所述节点地图点与所述节点监测模型中的模型地图点进行匹配，确定所述节点图像信息对应铸造节点是否存在铸造异常；
若所述节点图像信息对应的铸造节点存在铸造异常，则对所述节点图像信息以及所述节点监测模型进行特征分析，得到铸造调整参数；
所述对所述节点图像信息以及所述节点监测模型进行特征分析，得到铸造调整参数,包括：
分别对所述节点地图点以及所述模型地图点进行特征点提取，得到节点特征点以及模型特征点，所述节点特征点为所述节点地图点对应的特征点，所述模型特征点为所述模型地图点对应的特征点；
基于所述节点特征点确定节点位置坐标，基于所述模型特征点确定模型位置坐标；
将所述节点位置坐标与所述模型位置坐标进行二维计算，得到铸造调整参数；
基于所述铸造调整参数生成调整优化指令，控制调整所述铸造节点图像对应的铸造设备进行参数调整，并对当前汽车零部件进行优化补铸。
2.根据权利要求1所述的一种汽车零部件铸造监管方法，其特征在于，所述判断所述节点关键帧的特征点是否具有深度值，还包括：
若所述节点关键帧的特征点不具有深度值，则基于所述节点关键帧确定与所述节点地图点所对应的节点共视图；
获取第一共视关键帧以及第二共视关键帧，所述第一共视关键帧为所述节点共视图中满足节点关键帧共视程度要求的关键帧，所述第二共视关键帧为所述节点共视图中满足所述第一共视关键帧共视程度要求的关键帧；
将所述节点关键帧与所述第一共视关键帧进行特征点匹配，得到第一匹配特征点，将所述节点关键正与所述第二共视关键帧进行特征点匹配，得到第二匹配特征点；
根据匹配特征点采用三角化方法进行空间点的构建，得到共视地图点，所述匹配特征点包括所述第一匹配特征点与所述第二匹配特征点；
基于所述共视地图点对所述节点地图点进行更新，得到更新后的节点地图点。
3.根据权利要求1所述的一种汽车零部件铸造监管方法，其特征在于，所述对所述节点视觉帧进行分析筛选，得到节点关键帧，包括：
获取所述铸造设备的运动信息；
基于所述运动信息，确定所述汽车零部件在不同铸造过程中的铸造环节是否产生变化，当所述汽车零部件在不同铸造过程中的铸造环节产生变化时，则将所述节点视觉帧与所述节点视觉帧的前一关键帧进行比对分析，得到节点关键帧。
4.根据权利要求1所述的一种汽车零部件铸造监管方法，其特征在于，所述方法还包括：
对所述节点图像信息进行位置分析，得到汽车零部件与所述铸造设备的相对位置信息；
判断所述相对位置信息是否符合预设位置范围，若不符合，则生成光照指令，控制光照设备对所述预设位置范围进行光照覆盖。
5.一种汽车零部件铸造监管装置，其特征在于，包括：
节点获取模块，用于获取铸造节点信息，所述铸造节点信息用于表示汽车每个不同零部件在铸造过程中不同的铸造节点信息；
信息采集模块，用于基于所述铸造节点信息采集节点图像信息，所述节点图像信息为铸造节点信息中不同铸造节点所对应的图像信息；
识别监测模块，用于将所述节点图像信息输入至节点监测模型中进行识别监测，确定所述节点图像信息对应铸造节点是否存在铸造异常；
所述装置还包括：图像获取模块、信息确定模块、步骤更新模块以及模型绘制模块，其中，
所述图像获取模块，用于按照预设步骤获取所述汽车每个不同零部件的铸造场景所对应的铸造设备与铸件的固定点图像，预设步骤为不同汽车零部件的铸造顺序步骤；
所述信息确定模块，用于基于所述固定点图像在三维形状要素相对应的位置处的像素颜色信息来确定所述三维形状要素的颜色步骤信息，所述三维形状要素具有三维位置信息，并且所述三维形状要素构成是基于位于所述铸造场景中的真实物体的点云数据而创建的三维空间数据；
所述步骤更新模块，用于基于所述像素颜色信息，判断所述像素颜色信息中每个像素的颜色信息变化是否满足预定条件，若满足，则基于像素的颜色信息变化对所述三维形状要素的颜色步骤信息进行更新，所述预定条件为像素的颜色信息变化是位于所述像素的原始颜色信息的特定距离范围内的变化；
所述模型绘制模块，用于基于所述三维形状要素的颜色信息和三维位置信息来绘制生成不同零部件的铸造场景所对应的铸造设备与铸件的节点监测模型；
所述识别监测模块在将所述节点图像信息输入至节点监测模型中进行识别监测，确定所述节点图像信息对应铸造节点是否存在铸造异常时，具体用于：
对所述节点图像信息按照生成时间进行图像拼接，生成节点视频；
根据所述节点视频确定节点视觉帧，并对所述节点视觉帧进行分析筛选，得到节点关键帧；
判断所述节点关键帧的特征点是否具有深度值，若所述节点关键帧的特征点具有深度值，则基于所述节点关键帧确定节点地图点以及与所述节点地图点相对应的地图标记；
基于所述地图标记将所述节点地图点与所述节点监测模型中的模型地图点进行匹配，确定所述节点图像信息对应铸造节点是否存在铸造异常；
特征分析模块，用于当所述节点图像信息对应的铸造节点存在铸造异常时，对所述节点图像信息以及所述节点监测模型进行特征分析，得到铸造调整参数；
所述特征分析模块在对所述节点图像信息以及所述节点监测模型进行特征分析，得到铸造调整参数时,具体用于：
分别对所述节点地图点以及所述模型地图点进行特征点提取，得到节点特征点以及模型特征点，所述节点特征点为所述节点地图点对应的特征点，所述模型特征点为所述模型地图点对应的特征点；
基于所述节点特征点确定节点位置坐标，基于所述模型特征点确定模型位置坐标；
将所述节点位置坐标与所述模型位置坐标进行二维计算，得到铸造调整参数；
铸造优化模块，用于基于所述铸造调整参数生成调整优化指令，控制调整所述铸造节点图像对应的铸造设备进行参数调整，并对当前汽车零部件进行优化补铸。
6.一种电子设备，其特征在于，该电子设备包括：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行权利要求1～4任一项所述的汽车零部件铸造监管方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机中执行时，令所述计算机执行权利要求1～4任一项所述的汽车零部件铸造监管方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311334744.2A CN117575985B (zh) | 2024-01-19 | 2024-01-19 | 一种汽车零部件铸造监管方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311334744.2A CN117575985B (zh) | 2024-01-19 | 2024-01-19 | 一种汽车零部件铸造监管方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117575985A CN117575985A (zh) | 2024-02-20 |
| CN117575985B true CN117575985B (zh) | 2024-06-04 |
Family
ID=89888795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311334744.2A Active CN117575985B (zh) | 2024-01-19 | 2024-01-19 | 一种汽车零部件铸造监管方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117575985B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114494468A (zh) * | 2021-12-27 | 2022-05-13 | 南方海洋科学与工程广东省实验室(湛江) | 三维彩色点云构建方法、装置、系统及存储介质 |
| CN114663502A (zh) * | 2020-12-08 | 2022-06-24 | 北京三星通信技术研究有限公司 | 物体姿态估计、图像处理方法及相关设备 |
| CN115375855A (zh) * | 2022-10-25 | 2022-11-22 | 四川公路桥梁建设集团有限公司 | 工程项目的可视化方法、装置、电子设备和可读介质 |
| CN115909157A (zh) * | 2022-11-17 | 2023-04-04 | 山东顺诺腾辉智能科技有限公司 | 一种基于机器视觉的识别检测方法、装置、设备及介质 |
| CN116423005A (zh) * | 2023-06-14 | 2023-07-14 | 苏州松德激光科技有限公司 | 一种提高焊接精度的锡焊工艺优化方法及系统 |
| CN117008557A (zh) * | 2023-09-28 | 2023-11-07 | 苏州顶材新材料有限公司 | 共混型互穿网络热塑性弹性体的生产控制方法及系统 |
| WO2023234930A1 (en) * | 2022-05-31 | 2023-12-07 | Siemens Aktiengesellschaft | Self-supervised anomaly detection framework for visual quality inspection in manufactruing |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11122461B2 (en) * | 2019-07-22 | 2021-09-14 | At&T Intellectual Property I, L.P. | Flexible buffer management for optimizing congestion control using radio access network intelligent controller for 5G or other next generation wireless network |
| US20230168643A1 (en) * | 2022-10-13 | 2023-06-01 | Chengdu Qinchuan Iot Technology Co., Ltd. | Industrial internet of things based on abnormal identification, control method, and storage media thereof |
-
2024
- 2024-01-19 CN CN202311334744.2A patent/CN117575985B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114663502A (zh) * | 2020-12-08 | 2022-06-24 | 北京三星通信技术研究有限公司 | 物体姿态估计、图像处理方法及相关设备 |
| CN114494468A (zh) * | 2021-12-27 | 2022-05-13 | 南方海洋科学与工程广东省实验室(湛江) | 三维彩色点云构建方法、装置、系统及存储介质 |
| WO2023234930A1 (en) * | 2022-05-31 | 2023-12-07 | Siemens Aktiengesellschaft | Self-supervised anomaly detection framework for visual quality inspection in manufactruing |
| CN115375855A (zh) * | 2022-10-25 | 2022-11-22 | 四川公路桥梁建设集团有限公司 | 工程项目的可视化方法、装置、电子设备和可读介质 |
| CN115909157A (zh) * | 2022-11-17 | 2023-04-04 | 山东顺诺腾辉智能科技有限公司 | 一种基于机器视觉的识别检测方法、装置、设备及介质 |
| CN116423005A (zh) * | 2023-06-14 | 2023-07-14 | 苏州松德激光科技有限公司 | 一种提高焊接精度的锡焊工艺优化方法及系统 |
| CN117008557A (zh) * | 2023-09-28 | 2023-11-07 | 苏州顶材新材料有限公司 | 共混型互穿网络热塑性弹性体的生产控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117575985A (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108830837A (zh) | 一种用于检测钢包溶蚀缺陷的方法和装置 | |
| CN113408566A (zh) | 目标检测方法及相关设备 | |
| US20210397907A1 (en) | Methods and Systems for Object Detection | |
| CN111383204A (zh) | 视频图像融合方法、融合装置、全景监控系统及存储介质 | |
| US11164370B2 (en) | Information processing apparatus and accumulated images selecting method | |
| KR20200018411A (ko) | 전극편의 버를 검출하기 위한 방법 및 장치 | |
| WO2022100366A1 (zh) | 工业缺陷识别方法、系统、计算设备及存储介质 | |
| CN112801047A (zh) | 缺陷检测方法、装置、电子设备及可读存储介质 | |
| CN112929602A (zh) | 基于图像处理的数据监控方法、装置及相关设备 | |
| CN109635639B (zh) | 交通标识的位置检测方法、装置、设备和存储介质 | |
| CN115719436A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
| CN114418861B (zh) | 一种摄像头图像拼接处理方法和系统 | |
| CN115909157A (zh) | 一种基于机器视觉的识别检测方法、装置、设备及介质 | |
| CN113808142B (zh) | 一种地面标识的识别方法、装置、电子设备 | |
| CN117146739B (zh) | 用于光学瞄准镜的测角检定方法及系统 | |
| CN114693963A (zh) | 基于电力数据特征提取的识别模型训练、识别方法及装置 | |
| CN117575985B (zh) | 一种汽车零部件铸造监管方法、装置、设备及介质 | |
| CN112749746A (zh) | 一种缺陷样本迭代更新方法、系统及装置 | |
| CN116017129A (zh) | 一种补光灯角度调整方法、装置、系统、设备和介质 | |
| Zhu et al. | A method for quality evaluation of multi-exposure fusion images with multi-scale gradient magnitude | |
| CN114037921A (zh) | 基于无人机智能识别的弧垂建模方法及系统 | |
| CN114494597A (zh) | 一种平面图生成方法、装置以及计算机可读存储介质 | |
| CN114140707A (zh) | 一种电网故障巡检方法 | |
| CN112561914A (zh) | 图像的处理方法、系统、计算设备及存储介质 | |
| CN113763467B (zh) | 图像处理方法、装置、计算设备及介质 |
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 |