【技术实现步骤摘要】
本专利技术涉及船舶智能制造，特别是一种基于视觉检测的船舶预制管件智能识别设备，还涉及使用上述基于视觉检测的船舶预制管件智能识别设备进行智能识别的方法。
技术介绍
1、船舶建造过程中管件安装是船舶制造作业的重要组成部分，目前，预制管件需要在管子加工制造车间制造并按单元或区域分类放置于托盘内，预制管件属于非标管件，种类繁多、形状各异，相似件较多，但是，传统船舶单元、区域或分段的管子装配过程中，工人主要依靠纸质图纸的图形与编号等信息与托盘内管件编号比对，预制管件的寻找往往需要经过预制管件清点、编号比对、纸质工艺信息查看等过程，整体效率较低且易出错，极大的影响了船舶管件的装配质量和装配效率。
技术实现思路
1、本专利技术所要解决的技术问题是针对现有技术的不足，提供一种通过对船舶预制管件的自动化识别，有效提高船舶管子单元、船舶单元模块、船舶分段等场景的装配效率的基于视觉检测的船舶预制管件智能识别设备。
2、本专利技术所要解决的另一个技术问题是提供了使用上述基于视觉检测的船舶预制管件智能识别设备进行智能识别的方法。
3、本专利技术所要解决的技术问题是通过以下的技术方案来实现的。本专利技术是一种基于视觉检测的船舶预制管件智能识别设备，包括边缘设备软件和边缘计算设备硬件，边缘设备软件包括图像采集预处理模块、管件特征识别模块、文字特征识别模块、特征组合判断模块、文字组合判断模块、工程信息数据库、人机交互界面和工艺库；
4、所述图像采集预处理模块用于采集处理管件图像
5、所述管件特征识别模块用于识别管件图像上的特征点信息并发送至特征组合判断模块；
6、所述文字特征识别模块用于识别管件图像编码信息并发送至文字组合判断模块；
7、所述特征组合判断模块用于对识别的特征点进行统计分析、组合分类，并将组合特征与工程信息数据库比对，得出可能性最大概率的管件编号发送至人机交界面交互模块；
8、所述文字组合判断模块用于对识别的文字组合与工程信息数据库搜索比对；
9、所述工程信息数据库用于预先通过数据抽取存储船舶生产设计数据及工艺数据；
10、所述人机交界面交互包括预制管件编号确认界面模块、工艺指导展示界面模块，预制管件编号确认界面模块用于展示比对判断按概率得出管件型号，工艺指导展示界面用于查看管件装配工艺信息；
11、所述边缘计算设备硬件包括摄像头、触摸屏和通信模块，摄像头用于拍摄获取管件图像信息，触摸屏用于人工界面操作，通信模块用于负责软件各模块信息传输。
12、本专利技术所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的基于视觉检测的船舶预制管件智能识别设备，该设备采用的预制管件检测模型是基于yolo算法深度学习训练管件图像特征、文字ai识别模型。
13、本专利技术所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的基于视觉检测的船舶预制管件智能识别设备，所述图像采集与预处理模块通过现场布置摄像头或手持设备采集船舶管件的图像，实时对管件进行多角度、全方位的图像拍摄采集，并针对管件局部进行重点拍摄，获取高质量的管件图像，并将管件的编号视图文标识符号，进行辅助识别，同时将采集到的管件图像进行灰度化、增强对比度的预处理操作，提高图像的清晰度和对比度。
14、本专利技术所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的基于视觉检测的船舶预制管件智能识别设备，所述管件特征识别模块通过深度学习训练的方式进行关键特征的训练，训练的类型包括法兰接头、支管接头、弯管、三通、四通大类，每个类别又通过颜色分成不同小类；
15、管件特征识别模块由深度学习训练环境训练出来的智能识别模型二次开发而形成的软件模块，管件特征识别模块中的识别模型通常由下述方法训练而成：
16、第一步：数据集准备
17、在船舶生产环境中大量拍摄法兰接头、支管接头、弯管、三通、四通的特征图片，每种特征需要采集不同表面颜色及环境背景的；
18、第二步：数据集标注，使用标注软件对图像中管件的特征打框标注，并添加特征属性；
19、第三步：使用yolo算法训练ai模型
20、首先脚本转换格式将制作的图像数据集下发至ai模型，ai模型通过管件图像集特征定位边界框，精确检测图像管件特征所在位置；根据图像数据集中反映特征信息，调整算法训练参数，训练优化迭代识别管件特征算法，得到准确率、召回率、平均精度ap、平均精度均值map的准确性较好的ai识别模型.pt权重文件，在保证准确性前提下可以调整参数训练得到轻量化、识别速度快权重文件；
21、当进行管件识别时，程序端调用输出针对船舶预制管件的训练ai模型.pt权重文件，通过ai模型对管件的特征识别，输出信息包括预制管件特征类型、正确概率及识别位置的信息组合。
22、本专利技术所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的基于视觉检测的船舶预制管件智能识别设备，由于管件特征识别模块识别出来的只是管件的局部特征，而非整体预制管件，所以需要根据管件特征识别模块的识别结果进一步判断；
23、判断流程如下：
24、第一步，根据管件识别模块结果统计被检测对象的特征点组合数据，包括特征点数量和类型，位置以及准确率的信息；
25、第二步，将被检测对象的特征点数量和类型结果与项目特征数据库全局搜索，得出可能的预制管件编号；
26、对比方法包括准确判断法与模糊判断法两种；
27、使用准准确判断法，通过与数据库对比，得出完全匹配的预制管件；
28、通过模糊判断法，判断特征组合属于数据库预制管件的子集，得出退出匹配的预制管件；
29、匹配率计算方式：匹配率=符合的特征点概率之和/总特征数量；
30、由计算符合的特征点数量与该编号下总体特征点数量的百分比得出，得出的可能预制管件编号，由特征匹配率进行排序。
31、本专利技术所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的基于视觉检测的船舶预制管件智能识别设备，由于预制管件文字特征识别模块通常识别的是部分数字字母或符号，因此该预制管件的编码需要与数据库对比进行推理，推理方法通过全局搜索相似度进行判断，识别的文字按顺序与工程信息数据库编号信息进行搜索，按相似度排序。
32、本专利技术所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的基于视觉检测的船舶预制管件智能识别设备，预制管件文字特征识别模块在深度学习环境ai模型对手写体、钢印体、印刷体的字母和数字号进行训练，得出文字特征识别ai模型，预制管件文字特征识别模块通过调用文字特征识别ai模型实现对管件编号文本特征识别：
33、第一步：文本图像采集处理，在船舶生产环境中大量拍摄获取管件上面整串文本本文档来自技高网...
【技术保护点】
1.一种基于视觉检测的船舶预制管件智能识别设备，其特征在于：包括边缘设备软件和边缘计算设备硬件，边缘设备软件包括图像采集预处理模块、管件特征识别模块、文字特征识别模块、特征组合判断模块、文字组合判断模块、工程信息数据库、人机交互界面和工艺库；
2.根据权利要求1所述的基于视觉检测的船舶预制管件智能识别设备，其特征在于：该设备采用的预制管件检测模型是基于YOLO算法深度学习训练管件图像特征、文字AI识别模型。
3.根据权利要求1所述的基于视觉检测的船舶预制管件智能识别设备，其特征在于：所述图像采集与预处理模块通过现场布置摄像头或手持设备采集船舶管件的图像，实时对管件进行多角度、全方位的图像拍摄采集，并针对管件局部进行重点拍摄，获取高质量的管件图像，并将管件的编号视图文标识符号，进行辅助识别，同时将采集到的管件图像进行灰度化、增强对比度的预处理操作，提高图像的清晰度和对比度。
4.根据权利要求1所述的基于视觉检测的船舶预制管件智能识别设备，其特征在于：所述管件特征识别模块通过深度学习训练的方式进行关键特征的训练，训练的类型包括法兰接头、支管接头、弯
5.根据权利要求1或4所述的基于视觉检测的船舶预制管件智能识别设备，其特征在于：由于管件特征识别模块识别出来的只是管件的局部特征，而非整体预制管件，所以需要根据管件特征识别模块的识别结果进一步判断；
6.根据权利要求1所述的基于视觉检测的船舶预制管件智能识别设备，其特征在于：由于预制管件文字特征识别模块通常识别的是部分数字字母或符号，因此该预制管件的编码需要与数据库对比进行推理，推理方法通过全局搜索相似度进行判断，识别的文字按顺序与工程信息数据库编号信息进行搜索，按相似度排序。
7.根据权利要求1所述的基于视觉检测的船舶预制管件智能识别设备，其特征在于：预制管件文字特征识别模块在深度学习环境AI模型对手写体、钢印体、印刷体的字母和数字号进行训练，得出文字特征识别AI模型，预制管件文字特征识别模块通过调用文字特征识别AI模型实现对管件编号文本特征识别：
8.根据权利要求1所述的基于视觉检测的船舶预制管件智能识别设备，其特征在于：所述工程信息数据库还负责存储预制管件编号及相关工艺信息，其数据需要再检测前预置好，其数据信息由抽取并存储管件编号、特征点信息以及工艺信息。
9.根据权利要求1所述的基于视觉检测的船舶预制管件智能识别设备，其特征在于：所述人机交互模块通过页面按照概率排序，呈现管件编号信息排序，工人根据现场确认情况，确认管件编号并点击，工艺指导模块通过编号获取相关工艺信息，工艺信息通过预制工艺信息库，或者从云端现场调取相关的工艺信息供现场查看：
10.一种基于视觉检测的船舶预制管件智能识别方法，其特征在于：该方法使用权利要求1-9任意一项所述的基于视觉检测的船舶预制管件智能识别设备，其步骤如下：
...【技术特征摘要】
1.一种基于视觉检测的船舶预制管件智能识别设备，其特征在于：包括边缘设备软件和边缘计算设备硬件，边缘设备软件包括图像采集预处理模块、管件特征识别模块、文字特征识别模块、特征组合判断模块、文字组合判断模块、工程信息数据库、人机交互界面和工艺库；
2.根据权利要求1所述的基于视觉检测的船舶预制管件智能识别设备，其特征在于：该设备采用的预制管件检测模型是基于yolo算法深度学习训练管件图像特征、文字ai识别模型。
3.根据权利要求1所述的基于视觉检测的船舶预制管件智能识别设备，其特征在于：所述图像采集与预处理模块通过现场布置摄像头或手持设备采集船舶管件的图像，实时对管件进行多角度、全方位的图像拍摄采集，并针对管件局部进行重点拍摄，获取高质量的管件图像，并将管件的编号视图文标识符号，进行辅助识别，同时将采集到的管件图像进行灰度化、增强对比度的预处理操作，提高图像的清晰度和对比度。
4.根据权利要求1所述的基于视觉检测的船舶预制管件智能识别设备，其特征在于：所述管件特征识别模块通过深度学习训练的方式进行关键特征的训练，训练的类型包括法兰接头、支管接头、弯管、三通、四通大类，每个类别又通过颜色分成不同小类；
5.根据权利要求1或4所述的基于视觉检测的船舶预制管件智能识别设备，其特征在于：由于管件特征识别模块识别出来的只是管件的局部特征，而非整体预制管件，所以需要根据管件特征识别模块的识别结果进一步判断；
【专利技术属性】
技术研发人员：张宇，朱海威，田亚丽，丁维齐，冯晓亮，王雷，宋金阳，李书琪，
申请(专利权)人：中船数字信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。