【技术实现步骤摘要】
本申请涉及工件评估领域，具体而言，涉及一种基于边缘计算的在线工件分类与质量评估方法及系统。
技术介绍
1、本部分的内容仅提供了与本申请相关的背景信息，其可能并不构成现有技术。
2、边缘计算是一种分布式计算模式，其原理是将数据处理或服务部署从云端转移到网络边缘，即靠近数据源或用户的地方。这种模式旨在减少网络延迟，提高数据安全性，节省带宽成本，并提高用户体验和服务质量。随着物联网、移动互联网和人工智能等技术的快速发展，数据量呈现爆炸式增长，而网络带宽和云计算资源难以满足这种日益增长的需求。因此，边缘计算应运而生，通过在网络边缘部署计算节点，实现数据的就近处理，从而提高了数据处理的效率和实时性。
3、在工业制造领域，工件分类与质量评估构成了生产过程中不可或缺的一环。当前已有先进技术，例如公开号为cn111080622a的专利技术，提出了一种神经网络训练方法以及工件表面缺陷的分类与检测方法，该方案借助深度学习技术精确定位工件表面的缺陷位置。通过这种方式，缺陷的分类结果不仅能在检测图像中提供丰富的信息，还能用于评估测试样品，并揭示制造过程中的潜在影响因素。然而，这一方案在实际应用中面临一个局限性：它主要设计用于处理单一类型的工件。当需要在多条不同生产线上部署时，往往需要手动更换与处理对象相匹配的处理模型，缺乏自动适应不同产线工件进行分类识别和质量评估的能力。因此，急需一种基于边缘计算的在线工件分类与质量评估方法及系统。
技术实现思路
1、为了解决上述技术问题，本申请的
2、本申请的目的通过以下技术方案实现：
3、第一方面，本申请实施例提出的一种基于边缘计算的在线工件分类与质量评估方法，包括对产线实时监控的摄像机、与多个摄像机连接的边缘节点以及与多个边缘节点连接的中心云，该方法包括：
4、基于输入的生产参数，中心云根据生产参数的产品类目向对应的边缘节点发送第一配置信息，中心云内预存有工件品类的识别算法模型、多个工件的分类算法模型和多个工件的质量评估算法模型；
5、边缘节点根据第一配置信息，从中心云中获取识别算法模型，并进行识别算法程序的配置；
6、响应于摄像机发送的图像或视频信息，边缘节点通过识别算法模型对图像或视频信息进行识别，根据识别得到的工件品类从中心云获取对应的分类算法模型，并进行分类算法程序的配置；
7、通过分类算法程序对图像或视频信息进行缺陷分类，得到分类信息；将分类信息和工件品类信息打包发送至中心云；
8、中心云根据工件品类信息配置对应的质量评估算法程序，在配置完成后，根据分类信息通过质量评估程序对工件进行质量评估。
9、进一步地，每个摄像机至少与两个边缘节点连接，每个边缘节点存储有已连接摄像机发送的信息，每个边缘节点处理授权摄像机发送的信息，中心云内预存有与边缘节点与摄像机的连接对照表，方法还包括：
10、当中心云在第一预设时间内，未收到已配置的边缘节点发送的分类信息时，中心云向边缘节点发送心跳包以检测连接状态；
11、若心跳包在第二预设时间内没有收到响应，中心云从连接对照表中获取与边缘节点连接的失联摄像机的身份信息，将身份信息进行广播；
12、响应于广播的身份信息，每个边缘节点将身份信息与已连接的摄像机进行比对，若比对结果不同，则对应的边缘节点保持静默；
13、若比对结果为相同，则对应的边缘节点定义为关联边缘节点，关联边缘节点将结果反馈至中心云，中心云选择任一关联边缘节点授权处理失联摄像机发送的图像或视频信息。
14、进一步地，授权处理失联摄像机发送的图像或视频信息之后，还包括：
15、中心云根据时间戳和失联边缘节点最后一次发送的分类信息，生成失联节点信息；
16、关联边缘节点根据失联节点信息在存储单元中定位失联节点，并按照时间顺序处理失联节点后的图像或视频信息。
17、进一步地，边缘节点通过识别算法模型对图像或视频信息进行识别的步骤，具体包括：
18、在图像或视频信息中截取出待处理工件的目标图像；
19、通过ocr对目标图像进行编号或文字识别，若识别出编号或文字，则根据资料库匹配对应的产品类目；
20、若未识别出标号或文字，则分别计算工件的图像与多个预设的工件标准模板之间的相似度，以相似度最高且满足预设第一阈值的工件标准模板作为产品类目。
21、进一步地，通过分类算法程序对图像或视频信息进行缺陷分类的步骤，具体包括：
22、利用边缘检测算法从目标图像中提取工件的轮廓信息，并与预设的标准轮廓对比，若相似度小于预设第二阈值，则判断为轮廓缺陷，将轮廓信息和标准轮廓分割成多个单元，将轮廓信息和标准轮廓相同位置的单元对比，筛选出相似度低于第三阈值的单元，记录单元对应的坐标，若坐标与工件的轮廓不连续，则判断为裂纹；
23、若相似度大于预设第二阈值，则对比目标图像中每个像素与周围的像素的色差，若超过预设色差值，则判断为凹陷或斑点。
24、进一步地，根据分类信息通过质量评估程序对工件进行质量评估的步骤，具体包括：
25、中心云根据分类信息筛选出满足预设返工条件的工件，用于计算返工率；根据分类信息筛选出不满足预设返工条件的工件，用于计算废品率；根据分类信息中含有凹陷或斑点特征的工件数量，计算外观不合格率；根据分类信息中裂纹含有裂纹特征的工件数量，计算铸造不良率；根据分类信息中的轮廓缺陷，计算尺寸不良率；
26、根据产品类目对分类信息中各项分配权重，将返工率、废品率、外观不合格率、铸造不良率、尺寸不良率以及对应的权重输入预设公式，得到工件质量评估值。
27、进一步地，预设公式包括：
28、
29、其中，为返工率、为返工率的权重、为废品率、为废品率的权重、为外观不合格率、为外观不合格率的权重、为铸造不良率、为铸造不良率的权重、为尺寸不良率、为尺寸不良率的权重。
30、第二方面，本申请实施例提出的一种基于边缘计算的在线工件分类与质量评估系统，包括对产线实时监控的摄像机、与多个摄像机连接的边缘节点以及与多个边缘节点连接的中心云，系统包括：
31、启动模块，基于输入的生产参数，中心云根据生产参数的产品类目向对应的边缘节点发送第一配置信息，中心云内预存有工件品类的识别算法模型、多个工件的分类算法模型和多个工件的质量评估算法模型；
32、配置模块，用于边缘节点根据第一配置信息，从中心云中获取识别算法模型，并进行识别算法程序的配置；
33、识别模块，响应于摄像机发送的图像或视频信息，边缘节点对图像或视频信息进行识别，根据识别得到本文档来自技高网...
【技术保护点】
1.一种基于边缘计算的在线工件分类与质量评估方法，其特征在于，包括对产线实时监控的摄像机、与多个所述摄像机连接的边缘节点以及与多个所述边缘节点连接的中心云，所述方法包括：
2.根据权利要求1所述的在线工件分类与质量评估方法，其特征在于：每个所述摄像机至少与两个边缘节点连接，每个边缘节点存储有已连接摄像机发送的信息，每个边缘节点处理授权摄像机发送的信息，所述中心云内预存有与边缘节点与摄像机的连接对照表，所述方法还包括：
3.根据权利要求2所述的在线工件分类与质量评估方法，其特征在于，所述授权处理所述失联摄像机发送的图像或视频信息之后，还包括：
4.根据权利要求1所述的在线工件分类与质量评估方法，其特征在于：所述边缘节点通过所述识别算法模型对所述图像或视频信息进行识别的步骤，具体包括：
5.根据权利要求4所述的在线工件分类与质量评估方法，其特征在于，所述通过所述分类算法程序对所述图像或视频信息进行缺陷分类的步骤，具体包括：
6.根据权利要求5所述的在线工件分类与质量评估方法，其特征在于：根据所述分类信息通过所述质量评估程序对
7.根据权利要求6所述的在线工件分类与质量评估方法，其特征在于：所述预设公式包括：
8.一种基于边缘计算的在线工件分类与质量评估系统，其特征在于，包括对产线实时监控的摄像机、与多个所述摄像机连接的边缘节点以及与多个所述边缘节点连接的中心云，所述系统包括：
9.一种电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的在线工件分类与质量评估方法。
10.一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，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的在线工件分类与质量评估方法。
...【技术特征摘要】
1.一种基于边缘计算的在线工件分类与质量评估方法，其特征在于，包括对产线实时监控的摄像机、与多个所述摄像机连接的边缘节点以及与多个所述边缘节点连接的中心云，所述方法包括：
2.根据权利要求1所述的在线工件分类与质量评估方法，其特征在于：每个所述摄像机至少与两个边缘节点连接，每个边缘节点存储有已连接摄像机发送的信息，每个边缘节点处理授权摄像机发送的信息，所述中心云内预存有与边缘节点与摄像机的连接对照表，所述方法还包括：
3.根据权利要求2所述的在线工件分类与质量评估方法，其特征在于，所述授权处理所述失联摄像机发送的图像或视频信息之后，还包括：
4.根据权利要求1所述的在线工件分类与质量评估方法，其特征在于：所述边缘节点通过所述识别算法模型对所述图像或视频信息进行识别的步骤，具体包括：
5.根据权利要求4所述的在线工件分类与质量评估方法，其特征在于，所述通过所述分类算法程序对所述图...
【专利技术属性】
技术研发人员：吴金华，李驹光，唐东明，刘湛，胥正伟，孙小虎，陈杰，沈华平，江涛，
申请(专利权)人：成都中嵌自动化工程有限公司，
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。