一种基于图像处理技术的自动化产线实时监测方法与流程

本发明涉及自动化产线图像监测处理领域，具体涉及一种基于图像处理技术的自动化产线实时监测方法。

背景技术：

1、在工业自动化生产线上，自动化产线的有效管理和显示对于快速响应和处理生产异常至关重要，同时对于成熟产线的实时监测则会带来大批量数据，对于实时数据与历史存储数据的结合性处理需要一个合理有效的方法。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于图像处理技术的自动化产线实时监测方法，通过图像处理技术与深度学习的顺序协同处理，有效结合实时数据与历史数据快速获取监测结果。

2、为实现上述目的，本发明提供了一种基于图像处理技术的自动化产线实时监测方法，包括：

3、s1、利用自动化产线实时监测图像得到自动化产线实时监测图像的交叉图像特征；

4、s2、利用所述交叉图像特征基于图像处理技术得到自动化产线实时监测结果。

5、优选的，所述利用自动化产线实时监测图像得到自动化产线实时监测图像的交叉图像特征包括；

6、s1-1、采集自动化产线的实时零件数据、实时环境数据与自动化产线实时监测图像；

7、s1-2、判断所述自动化产线实时监测图像的实时零件数据是否符合当前自动化产线实时监测图像的标准，若是，则执行s1-2，否则，放弃处理；

8、s1-3、判断所述自动化产线实时监测图像的实时环境数据是否符合当前自动化产线实时监测图像的标准，若是，则执行s1-3，否则，放弃处理；

9、s1-4、利用所述自动化产线实时监测图像作为自动化产线实时监测图像的实时监测主要特征，利用所述自动化产线实时监测图像的实时图像数据对应自动化产线实时监测图像的实时零件数据与自动化产线实时监测图像的实时环境数据作为自动化产线实时监测图像的实时监测次要特征；

10、s1-5、利用所述自动化产线实时监测图像的实时监测主要特征与实时监测次要特征作为自动化产线实时监测图像的交叉图像特征。

11、进一步的，利用所述交叉图像特征基于图像处理技术得到自动化产线实时监测结果包括：

12、s2-1、利用所述自动化产线实时监测图像根据交叉图像特征基于图像处理技术进行特征凸显处理得到更新图像集；

13、s2-2、利用所述更新图像集基于深度学习得到自动化产线实时监测结果。

14、进一步的，利用所述更新图像集基于深度学习得到自动化产线实时监测结果包括：

15、s2-2-1、获取所述更新图像集对应历史数据建立第一训练集；

16、s2-2-2、获取所述第一训练集对应自动化产线实时监测图像的实时零件数据与自动化产线实时监测图像的实时环境数据建立第一验证集；

17、s2-2-3、利用所述第一训练集作为输入，第一训练集对应自动化产线实时监测图像的合规监测结果作为输出，基于无监督深度学习算法进行训练得到自动化产线实时监测图像的基础筛选模型；

18、s2-2-4、将所述第一验证集带入自动化产线实时监测图像的基础筛选模型得到自动化产线实时监测图像的基础筛选结果；

19、s2-2-5、判断所述自动化产线实时监测图像的基础筛选结果是否完全匹配，若是，则输出自动化产线实时监测图像的基础筛选模型作为自动化产线实时监测图像的初始筛选模型，否则，利用所述第一验证集中不存在对应自动化产线实时监测图像的基础筛选结果的子集加入第一训练集后，返回s2-2-1；

20、s2-2-6、利用所述自动化产线实时监测图像的实时监测数据根据自动化产线实时监测图像的初始筛选模型得到自动化产线实时监测图像的实时筛选模型；

21、s2-2-7、利用所述自动化产线实时监测图像带入实时筛选模型得到自动化产线实时监测结果；

22、其中，完全匹配为第一验证集中各子集均存在对应正确自动化产线实时监测图像的基础筛选结果。

23、与最接近的现有技术相比，本发明具有的有益效果：

24、借助深度学习训练分类模型并将图像进行合理优化后，有效提高产线报警信息的可读性和辨识度，降低操作人员的误判率，提升生产线的稳定性和效率。

技术特征：

1.一种基于图像处理技术的自动化产线实时监测方法，其特征在于，包括：

2.如权利要求1所述的一种基于图像处理技术的自动化产线实时监测方法，其特征在于，所述利用自动化产线实时监测图像得到自动化产线实时监测图像的交叉图像特征包括；

3.如权利要求2所述的一种基于图像处理技术的自动化产线实时监测方法，其特征在于，利用所述交叉图像特征基于图像处理技术得到自动化产线实时监测结果包括：

4.如权利要求3所述的一种基于图像处理技术的自动化产线实时监测方法，其特征在于，利用所述更新图像集基于深度学习得到自动化产线实时监测结果包括：

技术总结本发明涉及自动化产线图像监测处理领域，尤其涉及一种基于图像处理技术的自动化产线实时监测方法，包括：S1、利用自动化产线实时监测图像得到自动化产线实时监测图像的交叉图像特征；S2、利用所述交叉图像特征基于图像处理技术得到自动化产线实时监测结果，借助深度学习训练分类模型并将图像进行合理优化后，有效提高产线报警信息的可读性和辨识度，降低操作人员的误判率，提升生产线的稳定性和效率。技术研发人员：张峻华,黄成,黄海,占建俊受保护的技术使用者：深圳市邦正精密机械有限公司技术研发日：技术公布日：2024/7/29