公开/公告号CN112163873A
专利类型发明专利
公开/公告日2021-01-01
原文格式PDF
申请/专利权人 杭州谐云科技有限公司;
申请/专利号CN202011176897.5
申请日2020-10-29
分类号G06Q30/00(20120101);G06Q10/04(20120101);G06N3/04(20060101);G06N3/08(20060101);G06F9/50(20060101);
代理机构33200 杭州求是专利事务所有限公司;
代理人贾玉霞
地址 311121 浙江省杭州市余杭区五常街道文一西路998号7幢301-401室
入库时间 2023-06-19 09:24:30
技术领域
本发明涉及边缘计算应用领域,具体涉及一种基于边缘计算的产品质检系统及质检方法。
背景技术
边缘计算,是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间,或处于物理实体的顶端。而云端计算,仍然可以访问边缘计算的历史数据。
质检,即质量检验,质检中一些没有技术含量的方面,像空调背面的螺钉、冰箱上的标签,它们的质量检测是生产线中最费人工的地方,也是制约智能制造的难题。当前制造业产品外表检查主要有人工质检和机器视觉质检两种方式,其中人工占90%,机器只占10%,而两者都面临许多挑战。人工质检成本高、误操作多、生产数据无法有效留存,机器视觉质检虽然不存在这些问题,但由于模型在云端而不是本地化服务,质检结果网络延迟会相对比较大,质检图像数据量过大导致核心网传输压力上升造成网络拥塞。
发明内容
针对现有技术的不足,本发明提供一种基于边缘计算的产品质检系统及质检方法,该系统和方法能够降低延迟,减少网络拥塞。
本发明的目的通过如下的技术方案来实现:
一种基于边缘计算的产品质检系统,该系统包括:
云端模块,该模块包括云端存储单元、云端通信单元和云端处理单元,用于负责预测产品质量的神经网络模型的定期训练、模型下发及数据存储;
边缘端模块,该模块包括边缘端存储单元、边缘端通信单元和边缘端处理单元;所述的边缘端存储单元用于存储边缘节点的资源元数据,以及产品数据和质检结果;所述的边缘端通信单元包括与云端模块的通信和与设备模块的通信两部分,分别用于接收云端模块下发的训练好的预测产品质量的神经网络模型和设备模块发送的产品图像数据,并将产品的处理结果上传到云端;所述边缘端处理单元采用所述的神经网络模型对产品进行质检;
设备模块,该模块从工业相机中获取图像数据并上传到边缘端模块;
交互界面,用于负责神经网络模型的选择和参数设置,以及产品质检结果的可视化。
进一步地,所述边缘端模块对于不能进行机器质检的产品数据直接上传到云端模块,对于能够机器质检的产品,经质检合格的,将产品数据及相应质检结果保存在边缘端存储单元,然后再上传到云端模块;对于质检不合格的,在上传产品数据及相应质检结果的同时还将产品图像上传到云端模块。
一种基于边缘计算的产品质检方法,该方法包括如下步骤:
S1:在车间固定位置部署工业相机,在边缘节点部署边缘端模块,在云端部署云端模块,并将边缘节点加入集群;
S2:所述云端模块根据某待测产品的一定量样本训练预测产品质量的神经网络模型,训练好的模型存储在云端存储单元;
S3:根据车间的质检产品,将对应训练好的神经网络模型下发到边缘端模块,模型存储到边缘端存储单元;
S4:设备模块获取到工业相机固定角度拍摄的产品图像,再上传到边缘端模块;
S5:边缘端模块的边缘端处理单元对产品图像进行预处理,对于不能进行机器质检的产品,将产品数据直接上传到云端模块;对于能进行机器质检的产品,通过云端模块下发的对应的神经网络模型判断产品质量是否合格,若为合格产品,则先将产品数据及相应质检结果保存在边缘端存储单元,然后再上传到云端模块;若为不合格产品,在上传产品数据及相应质检结果的同时还将产品图像上传到云端模块;同时,边缘节点定时上报心跳信息,通知云端模块该边缘节点的状况;
S6:云端模块根据边缘端模块上传的不合格产品的产品图像,对预测产品质量的神经网络模型定期进行训练优化,并将优化后的模型定时自动下发到相应的边缘端模块。
本发明的有益效果如下:
(1)本发明的质检系统可同时管理多个跨工厂车间的产品质检,并将质检作为本地化服务,降低延迟的同时也减少了网络拥塞;
(2)本发明的系统在边缘节点离线情况下依旧能边缘自治,不影响质检过程;
(3)本发明的质检系统提供可视化界面,方便工作人员管理质检结果;
(4)本发明的质检系统考虑到边缘节点算力不足,将模型训练及优化放在云端,直接将升级后的模型下发到相应边缘端即可,降低模型升级管理成本。。
(5)本发明的质检系统选择性地只将不合格的产品图像上传至云端,保证能不断训练优化神经网络模型的同时也降低核心网的数据传输压力。
附图说明
图1为本发明的基于边缘计算的产品质检系统的示意图。
具体实施方式
下面根据附图和优选实施例详细描述本发明,本发明的目的和效果将变得更加明白,应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明的基于边缘计算的产品质检系统,包括云端模块、边缘端模块、设备模块和交互界面。
云端模块包括云端存储单元、云端通信单元和云端处理单元,用于负责预测产品质量的神经网络模型的定期训练、模型下发及数据存储。存储的数据包括边缘节点数据、系统各资源类型元数据、神经网络模型数据、产品数据、质检结果、不合格产品图像数据等。云端通信单元负责与各边缘节点的通信,包括模型下发、边缘节点检测结果以及边缘不合格产品图像数据的接收,处理单元主要是接收交互界面的指令并完成相应神经网络模型的训练及优化;
边缘端模块包括边缘端存储单元、边缘端通信单元和边缘端处理单元,边缘端存储数据包括本边缘节点各资源类型的元数据、神经网络模型数据、本边缘节点的质检产品数据、质检结果及图像数据。边缘端通信单元包括与云端模块的通信以及与设备模块的通信两部分。该边缘端模块用于接收云端模块下发的训练好的预测产品质量的神经网络模型,接收设备模块发送的产品图像数据,对于不能进行机器质检的产品数据直接上传到云端模块,对于能够进行机器质检的产品数据,采用所述的神经网络模型判断产品质量,并将结果上传到云端。这里的结果分为两种情况:
对于机器质检合格的产品,将产品数据及相应质检结果保存在边缘端存储单元,然后再上传到云端模块;
对于机器质检不合格的产品,在上传产品数据及相应质检结果的同时还将产品图像上传到云端模块。
设备模块用于从工业相机中获取图像数据并上传到边缘端模块,负责对接设备即工业相机,完成数据的采集。
交互界面用于负责神经网络模型的模型选择、参数设置等模型相关初始化配置,以及产品质检结果的可视化。
本发明的基于边缘计算的产品质检方法包括如下步骤:
(1)集群部署:在车间固定位置部署工业相机,在云端的数据中心部署云端模块,在各边缘节点部署边缘端模块,并将边缘节点加入集群,即与云端模块建立连接并将自身节点信息发送至云端,最后将设备加入集群,即在集群中创建相应的设备数据并且使得设备模块与工业相机建立联系,能够自动从工业相机获取图像数据。边缘节点名称命名规则为:工厂代号+车间代号。各节点以及设备的信息可从交互界面查看。
(2)所述云端模块根据某待测产品的一定量样本训练预测产品质量的神经网络模型,如CNN模型,训练好的模型存储在云端存储单元;
(3)根据车间的质检产品类型,将对应训练好的神经网络模型下发到边缘端模块,模型存储到边缘端存储单元;
(4)设备模块获取到工业相机固定角度拍摄的产品图像,再上传到边缘端模块;
(5)边缘端模块的边缘端处理单元对产品图像进行预处理,对于不能进行机器质检的产品,将产品数据直接上传到云端模块;对于能进行机器质检的产品,通过云端模块下发的对应的神经网络模型判断产品质量是否合格,若为合格产品,则先将产品数据及相应质检结果保存在边缘端存储单元,然后再上传到云端模块;若为不合格产品,在上传产品数据及相应质检结果的同时还将产品图像上传到云端模块;同时,边缘节点定时上报心跳信息,通知云端模块该边缘节点的状况。当云边断连时,边缘端模块仍可自治(即质检可根据当前模型继续进行,不受干扰),质检结果及不合格产品图像存储在边缘端模块,云端模块重新连接后再同步数据。
(6)云端模块根据边缘端模块上传的不合格产品的产品图像,对预测产品质量的神经网络模型定期进行训练优化,并将优化后的模型定时自动下发到相应的边缘端模块。
本领域普通技术人员可以理解,以上所述仅为发明的优选实例而已,并不用于限制发明,尽管参照前述实例对发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在发明的精神和原则之内,所做的修改、等同替换等均应包含在发明的保护范围之内。
机译: 介质检测装置,介质检测方法,记录介质再现装置以及计算机产品
机译: 打印设备,介质检测设备,介质检测方法,测量方法,计算机可读存储介质和打印系统
机译: 打印设备,介质检测设备,介质检测方法,测量方法,计算机可读存储介质和打印系统