[发明专利]工业装配场景中的设备核检方法、装置及电子设备在审

专利信息
申请号: 201910585176.0 申请日: 2019-07-01
公开(公告)号: CN110310273A 公开(公告)日: 2019-10-08
发明(设计)人: 徐泽明 申请(专利权)人: 南昌青橙视界科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/00;G06K9/62
代理公司: 深圳市德锦知识产权代理有限公司 44352 代理人: 韩英杰
地址: 330000 江西省南昌市红谷滩*** 国省代码: 江西;36
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 工业装配 发动机端面 场景 装置及电子设备 设备图像 图像 零部件状态 零部件 设备状态 图像识别 学习算法 对设备 比对 预设 采集
【权利要求书】:

1.一种工业装配场景中的设备核检方法,其特征在于,所述方法包括:

获取工业装配场景中对设备采集的设备图像,所述设备图像包括发动机端面图像与零部件图像;

采用深度学习算法分别对所述发动机端面图像与零部件图像进行图像识别,识别所述设备图像中的发动机端面状态及零部件状态;

将所述发动机端面状态及零部件状态与预设的核检标准进行比对,确定所述工业装配场景中的设备状态。

2.根据权利要求1所述的方法,其特征在于,所述采用深度学习算法分别对所述发动机端面图像与零部件图像进行图像识别,识别所述设备图像中的发动机端面状态及零部件状态的步骤包括:

根据所述发动机端面图像提取发动机端面的实际轮廓;

将所述实际轮廓与所述发动机端面的CAD图轮廓进行匹配运算,确定所述发动机端面图像中发动机端面的装配状态。

3.根据权利要求1所述的方法,其特征在于,所述采用深度学习算法分别对所述发动机端面图像与零部件图像进行图像识别,识别所述设备图像中的发动机端面状态及零部件状态的步骤包括:

将所述零部件图像在预先训练的零部件库中进行匹配运算,确定零部件类型;

查找所述将所述零部件类型的各状态图像;

将所述零部件图像与所述零部件类型的各状态图像进行比对,确定所述零部件图像中的零部件状态。

4.根据权利要求1所述的方法,其特征在于,所述将所述发动机端面状态及零部件状态与预设的核检标准进行比对,确定所述工业装配场景中的设备状态的步骤之后,所述方法还包括:

当识别到所述发动机端面状态或零部件状态与预设的核检标准不匹配时,则进行设备核检未通过的报警提醒。

5.根据权利要求1所述的方法,其特征在于,所述将所述发动机端面状态及零部件状态与预设的核检标准进行比对,确定所述工业装配场景中的设备状态的步骤之后,所述方法还包括:

根据所述工业装配场景中的设备状态生成核检报告;

通过与外部设备的通讯连接将所述核检报告发送给所述外部设备,以在所述外部设备上存储或展示。

6.一种工业装配场景中的设备核检装置,其特征在于,所述装置包括:

设备图像获取模块,用于获取工业装配场景中对设备采集的设备图像,所述设备图像包括发动机端面图像与零部件图像;

图像识别模块,用于采用深度学习算法分别对所述发动机端面图像与零部件图像进行图像识别,识别所述设备图像中的发动机端面状态及零部件状态;

比对模块,用于将所述发动机端面状态及零部件状态与预设的核检标准进行比对,确定所述工业装配场景中的设备状态。

7.根据权利要求6所述的装置,其特征在于,所述图像识别模块包括:

实际轮廓提取单元,用于根据所述发动机端面图像提取发动机端面的实际轮廓;

匹配运算单元,用于将所述实际轮廓与所述发动机端面的CAD图轮廓进行匹配运算,确定所述发动机端面图像中发动机端面的装配状态。

8.根据权利要求6所述的装置,其特征在于,所述图像识别模块包括:

零部件类型确定单元,用于将所述零部件图像在预先训练的零部件库中进行匹配运算,确定零部件类型;

状态图像查找单元,用于查找所述将所述零部件类型的各状态图像;

零部件状态单元,用于将所述零部件图像与所述零部件类型的各状态图像进行比对,确定所述零部件图像中零部件的状态。

9.一种电子设备,其特征在于,所述电子设备包括:

至少一个处理器;以及

与所述至少一个处理器通信连接的存储器;其中,

所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-5任一项所述的方法。

10.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序在被执行时使得电子设备执行如权利要求1-5任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南昌青橙视界科技有限公司,未经南昌青橙视界科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910585176.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top