[发明专利]一种基于智能称重对生产加工单元轮毂轮型实时识别方法

权利要求书

1.一种基于智能称重对生产加工单元轮毂轮型实时识别方法，其特征在于，所述识别方法包括如下步骤：

S1：数据采集：

采集轮毂型号及其对应的2个或2个以上工序的至少包括理论重量数据和误差数据的多维特征数据，并构建2个或2个以上的训练集；

S2：数据处理：

通过至少一种降维算法对每个所述训练集进行降维；

通过至少一种学习算法对降维后的训练集进行学习，建立2个或2个以上的型号识别数据模型；

S3：数据识别：

当最后工序的至少包括实际重量数据的多维特征数据输入最后工序对应的型号识别数据模型，且完全通过验证后，输出确定的轮毂型号；

当部分通过验证后，返回与最后工序相邻的前一工序，将前一工序的至少包括实际重量数据的多维特征数据输入前一工序对应的型号识别数据模型，在完全通过验证后，输出确定的轮毂型号；当还有部分未通过验证，返回与前一工序相邻的前工序，循环将相应工序的至少包括实际重量数据的多维特征数据输入相应工序对应的型号识别数据模型步骤，直至找到确定的轮毂型号。

2.根据权利要求1所述的基于智能称重对生产加工单元轮毂轮型实时识别方法，其特征在于，步骤S3包括如下步骤：

S31：当最后工序Yn的至少包括实际重量数据的多维特征数据输入最后工序Yn对应的型号识别数据模型后，在最后工序Yn轮毂下线的理论重量数据的误差数据范围内初步识别出型号以及型号对应的理论重量数据；

S32：判断最后工序Yn初步识别出的理论重量数据与实际重量数据之间是否存在交集，若不存在，则识别出的理论重量数据对应的型号为确定的轮毂型号，若存在，则进行步骤S33；

S33：返回前一工序Yn-a，将前一工序Yn-a的至少包括实际重量数据的多维特征数据输入前一工序Yn-a对应的型号识别数据模型中，初步识别出型号以及型号对应的理论重量数据，其中，n表示工序数，a表示循环次数，且n和a均为正整数，a小于n；

S34：判断前一工序Yn-a初步识别出的理论重量数据与实际重量数据之间是否存在交集，若不存在，则识别出的理论重量数据对应的型号为确定的轮毂型号，若存在，则进行步骤S35；

S35：判断前一工序Yn-a初步识别出的理论重量数据与后续工序初步识别出的理论重量数据是否存在交集，若不存在，则识别出的理论重量数据对应的型号为确定的轮毂型号，若存在，则进行步骤S33。

3.根据权利要求1所述的基于智能称重对生产加工单元轮毂轮型实时识别方法，其特征在于，步骤S1所述的多维特征数据包括各工序下线轮毂的重量数据和误差数据、制作目标轮毂的原材料、原材料的总重量数据以及各材料所占的比例、相关工序的原材料消耗情况和相关模具的使用情况；步骤S3所述的多维特征数据包括实际生产过程中各工序下线轮毂的重量数据、制作目标轮毂的原材料、原材料的总重量数据以及各材料所占的比例、相关工序的原材料消耗情况和相关模具的使用情况；所述原材料的消耗情况包括相应工序中材料的剩余重量，相关模具的使用情况包括模具的厚度。

4.根据权利要求2所述的基于智能称重对生产加工单元轮毂轮型实时识别方法，其特征在于，步骤S35中在a＝1时，判断前一工序Yn-1初步识别出的理论重量数据与工序Yn初步识别出的理论重量数据是否存在交集；在a＝2时，判断前一工序Yn-2初步识别出的理论重量数据与工序Yn和工序Yn-1初步识别出的理论重量数据是否存在交集；在a＝n-1时，判断前一工序Y1初步识别出的理论重量数据与工序Y2、Y3...Yn初步识别出的理论重量数据是否存在交集。

5.根据权利要求1所述的基于智能称重对生产加工单元轮毂轮型实时识别方法，其特征在于，所述识别方法还包括如下步骤：

S4：判断步骤S3中识别出的目标轮毂相关轮型的数量是否大于1，若是，则进行步骤S5，否则，识别出的轮型型号为确定的轮毂型号；

S5：采集最后工序下线轮毂的图像，并对所述图像进行特征提取，得到待检特征数据；

S6：基于待检特征数据通过称重识别数据模型识别轮型，利用所述轮型与步骤S3识别出的相关轮型产生的数据交集得到目标轮毂的型号，所述多维特征数据还包括最后工序下线轮毂的图像信息。