[发明专利]一种基于机器视觉的工业产品生产流程溯源分析方法

说明书

本发明公开了一种基于机器视觉与大数据的生产流程溯源分析方法。方法步骤主要包括：建立产品参数信息库、监控每个产品的生产流程、工艺评价、产品人为质检、对残次品进行分析、调整工艺以及完善产品信息库。本发明结合行业最前沿的机器视觉和大数据技术，改进产品质检方式，优化产品生产流程，并根据对于工业残次品的具体分析来优化产品信息库，从而不断提高工业生产的质量和效率。

技术领域

本发明涉及工业产品质量管控领域，具体涉及机器视觉在工业生产中的应用及基于大数据分析产品质量方面的应用。

背景技术

随着各种自动化装置和工业机器人在工业领域的广泛应用，越来越多的自动化装置被应用在工业生产领域，并逐步地代替了流水线上的工人。将机器视觉技术运用到装置当中，使得这些装置具有“人眼”的功能，对提高工业生产的质量和效率具有重大的意义。

随着工业制造业的快速发展，工业流水线上生产的配件结构日渐复杂，人为地对其进行质量检测已经无法满足对产品生产效率与质量的要求。产品质量则由工业生产的一系列流程的完成情况决定。众所周知，每一种产品在每一道生产流程中都有一系列属性参数，例如大小、形状、颜色以及温度等，这些参数是否在一个合格的指标区间决定了该产品最终的完成质量是否合格。由于产品的工序是环环相扣的，每一道工序的完成质量都与之前工序的完成质量有关，也影响着之后工序的完成情况；因此，要使产品质量达到较高水平，需要对产品的每一个装配流程的参数加以控制，优化生产的过程实质上就是优化参数的过程。当工业生产出现残次品时，我们就需要对残次品进行全流程溯源分析，锁定若干个参数不当的关键流程。

当前，对工业产品的流程溯源分析主要基于对产品流程的编码，当出现残次品时，对出现问题的产品参数进行人工的检查，以确定出完问题的工序。但是这种检查方法非常繁琐，且编码无法像图像一样存储足够的信息，也不适合对产品的生产过程进行实时监控。因此，改进生产流程溯源分析的方法便迫在眉睫。

发明内容

本发明为了改进原流程溯源分析的方法的不足，利用机器视觉技术，提取产品在生产中的每一个流程的具体图像，并自动提取当前产品的属性参数，并基于大数据技术，与信息库中的产品参数信息进行比对，从而提出全新的生产流程溯源分析方法。

该发明技术方案的具体实现步骤如下：

一种基于机器视觉的工业产品生产流程溯源分析方法，特征在于，

步骤1.建立产品参数信息库，收集各类工业产品在各个生产流程的参数信息，并标记每个参数在每一个流程的合格值域区间；

步骤2.针对不同工业产品，选配合适的机器视觉算法，便于更好地提取产品参数；

步骤3.若出现残次品，针对残次品不合格的属性参数，对该产品的每一道生产流程参数与产品参数信息库进行比对，并对每个流程出现的缺陷进行对应性分析；

步骤4.验证并确定出现问题的工序，对该工序进行改进优化；

步骤5.对于已确定的缺陷，对流水线上的每一个产品进行检查，若参数都在合格区间内，则放行；否则对产品进行降级或者返修；

步骤6.对信息库进行优化；

若顺利通过所有检查的产品里面仍然有残次品，则需对该残次品进行具体的人为分析，检查哪道工序的哪个参数出了问题，并对信息库进行相应地优化。

附图说明

图1为溯源分析方法的具体流程示意图。

具体实施方式

如图1所示，该溯源分析方法的具体流程如下：1.建立产品参数信息库，收集大量机器视觉算法以及各种产品生产参数信息。对每种产品的每个生产流程，指定适合的机器视觉算法，便于提取产品参数信息。并且，划定每种产品的每一道流程的各个参数的合理区间，若产品参数在该区间内则表示合格。