[发明专利]一种基于计算资源共享的工业视觉检测系统

说明书

本发明涉及一种计算资源共享的工业视觉检测系统，包括：资源池，包括若干台工控机设备；计算资源管理中心，用于对资源池中若干台工控机设备的忙闲状态进行管理；图像采集设备，用于采集产品图像；网关设备，用于接收产品图像，并通过计算资源管理中心将产品图像发送给资源池中的其中一台有多余计算资源且可用的工控机设备；工控机设备用于对产品图像进行视觉分析，并将视觉分析结果发送给网关设备；网关设备还用于接收视觉分析结果，并将视觉分析结果发送给分检设备；分检设备，用于根据视觉分析结果对产品进行分检。通过采用消费级工控机设备构成的资源池进行资源共享，提高设备的有效利用率及降低视觉检测的成本。

技术领域

本发明涉及工业控制技术领域，具体地，涉及一种基于计算资源共享的工业视觉检测系统。

背景技术

当前，在推进工业制造数字化升级、实施智能制造的过程中，其关键问题之一就是对于生产线上所制造工业产品的质量，如何用自动化的技术对其进行质量检测，从而实现从原料加工、生产到后端质量检测的端到端的自动化生产线。随着计算机视觉技术的发展，有很多企业已经开始通过图像检测的方法来自动发现产品的缺陷并进行分检。近几年来，由于深度学习算法稳定及准确的识别效果，越来越多的工厂开始采用基于深度学习的方法取代基于传统图像分析的方法，并取得了非常不错的应用效果。不同于其他领域的视觉检测方法，工业视觉检测往往具有以下几个特点：

1、实时性要求高，在工业视觉检测中，为了与实际的工业系统对接，满足实际工业生产的生产节奏，对于每一个产品图像的分析，都必须进行实时分析，并在生产节奏允许的范围内完成分析返回结果，不同图像分析任务之间没有高低优先级之分；

2、稳定性要求高，任何一个图像分析的失败或者分析过程卡顿，都可能导致正常生产节奏被打乱或者停顿，影响生产的进行，更为严重的，还有可能会引起前后不同产品分析结果的错位或者丢失，从而导致良品与次品的分检错误。

因此，在实际的视觉分析中，往往都会采用将一张图像的分析只在一个硬件设备上进行，而不采用多个硬件设备的模型调度架构。因为如果采用多个硬件设备组合分析单张图像的模型调度架构，对一张图像，为了保证实时性，就需要保证能够在不同模型之间实时传输图像，从而硬件设备之间的网络连接就需要采用万兆网甚至更加昂贵的网络连接，这样的实施费用反而比增强单台设备的配置更加昂贵，而且通过网络连接的方式也进一步加大了出错的可能性，降低了分析的稳定性。

在基于单台设备进行深度学习的计算机视觉质检方法中，为了提高推理的速度，更普遍的仍是采用基于GPU(Graphics Processing Unit，图形处理器)的方式进行深度学习模型的推理运算，因此为了满足工业生产线上实时控制和稳定性的需求，现有的做法是在一个机台放置一台带有GPU的工控机，通过该工控机直接连接相机，获取拍摄的图像，同时利用工控机调用质检算法进行分析，并根据分析结果通过工控机与机台上的分检设备对接，直接发送分检信号到分检设备，实现对分检设备的控制。而对于在每一个机台放置一个工控机的方法，由于GPU的成本比较昂贵，因此其成本相对较高，要运维这样一台GPU，难度相对较高，一旦一台GPU出现故障，就很容易造成大面积的机器无法使用在实际生产中很难进行大规模推广，针对这个问题，通用的方案是将深度学习模型移植到更为便宜的硬件设备上如NUC或者是基于ARM架构硬件设备进行推理的方法来降低硬件的成本，但是，目前便宜硬件的计算能力一般都相对较弱，对于需要较高运算资源的视觉质检算法来说，是没有办法通过这种移植来进行替换的；另一方面，由于视觉质检算法的计算比较密集，功耗也相对较高，对于资源的需求也相对较高，因此，在长时间运行后比较容易出现异常，对于一个机台一个计算硬件的方案来说，很容易出现单点故障，一旦计算资源出现异常，该机台也就无法进行正常分析，这种现象在夏天天气较热的情况下就更容易出现了。

发明内容

本发明旨在克服上述现有技术中至少一种缺陷，提供一种基于计算资源共享的工业视觉检测系统，采用消费级工控机设备构成的资源池进行资源共享，提高设备的有效利用率及降低视觉检测的成本。

本发明采取的方案为：