[发明专利]一种基于边缘计算的生产线管控方法、装置及介质

权利要求书

1.一种基于边缘计算的生产线管控方法，其特征在于，所述方法应用在控制平台，包括：

获取各个生产线的生产进度以及各个边缘计算设备的监控能力；

根据各个生产线的生产进度，确定即将进行下一工序的第一生产线；

若所述第一生产线对应的第一边缘计算设备的监控能力与所述第一生产线的下一工序匹配，则向所述第一边缘计算设备发送所述第一生产线的下一工序标识，所述边缘计算设备中部署有深度学习模型，所述深度学习模型包括多种监控模式，所述下一工序标识用于指示所述第一边缘计算设备启动与所述下一工序匹配的监控模式，每一监控模式用于监控实时获取的装配动作是否符合对应的装配要求；

若不匹配，则向所述第一边缘计算设备发送更新指令以及下一工序标识，所述更新指令至少用于采用第二深度学习模型替换所述第一边缘计算设备中部署的第一深度学习模型，所述第二深度学习模型至少包括用于监控所述第一生产线的下一工序的监控模式；

若所述第一生产线对应的第一边缘计算设备的监控能力与所述第一生产线的下一工序不匹配，所述方法还包括：

确定监控能力与所述第一生产线的下一工序匹配的第二边缘计算设备，所述第二边缘计算设备中部署的第三深度学习模型至少用于监控所述第一生产线的下一工序；以及

向所述第二边缘计算设备发送控制指令以及下一工序标识，所述控制指令用于指示所述第二边缘计算设备移动至所述第一生产线的预设范围。

2.如权利要求1所述的基于边缘计算的生产线管控方法，其特征在于，向所述第一边缘计算设备发送更新指令之前，所述方法还包括：

获取知识图谱中所述下一工序的装配动作特征；

根据所述下一工序的装配动作特征确定用于监控所述下一工序的第二深度学习模型。

3.如权利要求2所述的基于边缘计算的生产线管控方法，其特征在于，所述知识图谱包括各个工序的各个装配动作的装配要求和各个装配动作的特征以及各个工人的装配工作信息；

所述方法还包括：

获取各个边缘计算设备的监控数据，所述监控数据至少包括所述各个边缘计算设备基于实时采集的装配动作图像处理得到的对应的装配动作是否符合装配要求的结果；

根据各个边缘计算设备的监控数据更新所述知识图谱。

4.如权利要求3所述的基于边缘计算的生产线管控方法，其特征在于，所述方法还包括：

根据所述知识图谱更新各个工序对应的深度学习模型；和/或

根据所述知识图谱，从候选工人库中确定各个待执行工序的操作人员。

5.一种基于边缘计算的生产线管控方法，其特征在于，所述方法由边缘计算设备执行，所述边缘计算设备中部署有第一深度学习模型，所述第一深度学习模型包括多种监控模式，每一监控模式用于监控实时获取的装配动作是否符合对应的装配要求，所述方法包括：

接收控制平台发送的下一工序标识、更新指令或控制指令；

其中，所述下一工序标识用于指示所述边缘计算设备启动与所述下一工序匹配的监控模式；所述更新指令至少用于采用第二深度学习模型替换所述边缘计算设备中部署的第一深度学习模型，所述第二深度学习模型至少包括用于监控所述下一工序的监控模式；所述控制指令用于指示所述边缘计算设备移动至目标生产线的预设范围；

在仅接收到所述下一工序标识时，若当前的监控模式与所述下一工序不匹配，切换至与所述下一工序匹配的监控模式；

在接收到所述更新指令和下一工序标识时，根据所述更新指令从所述控制平台获取第二深度学习模型并部署，替换所述边缘计算设备中部署的第一深度学习模型；

根据所述下一工序标识启动所述第二深度学习模型的对应监控模式；

在接收到控制指令和下一工序标识时，根据所述控制指令移动至目标生产线的预设范围；

根据所述下一工序标识启动所述第一深度学习模型的对应监控模式。

6.如权利要求5所述的基于边缘计算的生产线管控方法，其特征在于，所述方法还包括：

从数据采集设备获取实时装配动作的图像；

将所述实时装配动作的图像输入所述边缘计算设备上部署的深度学习模型进行处理，得到所述实时装配动作是否符合对应的装配要求的结果。