[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

说明书

本申请涉及生产运维技术领域，提供了一种基于边缘计算的生产线管控方法、装置及介质，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；所述边缘计算设备具有多种监控模式，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。由此，实现了对每个工序的装配动作的细粒度精准监控，为提升生产效率提供了技术支撑。

技术领域

本申请的实施例涉及生产运维技术领域，更具体地涉及一种一种基于边缘计算的生产线管控方法、装置及介质。

背景技术

伴随着深度学习技术的高速发展，计算机视觉检测技术被用于广泛的应用场景，承担着越来越重要的作用。复杂设备的装配环节一直是高端制造工艺中的重要步骤，决定着设备最终的性能表现。因此，对装配环节中工人的装配动作进行监控对设备的性能表现具有重要意义。相关技术中，基于人工方式对工人的装配动作进行监控，即人工在装配生产线巡视记录工人的装配动作，根据现场巡视的记录结果实现对装配动作的监控。

然而，上述人工监控的方式监控效率较低且对于包含工序较多的装配生产线来说，存在监控颗粒度不足，无法对装配工序的每个装配动作进行监控的问题。

发明内容

为了解决人工监控的方式监控效率较低且对于包含工序较多的装配生产线来说，存在监控颗粒度不足，无法对装配工序的每个装配动作进行监控的问题，本申请的实施例期望提供一种基于边缘计算的生产线管控方法、装置及介质。

在本申请的第一方面中，提供了一种基于边缘计算的生产线管控方法，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。

在本申请的第二方面中，提供了一种基于边缘计算的生产线管控方法，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；