[发明专利]工业相机故障预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种工业相机故障预测方法、装置、计算机设备、存储介质和计算机程序产品。本申请不需要事先收集大量的知识和经验，能够通过收集到的少量的、不完全的信息中构建灰色序列，从而实现有效预测，且具有一定的可解释性，有利于定位出故障相机背后的具体原因和故障机理，提高了相机故障定位效果，并且进一步降低了工业相机故障整修的技术成本。该方法包括：获取工业相机的照相分类特征序列；通过预设生成方式对照相分类特征序列进行处理，得到灰色序列；将灰色序列作为预先构建的灰色模型的输入，求解灰色模型的时间响应结果，得到工业相机的故障预测结果。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种工业相机故障预测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着工业互联网以及智能制造技术的兴起，以大数据、物联网和机器学习等技术为基础的应用成为技术核心。工业相机可以说是智能制造和自动化系统的重中之重，从物料/条码辨识、产品检测、外观尺寸测量到机械手臂/传动设备中的定位需求，都需要工业相机的支持。但由于工业制造生产流程上各类人机交互系统、机机交互系统不断增加，导致工业相机与各系统之间的交互影响也越来越复杂，直接加大了工业相机发生故障或功能失效的概率。

为了保证工业生产水平的提高，需要对工业相机故障进行预测，目前普遍采用基于专家系统的工业相机故障预测技术，或者，基于人工神经网络的故障预测技术。专家系统和人工神经网络都需要依赖管理专家过往积累的大量知识和经验，这两种方法都能够在一定程度上根据相机当前状态准确预测相机故障，但缺乏可解释性，无法准确推理得到故障背后的原因和机理，导致无法预先对症下药地对相机中导致故障的关键部件进行维护保养以提高质量，无法精准定位故障原因，只能整体更换部件，使得工业相机的故障整修的技术成本居高不下。

发明内容

基于此，有必要针对上述技术问题，提供一种工业相机故障预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种工业相机故障预测方法。所述方法包括：

获取工业相机的照相分类特征序列；

通过预设生成方式对所述照相分类特征序列进行处理，得到灰色序列；所述预设生成方式包括累加生成和紧邻均值生成；

将所述灰色序列作为预先构建的灰色模型的输入，求解所述灰色模型的时间响应结果，得到所述工业相机的故障预测结果。

在其中一个实施例中，所述获取工业相机的照相分类特征序列，包括：

获取原始数据；所述原始数据包括任务时间以及与所述任务时间相关联的照相次数、故障次数和正常次数；

将所述原始数据发送至大数据平台进行分布式计算，得到所述工业相机每次执行任务的故障率；

基于所述故障率和所述任务时间构建所述照相分类特征序列。

在其中一个实施例中，所述通过预设生成方式对所述照相分类特征序列进行处理，得到灰色序列，包括：

针对所述照相分类特征序列进行数据级校验，得到满足预设模型规则的待生成序列；

针对所述待生成序列依次使用累加生成算子和紧邻均值生成算子进行处理，得到所述灰色序列。

在其中一个实施例中，所述针对所述照相分类特征序列进行数据级校验，得到满足预设模型规则的待生成序列，包括：

利用所述照相分类特征序列构建待检验序列；

计算所述待检验序列中每一项的级比，若所述每一项的级比均满足所述预设模型规则，则生成所述待生成序列；其中，所述预设模型规则为：所述级比落在预设可容覆盖区间内。

在其中一个实施例中，所述方法还包括：

若所述待检验序列只要有一项的级比不满足所述预设模型规则，则将所述待检验序列进行平移变换，直到经过平移变换后的数列中的每一项均满足所述预设模型规则；