基于深度学习的钢厂无人车间监控方法和系统技术方案

本发明专利技术适用于无人车间技术领域，提供了一种基于深度学习的钢厂无人车间监控方法和系统，所述方法包括以下步骤：对加工完成的产品进行质量监控，生成质量检测信息；对质量检测信息进行判定；当学习式处理模型判定结果为可返工时，使得产品转移至加工工位；对返工质量检测信息进行判定；生成返工信息并将返工信息发送至学习式处理模型，以使得学习式处理模型不断更新。本发明专利技术通过学习式处理模型的设置，能够对判定不合格的产品进行二次判定，当学习式处理模型的二次判定结果为可返工时，使得产品转移至加工工位，对返工完成的产品进行质量监控以实现闭环，另外学习式处理模型根据返工信息不断更新，学习式处理模型的判定结果更加有效。有效。有效。

【技术实现步骤摘要】
基于深度学习的钢厂无人车间监控方法和系统


[0001]本专利技术涉及无人车间
，具体是涉及一种基于深度学习的钢厂无人车间监控方法和系统。

技术介绍

[0002]无人车间是一种全自动化车间，无人车间中包括计算机控制的机器人、数控机床、无人运输小车等自动化机器。
[0003]相比传统车间而言，无人车间的监控工作更加方便，无人车间无需对工人的活动进行监控，只需要对车间的各种机器设备进行监控即可，现有的无人车间监控方法都是通过监测机器设备的各项参数指标来实现的，并不能对生产的产品质量进行很好的监控，虽然现有的自动化检测设备能够对产品进行自动检测，进而判定是否合格，但不能够对不合格的产品进行自动化处理，产品的监控不能够实现闭环。
[0004]因此，需要提供一种基于深度学习的钢厂无人车间监控方法和系统，旨在解决上述问题。

技术实现思路

[0005]针对现有技术存在的不足，本专利技术的目的在于提供一种基于深度学习的钢厂无人车间监控方法和系统，以解决上述
技术介绍
中存在的问题。
[0006]本专利技术是这样实现的，一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的钢厂无人车间监控方法，其特征在于，所述方法包括以下步骤：对加工完成的产品进行产品信息读取和质量监控，生成质量检测信息；对质量检测信息进行判定，当质量检测信息为合格时，使得产品转移至合格区；当质量检测信息为不合格时，将质量检测信息发送至学习式处理模型，以使得学习式处理模型对质量检测信息进行二次判定；当学习式处理模型判定结果为不可返工时，使得产品转移至报废区；当学习式处理模型判定结果为可返工时，使得产品转移至加工工位；对返工完成的产品进行产品信息读取和质量监控，生成返工质量检测信息；对返工质量检测信息进行判定，当返工质量检测信息为合格时，使得返工产品转移至合格区；当返工质量检测信息为不合格时，使得返工产品转移至报废区；生成返工信息并将返工信息发送至学习式处理模型，以使得学习式处理模型不断更新。2.根据权利要求1所述一种基于深度学习的钢厂无人车间监控方法，其特征在于，所述将质量检测信息发送至学习式处理模型，以使得学习式处理模型对质量检测信息进行二次判定的步骤，具体包括：将质量检测信息发送至学习式处理模型，所述质量检测信息包括产品信息和检测不合格项目信息；根据质量检测信息中的产品信息，调出学习式处理模型中的检测项目数据库，所述检测项目数据库包括不合格项目和判定结论；将质量检测信息中的检测不合格项目信息与所述项目数据库进行匹配，生成判定结果。3.根据权利要求1所述一种基于深度学习的钢厂无人车间监控方法，其特征在于，所述当学习式处理模型判定结果为可返工时，使得产品转移至加工工位的步骤，具体包括：当学习式处理模型判定结果为可返工时，向无人运输车发送将产品运输至转存区的返工转移指令；发送返工指令，以使得无人运输车根据返工指令将返工产品从转存区运输至加工工位。4.根据权利要求2所述一种基于深度学习的钢厂无人车间监控方法，其特征在于，所述生成返工信息并将返工信息发送至学习式处理模型，以使得学习式处理模型不断更新的步骤，具体包括：生成返工信息，所述返工信息包括产品信息、检测不合格项目信息以及返工质量检测结果；将返工信息发送至学习式处理模型，根据产品信息调出学习式处理模型中的检测项目数据库；根据检测不合格项目信息和返工质量检测结果，对所述检测项目数据库中的判定结论进行更新。5.根据权利要求4所述一种基于深度学习的钢厂无人车间监控方法，其特征在于，所述根据检测不合格项目信息和返工质量检测结果，对所述检测项目数据库中的判定结论进行更新的步骤，具体包括：
根据检测不合格项目信息和返工质量检测结果，得到返工合格率，所述返工合格率为返工质量检测结果为合格的次数与所述检测不合格项目...

【专利技术属性】
技术研发人员：王冠群，
申请(专利权)人：承德众恒科技有限公司，
类型：发明
国别省市：