本发明专利技术实施例提供了一种工件封边方法、装置、电子设备及存储介质，所述方法包括：在工件到达第一汇聚口的情况下，获取第一图像采集设备采集的第一工件视频；利用预设第一深度学习模型对第一工件视频进行处理，以识别工件的当前姿态；获取与工件传送同步的数字孪生模型，提取数字孪生模型中的目标姿态，其中，由工件的基础信息生成数字孪生模型。将当前姿态与目标姿态进行比较，若当前姿态与目标姿态一致，则允许对工件进行封边。预设第一深度学习模型通过第一图像采集设备采集的第一工件视频预测工件的当前姿态，对比数字孪生模型中的目标姿态，如果姿态一致，说明工件未发生姿态偏移，则允许对工件进行封边，从而避免封边机故障或者工件报废。者工件报废。者工件报废。
【技术实现步骤摘要】
工件封边方法、装置、电子设备及存储介质
[0001]本专利技术实施例涉及板式家具类工件边缘的封边
，尤其涉及一种工件封边方法、装置、电子设备及存储介质。
技术介绍
[0002]封边是板式家具中常用的工艺过程，作用在于将封边带贴合到工件(例如木质板材)的四边，对其进行封边处理。主要考虑到第一是因开料设备加工后四周为毛边，封边以提高工件的装饰效果；第二是因工件加工后，为减少空气中的水分从工件边进入工件引起边部膨胀导致工件变形；第三为减少甲醛等有害气体挥发，因此对工件进行封边处理是板式家具中不可或缺的工序。其中，封边机是板式家具制造中常用的一种封边设备。
[0003]相关技术中，主流的自动化生产线封边机的布局方案主要有2种：1、使用4台封边机，每2台封边机相对布局为一组，两组封边机前后组合完成工件四边的封边，如图1所示；2、使用2台封边机和回转产线组合完成工件四边的封边，如图2所示。其中，第1种方案占用工厂空间最少，但是设备成本高，第2种方案设备成本低，同时回转产线还能在出现故障时充当缓冲区域的作用，但是占用工厂空间大。
[0004]鉴于第2种方案的性价比高于第1种方案的性价比，因此目前大都采用第2种方案。但是目前第2种方案还存在以下问题：经过封边一次的工件，例如工件存在A、B、C、D等4个边，其中，2台封边机对工件的A、C等2个边进行一次封边，后续工件传动到回转产线，在经过回转产线的过程中，会因为工件变形或者回转产线机械机构不水平导致工件姿态偏移，工件姿态偏移会导致封边机故障或者工件报废。
技术实现思路
[0005]为了解决上述经过封边一次的工件，后续工件传动到回转产线，在经过回转产线的过程中，会因为工件变形或者回转产线机械机构不水平导致工件姿态偏移，工件姿态偏移会导致封边机故障或者工件报废的技术问题，本专利技术实施例提供了一种工件封边方法、装置、电子设备及存储介质。
[0006]在本专利技术实施例的第一方面，首先提供了一种工件封边方法，在自动化产线与回转产线的第一汇聚口处设置第一图像采集设备，所述方法包括：
[0007]在工件到达所述第一汇聚口的情况下，获取所述第一图像采集设备采集的第一工件视频；
[0008]利用预设第一深度学习模型对所述第一工件视频进行处理，以识别所述工件的当前姿态；
[0009]获取与所述工件传送同步的数字孪生模型，提取所述数字孪生模型中的目标姿态，其中，由所述工件的基础信息生成所述数字孪生模型；
[0010]将所述当前姿态与所述目标姿态进行比较，若所述当前姿态与所述目标姿态一致，则允许对所述工件进行封边。
[0011]在一个可选的实施方式中，所述利用预设第一深度学习模型对所述第一工件视频进行处理，以识别所述工件的当前姿态，包括：
[0012]利用预设第一深度学习模型对所述第一工件视频进行处理，以获取所述工件的边界，对所述工件的边界进行拟合得到当前多边形；
[0013]所述提取所述数字孪生模型中的目标姿态，包括：
[0014]提取所述数字孪生模型中的目标多边形；
[0015]所述将所述当前姿态与所述目标姿态进行比较，若所述当前姿态与所述目标姿态一致，则允许对所述工件进行封边，包括：
[0016]将所述当前多边形与所述目标多边形进行比较，若所述当前多边形与所述目标多边形重合，则允许对所述工件进行封边。
[0017]在一个可选的实施方式中，所述方法还包括：
[0018]若所述当前多边形与所述目标多边形未重合，则确定所述工件的姿态偏移角度；
[0019]若所述姿态偏移角度大于预设角度阈值，则确定所述工件异常，并将所述工件排出。
[0020]在一个可选的实施方式中，所述方法还包括：
[0021]若所述姿态偏移角度未大于所述预设角度阈值，则根据所述姿态偏移角度对所述工件进行姿态调整；
[0022]在对所述工件进行姿态调整之后，通过所述自动化产线将所述工件传送至封边设备进行封边。
[0023]在一个可选的实施方式中，在所述自动化产线与所述回转产线的第二汇聚口处设置第二图像采集设备，所述方法还包括：
[0024]在所述工件到达所述第二汇聚口的情况下，获取所述第二图像采集设备采集的第二工件视频；
[0025]利用预设第二深度学习模型对所述第二工件视频进行处理，以提取所述工件的N个加工区域；
[0026]确定N个所述加工区域中已封边的加工区域，并统计已封边的加工区域对应的数量；
[0027]若所述数量大于预设阈值，则确定所述工件已完成封边，并将所述工件排出。
[0028]在一个可选的实施方式中，所述确定N个所述加工区域中已封边的加工区域，包括：
[0029]针对任一所述加工区域，提取所述数字孪生模型中的材质信息，将所述加工区域以及所述材质信息输入至所述预设第二深度学习模型；
[0030]获取所述预设第二深度学习模型的输出结果，若所述输出结果满足预设条件，则确定所述加工区域为已封边的加工区域。
[0031]在一个可选的实施方式中，所述将所述加工区域以及所述材质信息输入至所述预设第二深度学习模型，包括：
[0032]获取机器视觉训练集，并判断所述材质信息是否存在于所述机器视觉训练集；
[0033]若所述材质信息存在于所述机器视觉训练集，将所述加工区域以及所述材质信息输入至所述预设第二深度学习模型。
[0034]在一个可选的实施方式中，所述方法还包括：
[0035]若所述材质信息未存在于所述机器视觉训练集，从所述第二工件视频中抽取M帧图像，并添加至所述机器视觉训练集；
[0036]基于经过图像添加的所述机器视觉训练集，对所述预设第二深度学习模型进行迭代优化。
[0037]在一个可选的实施方式中，所述方法还包括：
[0038]若所述数量未大于所述预设阈值，则确定所述工件未完成封边，则将所述工件传送至所述回转产线。
[0039]在本专利技术实施例的第二方面，提供了一种工件封边装置，在自动化产线与回转产线的第一汇聚口处设置第一图像采集设备，所述装置包括：
[0040]视频获取模块，用于在工件到达所述第一汇聚口的情况下，获取所述第一图像采集设备采集的第一工件视频；
[0041]姿态识别模块，用于利用预设第一深度学习模型对所述第一工件视频进行处理，以识别所述工件的当前姿态；
[0042]姿态提取模块，用于获取与所述工件传送同步的数字孪生模型，提取所述数字孪生模型中的目标姿态，其中，由所述工件的基础信息生成所述数字孪生模型；
[0043]工件封边模块，用于将所述当前姿态与所述目标姿态进行比较，若所述当前姿态与所述目标姿态一致，则允许对所述工件进行封边。
[0044]在本专利技术实施例的第三方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0045]存储本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种工件封边方法，其特征在于，在自动化产线与回转产线的第一汇聚口处设置第一图像采集设备，所述方法包括：在工件到达所述第一汇聚口的情况下，获取所述第一图像采集设备采集的第一工件视频；利用预设第一深度学习模型对所述第一工件视频进行处理，以识别所述工件的当前姿态；获取与所述工件传送同步的数字孪生模型，提取所述数字孪生模型中的目标姿态，其中，由所述工件的基础信息生成所述数字孪生模型；将所述当前姿态与所述目标姿态进行比较，若所述当前姿态与所述目标姿态一致，则允许对所述工件进行封边。2.根据权利要求1所述的方法，其特征在于，所述利用预设第一深度学习模型对所述第一工件视频进行处理，以识别所述工件的当前姿态，包括：利用预设第一深度学习模型对所述第一工件视频进行处理，以获取所述工件的边界，对所述工件的边界进行拟合得到当前多边形；所述提取所述数字孪生模型中的目标姿态，包括：提取所述数字孪生模型中的目标多边形；所述将所述当前姿态与所述目标姿态进行比较，若所述当前姿态与所述目标姿态一致，则允许对所述工件进行封边，包括：将所述当前多边形与所述目标多边形进行比较，若所述当前多边形与所述目标多边形重合，则允许对所述工件进行封边。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：若所述当前多边形与所述目标多边形未重合，则确定所述工件的姿态偏移角度；若所述姿态偏移角度大于预设角度阈值，则确定所述工件异常，并将所述工件排出。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：若所述姿态偏移角度未大于所述预设角度阈值，则根据所述姿态偏移角度对所述工件进行姿态调整；在对所述工件进行姿态调整之后，通过所述自动化产线将所述工件传送至封边设备进行封边。5.根据权利要求1所述的方法，其特征在于，在所述自动化产线与所述回转产线的第二汇聚口处设置第二图像采集设备，所述方法还包括：在所述工件到达所述第二汇聚口的情况下，获取所述第二图像采集设备采集的第二工件视频；利用预设第二深度学习模型对所述第二工件视频进行处理，以提取所述工件的N个加工区域；确定N个所述加工区域中已封边的加工区域，并统计已封边的加工区域对应的数量；若所述数量大于预设阈值，则确定所述工件已完成封边，并将所述工件排出。6.根据权利要求5所述...
【专利技术属性】
技术研发人员：钱新乐，陈国豪，陈振孝，赖桂忠，王士玮，
申请(专利权)人：广东三维家信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。