一种智能标识识别的直线滑台模组质量检测方法及系统技术方案

本发明专利技术提供了一种智能标识识别的直线滑台模组质量检测方法及系统，其中，该方法包括：获得第一直线滑台模组属性信息；基于摄像装置获得第一直线滑台模组的第一质检视频；根据SlowFast神经网络的构建设计，获得SlowFast深度特征提取模型；基于第一质检视频，获得第一质检图像序列和第二质检图像序列，其中第二质检图像序列为从第一质检图像序列中采样确定的；将第一质检图像序列、第二质检图像序列输入SlowFast深度特征提取模型，获得第一预测结果；根据第一预测结果，获得第一预警信息；将第一预警信息发送至第一质检人员，进行第一直线滑台模组的快速维修。滑台模组的快速维修。滑台模组的快速维修。

【技术实现步骤摘要】
一种智能标识识别的直线滑台模组质量检测方法及系统


[0001]本专利技术涉及智能制造相关
，具体涉及一种智能标识识别的直线滑台模组质量检测方法及系统。

技术介绍

[0002]直线滑台模组为应用于智能化自动生产中的传动元件，通过各个单元的组合实现产品或负载的直线或曲线运动，使自动化生产更为灵活。
[0003]直线滑台模组在生产过程中持续高速运行，由于电路、负载、环境等因素会产生一定的质量问题，目前对于直线滑台模组的质量检测主要通过现场设备人员进行周期检修为主。
[0004]但本申请专利技术人在实现本申请实施例中专利技术技术方案的过程中，发现上述技术至少存在如下技术问题：现有技术中直线滑台模组质量检测过程中人工参与度较高，受检修人员主观影响，容易导致无法及时检测出潜在的质量问题，存在着直线滑台模组质量检测不够智能高效的技术问题。

技术实现思路

[0005]本申请实施例提供了一种智能标识识别的直线滑台模组质量检测方法及系统，用于针对解决现有技术中企业信息安全管理的方法存在一定的局限性，在通过人工检测业信息系统内的信息安全性时，无法对所有设备终端进行统一准确的检测，存在着信息安全性不足的技术问题。
[0006]鉴于上述问题，本申请实施例提供了一种智能标识识别的直线滑台模组质量检测方法及系统。
[0007]本申请实施例的第一个方面，提供了一种智能标识识别的直线滑台模组质量检测方法，所述方法应用于一种智能标识识别的直线滑台模组质量检测系统，所述系统与一摄像装置通信连接，所述方法包括：获得第一直线滑台模组属性信息；基于所述摄像装置获得所述第一直线滑台模组的第一质检视频；根据SlowFast神经网络的构建设计，获得SlowFast深度特征提取模型；基于所述第一质检视频，获得第一质检图像序列和第二质检图像序列，其中所述第二质检图像序列为从所述第一质检图像序列中采样确定的；将所述第一质检图像序列、所述第二质检图像序列输入所述SlowFast深度特征提取模型，获得第一预测结果；根据所述第一预测结果，获得第一预警信息；将所述第一预警信息发送至第一质检人员，进行所述第一直线滑台模组的快速维修。
[0008]本申请实施例的第二个方面，提供了一种智能标识识别的直线滑台模组质量检测系统，所述系统包括：第一获得单元，所述第一获得单元用于获得第一直线滑台模组属性信息；第二获得单元，所述第二获得单元用于基于摄像装置获得所述第一直线滑台模组的第一质检视频；第一构建单元，所述第一构建单元用于根据SlowFast神经网络的构建设计，获
得SlowFast深度特征提取模型；第三获得单元，所述第三获得单元用于基于所述第一质检视频，获得第一质检图像序列和第二质检图像序列，其中所述第二质检图像序列为从所述第一质检图像序列中采样确定的；第一处理单元，所述第一处理单元用于将所述第一质检图像序列、所述第二质检图像序列输入所述SlowFast深度特征提取模型，获得第一预测结果；第二处理单元，所述第二处理单元用于根据所述第一预测结果，获得第一预警信息；第三处理单元，所述第三处理单元用于将所述第一预警信息发送至第一质检人员，进行所述第一直线滑台模组的快速维修。
[0009]本申请实施例的第三个方面，提供了一种智能标识识别的直线滑台模组质量检测系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如第一方面所述方法的步骤。
[0010]本申请实施例的第四个方面，提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
[0011]本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：本申请实施例提供的技术方案通过获得直线滑台模组的属性信息，并基于摄像装置获得直线滑台模组运转过程中的第一质检视频，根据第一质检视频获得第一质检图像序列和第二质检图像序列，分别将第一质检图像序列和第二质检图像序列输入基于SlowFast神经网络构建设计的SlowFast深度特征提取模型，分别根据Slow特征提取子网络和Fast特征提取子网络进行特征提取分析，获得直线滑台模组运转过程中的第一预测结果，进而获得第一预警信息，对该直线滑台模组进行检修。本申请实施例通过基于机器视觉的工业相机获取直线滑台模组运转过程中的质检视频，能够获取更为精准、图像质量更高的视频，提升质量检测准确性，避免图像质量不佳导致误检，并通过将质检视频划分为不同的质检图像序列，输入通过SlowFast神经网络构建的深度特征提取模型，卷积提取获得Slow通道和Fast通道内不同的特征，进而得到基于图像获得的质量检测结果，构建了智能化的直线滑台模组的质量检测方法，能够检测出高速运转过程中直线滑台模组内丝杆等静态部分和滑台等高速移动部分潜在的质量问题，提升质量检测准确性，降低人工参与度，达到智能化以及更为准确地进行直线滑台模组质量检测的技术效果。
[0012]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0013]图1为本申请实施例提供的一种智能标识识别的直线滑台模组质量检测方法流程示意图；图2为本申请实施例提供的一种智能标识识别的直线滑台模组质量检测方法中构建SlowFast深度特征提取模型流程示意图；图3为本申请实施例提供的一种智能标识识别的直线滑台模组质量检测方法中获得的第一预测结果流程示意图；图4为本申请实施例提供了一种智能标识识别的直线滑台模组质量检测系统结构示意图；
图5为本申请实施例示例性电子设备的结构示意图。
[0014]附图标记说明：第一获得单元11，第二获得单元12，第一构建单元13，第三获得单元14，第一处理单元15，第二处理单元16，第三处理单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
[0015]本申请实施例通过提供了一种智能标识识别的直线滑台模组质量检测方法及系统，用于针对解决现有技术中直线滑台模组质量检测过程中人工参与度较高，受检修人员主观影响，容易导致无法及时检测出潜在的质量问题，存在着直线滑台模组质量检测不够智能高效的技术问题。
[0016]针对上述技术问题，本申请提供的技术方案总体思路如下：获得第一直线滑台模组属性信息；基于摄像装置获得所述第一直线滑台模组的第一质检视频；根据SlowFast神经网络的构建设计，获得SlowFast深度特征提取模型；基于所述第一质检视频，获得第一质检图像序列和第二质检图像序列，其中所述第二质检图像序列为从所述第一质检图像序列中采样确定的；将所述第一质检图像序列、所述第二质检图像序列输入所述SlowFast深度特征提取模型，获得第一预测结果；根据所述第一预测结果，获得第一预警信息；将所述第一预警信息发送至第一质检人员，进行所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能标识识别的直线滑台模组质量检测方法，其特征在于，所述方法应用于一种智能标识识别的直线滑台模组质量检测系统，所述系统与一摄像装置通信连接，所述方法包括：获得第一直线滑台模组属性信息；基于所述摄像装置获得所述第一直线滑台模组的第一质检视频；根据SlowFast神经网络的构建设计，获得SlowFast深度特征提取模型；基于所述第一质检视频，获得第一质检图像序列和第二质检图像序列，其中所述第二质检图像序列为从所述第一质检图像序列中采样确定的；将所述第一质检图像序列、所述第二质检图像序列输入所述SlowFast深度特征提取模型，获得第一预测结果；根据所述第一预测结果，获得第一预警信息；将所述第一预警信息发送至第一质检人员，进行所述第一直线滑台模组的快速维修。2.如权利要求1所述的方法，其特征在于，所述智能标识识别的直线滑台模组质量检测系统还与一温度传感器和一声音采集装置通讯连接，所述方法还包括：基于所述温度传感器实时采集所述第一直线滑台模组的电机温度，获得所述第一直线滑台模组的第一作业温度；基于所述声音采集装置实时采集所述第一直线滑台模组的声音信息，获得第一作业噪音信息；获得预设温度阈值，若所述第一作业温度超出所述预设温度阈值，获得第二预警信息；获得预设噪音阈值，若所述第一作业噪音信息超出所述预设噪音阈值，获得第三预警信息。3.如权利要求1所述的方法，其特征在于，所述将所述第一质检图像序列、所述第二质检图像序列输入所述SlowFast深度特征提取模型，获得第一预测结果，所述方法还包括：基于所述SlowFast深度特征提取模型分别对所述第一质检图像序列、所述第二质检图像序列中的所述第一直线滑台模组进行检测；判断是否出现第一异常情况、第二异常情况和第三异常情况，其中所述第一异常情况为出现异常抖动，所述第二异常情况为滚珠丝杆停转，所述第三异常情况为重复定位精度异常；若出现所述第一异常情况和/或所述第二异常情况和/或所述第三异常情况，则获得第一异常结果；若未出现所述第一异常情况和/或所述第二异常情况和/或所述第三异常情况，则获得第一正常结果；将所述第一异常结果或所述第一正常结果作为所述第一预测结果。4.如权利要求1所述的方法，其特征在于，所述根据SlowFast神经网络的构建设计，获得SlowFast深度特征提取模型，所述方法还包括：将第一直线滑台模组的历史质检视频集合划分为第三质检图像序列和第四质检图像序列，其中所述第三质检图像序列为预设帧数的连续历史质检图像；将所述第三质检图像序列的首帧图像、尾帧图像和以预定间隔从第三质检图像序列中采样获得的若干质检图像作为所述第四质检图像序列，获得所述第四质检图像序列；
基于所述第三质检图像序列和所述第四质检图像序列，构建第三质检图像序列训练集、第四质检图像序列训练集；获得所述第三质检图像序列对应的历史质检结果数据集，其中所述历史质检结果数据集为人工质检结果数据集；基于所述第三质检图像序列训练集、所述第四质检图像序列训练集和所述历史质检结果数据集训练所述SlowFast...

【专利技术属性】
技术研发人员：许理浩，
申请(专利权)人：苏州上舜精密工业科技有限公司，
类型：发明
国别省市：