一种再制造原料评估方法、装置、存储介质及电子设备制造方法及图纸

本申请公开了一种再制造原料评估方法、装置、存储介质及电子设备。所述方法包括：获取再制造原料的多角度图像信息；通过预设深度学习网络确定所述多角度图像信息中的显性损伤信息，其中所述预设深度学习网络的主干特征提取网络包括Mobilenet，所述预设深度学习网络的加强特征提取网络包括空间金字塔网络SPP，所述预设深度学习网络的路径融和网络包括PANet；通过激光超声检测法和/或电磁超声检测法确定所述再制造原料中的隐性损伤信息；根据所述显性损伤信息和所述隐性损伤信息，通过预设评价规则对所述再制造原料进行评估。提升了检测速度，识别效果更好，识别类型更多。识别类型更多。识别类型更多。

【技术实现步骤摘要】
一种再制造原料评估方法、装置、存储介质及电子设备


[0001]本申请涉及机器视觉及再制造
，特别地涉及一种再制造原料评估方法、装置、系统、存储介质及电子设备。

技术介绍

[0002]再制造作为循环经济的重要技术支撑的一部分，可通过合理利用先进技术工艺，快速恢复甚至提升废旧装备或产品的性能，使其质量性能不低于原型新品水平。另外，再制造在实现资源高效循环利用的同时，可最大限度的利用废旧装备及零部件的剩余价值，延长装备的全生命周期寿命。尤为重要的是，由于大幅缩短了产品的制造流程，相比新品制造，再制造可显著减少碳排放，从而达到资源循环利用和绿色节能减排的双重效果。
[0003]再制造原料数量庞大、种类繁杂，且损伤形式和程度具有多样性。由于受到识别准确率和识别速度的限制，当前识别的对象还仅限于形状规则、结构简单、特征明显且判定准则单一的目标。
[0004]因此，如何对废旧零部件进行智能识别，快速准确分类分流，已成为再制造生产中的难点问题；而且对废旧产品进行功能性升级是再制造的主流方向，但当前再制造流程设计大多依赖工艺试验摸索，时间周本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种再制造原料评估方法，其特征在于，所述方法包括：获取再制造原料的多角度图像信息；通过预设深度学习网络确定所述多角度图像信息中的显性损伤信息，其中所述预设深度学习网络的主干特征提取网络包括Mobilenet，所述预设深度学习网络的加强特征提取网络包括空间金字塔网络SPP，所述预设深度学习网络的路径融和网络包括PANet；通过激光超声检测法和/或电磁超声检测法确定所述再制造原料中的隐性损伤信息；根据所述显性损伤信息和所述隐性损伤信息，通过预设评价规则对所述再制造原料进行评估。2.根据权利要求1所述的再制造原料评估方法，其特征在于，所述显性损伤信息包括：第一显性损伤信息和第二显性损伤信息；其中，所述第一显性损伤信息包括：锈迹信息和/或腐蚀信息；所述第二显性损伤信息包括：磨损信息和/或变形信息。3.根据权利要求1所述的再制造原料评估方法，其特征在于，所述隐性损伤信息包括：裂纹信息和/或疲劳寿命信息。4.根据权利要求1所述的再制造原料评估方法，其特征在于，所述通过激光超声检测法和/或电磁超声检测法确定所述再制造原料中的隐性损伤信息，包括：通过所述激光超声检测法对所述再制造原料进行探测处理，得到第一隐性损伤信息；通过所述电磁超声检测法对所述再制造原料进行探测处理，得到第二隐性损伤信息；将所述第一隐性损伤信息和所述第二隐性损伤信息作为所述隐性损伤信息。5.根据权利要求1所述的再制造原料评估方法，其特征在于，所述根据所述显性损伤信息和所述隐性损伤信息，通过预设评价规则对所述再制造原料进行评估，包括：通过预设再制造性评价模型对所述显性损伤信息和所述隐性损伤信息进行判定；在所述显性损伤信息满足第一预设条件或在所述隐性损伤信息满足第二预设条件的情况下，判定所述再制造原料不能用于再制造。6.根据权利要求1所述的再制造原料评估方法，其特征在于，所述获取再制造原料的多角度图像信息，包括：获取...

【专利技术属性】
技术研发人员：张涛，侯欢欢，谢探阳，
申请(专利权)人：河北长立汽车配件有限公司，
类型：发明
国别省市：