一种产线巡检机器人的设备检测方法、介质及设备与流程
本发明涉及设备检测,特别是涉及一种产线巡检机器人的设备检测方法、介质及设备。
背景技术:
1、产线设备的状态监测与异常预警是保障智能制造生产安全与效率的关键环节。传统的产线设备巡检主要依赖人工方式,运维人员按照既定路线逐台检查设备运行状态,存在人力成本高、效率低、易出错、漏检等问题;同时,人工巡检难以覆盖高危区域,设备异常响应时间长,年停机损失巨大。
2、随着机器人技术和计算机视觉技术的发展,巡检机器人逐渐替代人工完成产线设备巡检任务。现有巡检机器人通常搭载可见光相机和红外热像仪等视觉设备,通过slam导航、多传感器融合和数据分析技术,实现设备状态监测、安全隐患排查等任务。
3、然而,现有的产线巡检机器人在执行视觉检测时,通常采用统一的采集策略,固定拍摄角度、固定停留时间和固定焦距。但是不同设备类型具有不同的外形尺寸、不同的关键检测区域和不同的工序节拍,统一的采集策略难以保证各类设备图像采集的质量和效率,容易出现关键区域成像不清晰或采集时机与设备动作周期不匹配的问题。
4、同时,随着深度学习技术在巡检领域的广泛应用,巡检机器人需要在边缘端部署轻量化推理模型以实现实时设备状态识别。然而,现有方案通常采用一机一模型或全量模型常驻内存的方式。但是,当产线包含多种不同类型的设备时,若将所有模型常驻边缘端,将消耗大量存储和计算资源;若仅部署单一通用模型,则难以保证各类设备的识别精度。
5、因此,如何自适应地生成差异化的视觉检测策略,并在边缘计算资源受限的条件下,实现多种设备专用推理模型的按需部署与切换,以平衡资源消耗与设备识别精度成为亟待解决的问题。
技术实现思路
1、针对上述技术问题,本发明采用的技术方案为一种产线巡检机器人的设备检测方法,该产线巡检机器人的设备检测方法包括如下步骤:
2、s1,根据巡检机器人获取的当前待检测设备的授权访问参数,得到当前待检测设备的当前工况参数和异常判断条件。
3、s2,根据当前待检测设备的设备类型、设备位姿信息和当前工况参数,确定针对当前待检测设备的检测策略,其中,检测策略用于确定视觉设备的观测点位序列、各观测点位的图像采集停留时间和动态变焦参数。
4、s3,通过视觉设备和检测策略采集当前待检测设备的视觉数据,并根据视觉数据提取设备运行特征。
5、s4,确定当前待检测设备对应的轻量化推理模型,将设备运行特征输入至轻量化推理模型,得到当前待检测设备的原始特征向量。
6、s5,根据当前待检测设备之前的n个已检测设备对应的模型推理误差,对当前待检测设备的原始特征向量进行修正,得到目标特征向量,其中,模型推理误差用于表征对应基准特征向量与对应轻量化推理模型输出的原始特征向量之间的偏差程度,基准特征向量用于表征对应已检测设备的真实工况,n为大于1的整数。
7、s6,根据目标特征向量和异常判断条件,生成当前待检测设备的异常检测结果。
8、本发明还提供了一种非瞬时性计算机可读存储介质,非瞬时性计算机可读存储介质中存储有至少一条指令或至少一段程序,至少一条指令或至少一段程序由处理器加载并执行以实现上述的产线巡检机器人的设备检测方法。
9、本发明还提供了一种电子设备,包括处理器和上述的非瞬时性计算机可读存储介质。
10、本发明至少具有以下有益效果:通过授权访问参数获取当前工况参数和异常判断条件,根据设备类型、设备位姿信息和当前工况参数动态确定检测策略,使得视觉采集过程能够适配不同设备的检测需求,提升了视觉数据采集的质量;通过将设备运行特征输入轻量化推理模型得到原始特征向量,并基于前n个已检测设备的模型推理误差对原始特征向量进行修正,有效抑制了传感器老化漂移和环境变化带来的系统偏差,使模型输出能够自适应跟踪设备状态的真实变化趋势,实现按需部署与切换,提升了轻量化模型在长期部署条件下的检测准确性和稳定性;通过目标特征向量所包含的多维度融合信息与异常判断条件进行综合判定,既保证了判定结果的准确性,又能够对潜在故障提前预警,为产线设备的智能化运维提供了可靠的技术支撑。
1.一种产线巡检机器人的设备检测方法,其特征在于,所述方法包括如下步骤:
2.根据权利要求1所述的产线巡检机器人的设备检测方法,其特征在于,s1包括如下步骤:
3.根据权利要求1所述的产线巡检机器人的设备检测方法,其特征在于,s2包括如下步骤:
4.根据权利要求1所述的产线巡检机器人的设备检测方法,其特征在于,s3包括如下步骤:
5.根据权利要求1所述的产线巡检机器人的设备检测方法,其特征在于,s4包括如下步骤:
6.根据权利要求5所述的产线巡检机器人的设备检测方法,其特征在于,所述方法还包括模型预下载步骤,所述模型预下载步骤在所述巡检机器人执行当前待检测设备的检测任务期间执行如下步骤:
7.根据权利要求1所述的产线巡检机器人的设备检测方法,其特征在于,s5包括如下步骤:
8.根据权利要求1所述的产线巡检机器人的设备检测方法,其特征在于,所述异常判断条件包括第一判定阈值和第二判定阈值,所述第二判定阈值大于所述第一判定阈值,s6包括如下步骤:
9.一种非瞬时性计算机可读存储介质,所述非瞬时性计算机可读存储介质中存储有至少一条指令或至少一段程序,其特征在于,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-8中任意一项所述的产线巡检机器人的设备检测方法。
10.一种电子设备,其特征在于,包括处理器和权利要求9中所述的非瞬时性计算机可读存储介质。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com