基于5G+MEC的产品检测系统和方法与流程

基于5g mec的产品检测系统和方法
技术领域
1.本发明实施例属于产品检测技术领域，具体涉及一种基于5g mec的产品检测系统和方法。


背景技术：

2.随着科技的不断发展，可是实现产品的自动化生产。为了保证产品的质量，在自动化生产的过程中，通常需要对产品进行检测，例如，产品零件安装的检测等，以提升产品的质量。
3.目前，在检测产品时，主要是通过机器视觉产品检测系统对产品进行检测。具体的，机器人带动工业相机进行图像的采集，采集的图像为待检测部件所在区域的图像，并将采集的图像发送给本地工控机，通过本地工控机中预先训练好的模型对采集的图像进行处理，确定产品是否出现异常问题。其中，机器人和本地工控机通过实体线缆连接。
4.但是，机器人和本地工控机的体积较大，在实际使用过程中会对产品生产造成不便，并且，机器人和本地工控机通过线缆连接，也就是说，本地工控机仅能够对一种类型的产品，或者产品中的一个部件进行检测，使得机器视觉产品检测系统的使用寿命较短且通用性较差。此外，本地工控机中用于对采集的图像进行处理的模型需要预先训练，且训练模型所用的样本图像需要机器人采集，由于样本图像依赖于产品的产能，因此，样本图像的数量可能不足，从而导致产品检测的准确度较低。


技术实现要素：

5.为了解决现有技术中的上述问题，即为了解决现有的机器视觉产品检测系统通用性较差且检测的准确度较低的问题，本发明实施例提供了一种基于5g mec的产品检测系统和方法。
6.本发明实施例提供了一种基于5g mec的产品检测系统，所述基于5g mec的产品检测系统包括：
7.机器视觉装置和多接入边缘计算mec模块，所述机器视觉装置包括图像采集模块，所述机器视觉装置和所述mec模块通信连接。
8.所述图像采集模块用于采集待检测产品图像，并将所述待检测产品图像通过5g网络发送给mec模块。
9.所述mec模块用于部署5g工业视觉ai分析平台，所述5g工业视觉ai分析平台用于对所述待检测产品图像进行处理，得到检测结果，并将所述检测结果发送给所述机器视觉装置，所述检测结果包括产品异常信息和产品正常信息，所述产品异常信息包括产品异常区域图像。
10.可选的，所述5g工业视觉ai分析平台包括第一处理模块和第二处理模块。
11.所述第一处理模块用于利用卷积神经网络模型对所述待检测产品图像进行处理，得到待检测产品特征图像，并将所述待检测产品特征图像中的锚框与预先存储的标准特征
图像进行对比，得到目标检测对象的检测框。
12.所述第二处理模块用于利用深度残差网络模型对所述目标检测对象的检测框进行产品异常检测，在检测值低于预设阈值时，得到产品异常信息的检测结果，在检测值等于或高于预设阈值时，得到产品正常信息的检测结果。
13.可选的，所述机器视觉装置还包括显示模块、警报模块和调节装置。
14.所述显示模块用于显示产品正常信息或产品异常信息。
15.所述警报模块用于根据产品异常信息输出第一提示信息，或，根据产品正常信息输出第二提示信息。
16.所述调节装置用于在更换待检测产品时，根据待测试产品调节图像采集模块相对于待检测产品的位置。
17.可选的，所述mec模块还用于部署5g工业视觉数据分析平台；所述5g工业视觉数据分析平台用于存储检测结果，并对多个所述检测结果进行可视化处理。
18.本发明实施例还提供了一种基于5g mec的产品检测方法，应用于机器视觉装置，所述基于5g mec的产品检测方法包括：
19.通过机器视觉装置中的图像采集模块采集待检测产品图像，并将所述待检测产品图像通过5g网络发送给5g工业视觉ai分析平台，所述5g工业视觉ai分析平台为mec模块部署的。
20.通过所述机器视觉装置接收所述5g工业视觉ai分析平台发送的所述待检测产品图像的检测结果，所述检测结果包括产品异常信息和产品正常信息，所述产品异常信息包括产品异常区域图像。
21.可选的，在所述5g工业视觉ai分析平台将所述检测结果发送给所述机器视觉装置之后，所述方法还包括：
22.通过所述机器视觉装置中的显示模块显示产品正常信息或产品异常信息。
23.通过所述机器视觉装置中的警报模块根据产品异常信息输出第一提示信息，或，根据产品正常信息输出第二提示信息。
24.可选的，所述方法还包括：
25.在更换待检测产品时，通过机器视觉装置中的调节装置根据待测试产品调节图像采集模块相对于待检测产品的位置。
26.本发明实施例还提供了一种基于5g mec的产品检测方法，应用于多接入边缘计算mec模块，所述基于5g mec的产品检测方法包括：
27.通过mec模块接收机器视觉装置发送的待检测产品图像。
28.通过多接入边缘计算mec模块部署的5g工业视觉ai分析平台对所述待检测产品图像进行处理，得到检测结果，并将所述检测结果发送给所述机器视觉装置，所述检测结果包括产品异常信息和产品正常信息，所述产品异常信息包括产品异常区域图像。
29.可选的，所述对所述待检测产品图像进行处理，得到检测结果，包括：
30.通过所述5g工业视觉ai分析平台中的第一处理模块利用卷积神经网络模型对所述待检测产品图像进行处理，得到待检测产品特征图像，并将所述待检测产品特征图像中的锚框与预先存储的标准特征图像进行对比，得到目标检测对象的检测框。
31.通过所述5g工业视觉ai分析平台中的第二模块利用深度残差网络模型对所述目
标检测对象的检测框进行产品异常检测，在检测值低于预设阈值时，得到产品异常信息的检测结果，在检测值等于或高于预设阈值时，得到产品正常信息的检测结果。
32.可选的，在得到检测结果之后，所述方法还包括：
33.通过所述mec模块部署的5g工业视觉数据分析平台存储检测结果，并对多个所述检测结果进行可视化处理。
34.本领域技术人员能够理解的是，本发明实施例提供的一种基于5g mec的产品检测系统和方法，该基于5g mec的产品检测系统包括机器视觉装置和多接入边缘计算mec模块，机器视觉装置包括图像采集模块，机器视觉装置和mec模块通信连接；图像采集模块用于采集待检测产品图像，并将待检测产品图像通过5g网络发送给mec模块；mec模块用于部署5g工业视觉ai分析平台，5g工业视觉ai分析平台用于对待检测产品图像进行处理，得到检测结果，并将检测结果发送给机器视觉装置，检测结果包括产品异常信息和产品正常信息，产品异常信息包括产品异常区域图像。本发明实施例提供的技术方案通过mec模块部署的5g工业视觉ai分析平台接收机器视觉装置通过5g网络发送的待检测产品图像，并对待检测产品图像进行处理，确定待检测产品是否出现异常，避免了在产品生产线上布置体积较大工控机，并且可以对多种产品进行检测，适用性较高，也不依赖于产品的产能，从而提升了产品检测的准确度。
附图说明
35.图1为本发明实施例提供的一种基于5g mec的产品检测系统的结构示意图；
36.图2为本发明实施例提供的另一种基于5g mec的产品检测系统的结构示意图；
37.图3为本发明实施例提供的一种基于5g mec的产品检测方法的流程示意图；
38.图4为本发明实施例提供的另一种基于5g mec的产品检测方法的流程示意图。
具体实施方式
39.首先，本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。本领域技术人员可以根据需要对其作出调整，以便适应具体的应用场合。
40.其次，需要说明的是，在本发明实施例的描述中，术语“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或构件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
41.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
42.本发明实施例提供的技术方案可以应用于产品检测的场景中。在大批量工业生产的自动化装配线中，为了保证生产的效率和良品率，每一步工序都需要进行在线检测，以保证产品的质量。传统的人工检测不仅耗时耗力，而且无法保证检测的精准度和效率。因此，可以采用机器视觉检测来替代人工视觉，从而有效的提升生产效率和生产的自动化程度。
43.目前，机器视觉产品检测系统主要包括安装有工业相机的机器人以及与机器人通过实体线缆连接的本地工控机。在利用机器视觉产品检测系统对产品进行检测时，需要机器人带动工业相机采集产品的图像，并将采集到的产品图像通过线缆发送给本地工控机。本地工控机在接收到产品的图像后，通过其中预先训练好的模型对产品的图像进行检测，确定出产品是否存在异常。
44.但是，机器视觉产品检测系统中的机器人和本地工控机的体积较大，在生产装配线中需要占用较大的面积，且移动困难，对产品的生产过程造成很大的不便。本地工控机仅能够对一种类型的产品，或者产品中的一个部件进行检测，使得机器视觉产品检测系统的使用寿命较短且通用性较差。此外，在训练本地工控机中的模型时，需要大量的样本图像，而样本图像数量依赖于产品的产能，且样本的数量较多时，模型训练需要耗费大量的时间，而样本数量较少则会导致训练的模型的准确度较差，而对于产能较低的产品来说，可能存在样本图像的数量不足的问题，从而导致产品检测的准确度较低。
45.为了解决本地工控机适用性较差且产品检测的准确度较低的问题，可以通过设置用于采集产品图像的装置网络连接功能，使得其采集的待检测产品图像能够通过网络上传至云端的多接入边缘计算mec模块。而多接入边缘计算mec模块能够部署多个平台，可以通过mec模块部署的平台对待检测产品图像进行处理，确定是否存在异常。mec模块部署的平台能够每种类型的产品进行检测，适用性较强，且不受产品产能的约束，能够有效的提升产品检测的准确度和效率。
46.下面，将通过具体的实施例对本发明提供的数据处理方法进行详细地说明。可以理解的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
47.图1为本发明实施例提供的一种基于mec模块的产品检测系统的结构示意图。根据图1所示，该基于mec模块的产品检测系统可以包括机器视觉装置10和多接入边缘计算mec模块20，机器视觉装置10包括图像采集模块101，其中，机器视觉装置10和mec模块20通信连接。
48.示例的，图1中的图像采集模块101用于采集待检测产品图像，并将待检测产品图像通过5g网络发送给mec模块20；mec模块20用于部署5g工业视觉ai分析平台201，5g工业视觉ai分析平台201用于对待检测产品图像进行处理，得到检测结果，并将检测结果发送给机器视觉装置10，检测结果包括产品异常信息和产品正常信息，产品异常信息包括产品异常区域图像。
49.示例的，机器视觉装置10可以为安装有图像采集装置的机械手臂，也可以为安装有图像采集装置的其他部件，本发明实施例对此不做任何限定。此外，图像采集模块101可以为照相机或者摄像机等具有图像采集功能的装置，本发明实施例对图像采集模块101不做具体限定。
50.在本发明中，mec模块是提供连接、计算、存储、应用的积木式组合，具有用户数据平面功能以及边缘计算平台功能。具体的，终端设备产生的用户面数据流在5g网络传输过程中不需要经过5g核心网和互联网，直接通过upf进入mec模块对应的业务系统进行计算和存储，upf是mec系统的一个组成网元，负责将边缘网络的流量分发导流到mec业务系统。可以满足数据不出厂并且有效降低时延。mec模块主要用于接收和发送视频码流数据，即待检
测产品的图像码流数据，并进行待检测产品图像处理提供算力和存储空间。本发明实施例对于mec模块不做任何限定。
51.由此可见，本发明实施例提供的基于5g mec的产品检测系统包括机器视觉装置和多接入边缘计算mec模块，机器视觉装置包括图像采集模块，机器视觉装置和mec模块通信连接；图像采集模块用于采集待检测产品图像，并将待检测产品图像通过5g网络发送给mec模块；mec模块用于部署5g工业视觉ai分析平台，5g工业视觉ai分析平台用于对待检测产品图像进行处理，得到检测结果，并将检测结果发送给机器视觉装置，检测结果包括产品异常信息和产品正常信息，产品异常信息包括产品异常区域图像。本发明实施例提供的技术方案不需要体积较大的工控机，能够对多个类型的产品以及多种产品部件进行检测，适用性较强。并且通过mec模块部署的5g工业视觉ai分析平台对待检测产品图像进行处理，确定待检测产品是否出现异常，能够有效的提升产品检测的准确度。
52.示例的，5g工业视觉ai分析平台201包括第一处理模块2011和第二处理模块2012。第一处理模块2011用于利用卷积神经网络模型对待检测产品图像进行处理，得到待检测产品特征图像，并将待检测产品特征图像中的锚框与预先存储的标准特征图像进行对比，得到目标检测对象的检测框；第二处理模块2012用于利用深度残差网络模型对目标检测对象的检测框进行产品异常检测，在检测值低于预设阈值时，得到产品异常信息的检测结果，在检测值等于或高于预设阈值时，得到产品正常信息的检测结果。
53.可以理解的是，待检测产品特征图像中的锚框为待检测特征图像中待检测产品的不同部件对应的锚框，通过将待检测产品特征图像中的锚框与预先存储的标准特征图像进行对比，能够得到目标检测对象的检测框。示例的，目标检测对象的检测框为将目标检测对象在待检测产品特征图像中进行框选标记的图像。
54.示例的，目标检测对象可以为产品上的部件，例如，挂簧、烘干机端子、上驱动板钉、喷淋管螺钉、紧固钉、恒温器端子、喷淋管管卡、水管大管卡、水槽通上桶管卡等、水盒管卡、水位传感器支架螺钉等。本发明实施例仅以上述部件为例进行说明，但并不代表本发明实施例仅局限于此。
55.在本发明实施例中，通过卷积神经网络模型和深度残差网络模型得到检测结果，能够有效的提升产品检测的准确度。
56.本发明提供的基于5g mec的产品检测系统具体的可残疾图2所示，根据图2所示，机器视觉装置10还可以包括显示模块102、警报模块103和调节装置104。示例的，显示模块102用于显示产品正常信息或产品异常信息；警报模块103用于根据产品异常信息输出第一提示信息，或，根据产品正常信息输出第二提示信息；调节装置104用于在更换待检测产品时，根据待测试产品调节图像采集模块相对于待检测产品的位置。
57.可以理解的是，显示模块102可以在接收到5g工业视觉ai分析平台201发送的检测结果时，对检测结果进行显示的。显示模块102在显示检测结果时，可以通过显示界面进行显示，显示的方式可以为图像，也可以为文字，或者其他形式，本发明实施例对此不做任何限定。
58.示例的，警报模块103可以为警示灯，例如，在检测结果为产品正常信息时，根据产品正常信息控制警示灯的颜色为绿色，在检测结果为产品异常信息时，根据产品异常信息控制警示灯的颜色为红色。或者，警报模块103还可以为语音警报，例如，在检测结果为产品
正常信息时，根据产品正常信息控制发出产品正常的语言，在检测结果为产品异常信息时，根据产品异常信息控制发出产品异常的语言。或者，警报模块103为警示灯和语音警报的结合，也可以为其他形式，具体的可以根据实际情况进行设定，本发明实施例对于警报模块103不做任何限定。
59.示例的，对于调节模块104，其可以为可改变高度和角度的装置。由于产品的类型不同，且同一个产品的不同部件在产品中所处的位置不同，因此，在采集不同的待检测产品图像时，需要对图像采集模块101的高度和角度进行调节，使得拍摄的待检测产品图像的准确度和清晰度更高，从而间接的提升产品检测的准确度。对于调节模块的设置可根据具体情况进行选择，本发明实施例对此不做任何限定。
60.在本发明实施例中，通过在机器视觉装置中设置显示模块和警报模块，使得用户能够及时了解产品生产过程中的情况，对于异常问题及时进行修改，能够有效地提升产品生产的效率和产品的质量。此外，通过设置调节模块，能够实现同种机器视觉装置能够对不同类型或不同部件进行图像采集，提升了基于5g mec的产品检测系统的适用性。
61.根据图2所示，mec模块还用于部署5g工业视觉数据分析平台202；5g工业视觉数据分析平台202用于存储检测结果，并对多个检测结果进行可视化处理。
62.示例的，5g工业视觉数据分析平台202在存储检测结果时，可以根据将产品正常信息和产品异常信息分类存储，且对于不同类型的产品，或，同一个产品的部件的检测结果分别存储，或者，按照检测结果对应的时间进行存储，或者，通过其他的存储方式进行存储，具体的可根据实际情况进行设定，本发明实施例对此不做任何限定。
63.示例的，对多个检测结果进行可视化处理，可以为将多个检测结果绘制为图表进行显示，或者直接显示，本发明实施例对此于可视化处理不做任何限定。
64.在一种可能的实现方式中，用户可以通过本地客户端与云端的mec模块进行通信连接，可以通过该通信连接在mec模块20的5g工业视觉数据分析平台202中获取多个检测结果以及可视化处理后的结果，本发明实施例对此过程不做任何限定。
65.示例的，5g工业视觉数据分析平台202还可以存储标准特征图像。在存储标准特征图像时，可以按照不同的场景进行存储，例如，背板螺钉防差错场景、logo粘贴防差错场景、整机部件配套防差错场景、热水器出水口防差错场景、小厨宝附件防差错场景、空调线缆连接防差错场景、干衣机表面缝隙检测场景等。本发明实施例仅以上述场景为例进行说明，但并不代表本发明实施例仅局限于此。
66.示例的，5g工业视觉数据分析平台202具有多端协同的能力，可以协同应用程序、云端互联网以及pc客户端之间的各种功能。
67.在本发明实施例中，通过5g工业视觉数据分析平台存储检测结果，并对检测结果进行可视化处理，避免了检测结果仅能够在本地工控机上处理无法复用的问题。
68.图3为本发明实施例提供的一种基于5g mec的产品检测方法的流程示意图。该基于5g mec的产品检测方法可以由软件和/或硬件装置执行，例如，该硬件装置可以为基于5g mec的产品检测系统中的机器视觉装置，该机器视觉装置可以为终端或者终端中的处理芯片。示例的，请参见图3所示，该基于5g mec的产品检测方法可以包括：
69.s301、通过机器视觉装置中的图像采集模块采集待检测产品图像，并将待检测产品图像通过5g网络发送给5g工业视觉ai分析平台，5g工业视觉ai分析平台为mec模块部署
的。
70.示例的，图像采集模块采集的待检测产品可以为不同场景下的图像，例如，背板螺钉防差错场景、logo粘贴防差错场景、整机部件配套防差错场景、热水器出水口防差错场景、小厨宝附件防差错场景、空调线缆连接防差错场景、干衣机表面缝隙检测场景等，本发明实施例仅以上述为例场景为例进行说明，但并不代表本发明实施例仅局限于此。
71.可以理解的是，将待检测产品图像通过5g网络发送给5g工业视觉ai分析平台，可以为实时发送，也可以为定时发送，具体的可根据实际情况进行设定，本发明实施例对此不做任何限定。
72.s302、通过机器视觉装置接收5g工业视觉ai分析平台发送的待检测产品图像的检测结果，检测结果包括产品异常信息和产品正常信息，产品异常信息包括产品异常区域图像。
73.示例的，产品正产信息和产品异常信息均可以包括待检测产品图像，区别在于，在检测结果为产品异常信息时，接收的待检测产品图像为标注了异常区域的图像。产品正产信息和产品异常信息还可以为文字信息或者其他形式的信息，本发明实施例对此不做任何限定。
74.示例的，在5g工业视觉ai分析平台将检测结果发送给机器视觉装置之后，还可以通过机器视觉装置中的显示模块显示产品正常信息或产品异常信息；通过机器视觉装置中的警报模块根据产品异常信息输出第一提示信息，或，根据产品正常信息输出第二提示信息。
75.显示模块和警报模块的具体显示方式可参见上述实施例所述，本发明实施例对此不做任何限定。
76.在本发明实施例中，通过机器视觉装置中设置的显示模块和警报模块，使得用户能够及时了解产品生产过程中的情况，对于异常问题及时进行修改，能够有效地提升产品生产的效率和产品的质量。
77.由此可见，本发明实施例提供的基于5g mec的产品检测方法，可以通过机器视觉装置中的图像采集模块采集待检测产品图像，并将待检测产品图像通过5g网络发送给5g工业视觉ai分析平台，5g工业视觉ai分析平台为mec模块部署的；并通过机器视觉装置通过机器视觉装置接收5g工业视觉ai分析平台发送的待检测产品图像的检测结果，检测结果包括产品异常信息和产品正常信息，产品异常信息包括产品异常区域图像。本发明实施例提供的技术方案在机器视觉装置将采集的图像待检测产品图像通过5g网络发送给mec模块后，可以收到mec模块发送的检测结果，避免了使用实体线缆将图像发送给本地工控机而出现线缆损坏的问题，能够有效的提升产品检测的准确度和效率。
78.在本发明的另一实施例中，根据上述图2所示的基于5g mec的产品检测系统，在更换待检测产品时，通过机器视觉装置中的调节装置根据待测试产品调节图像采集模块相对于待检测产品的位置。
79.示例的，调节模块可以为支架，也可以为其他装置，本发明实施例对此不做任何限定。调节模块可以根据待检测产品的体型或配置调整图像采集模块的位置，使得图像采集模块能够采集更加清晰准确的待检测产品图像。
80.在本发明实施例中，通过调节模块调节待测试产品调节图像采集模块相对于待检
测产品的位置，能够实现同种机器视觉装置能够对不同类型或不同部件进行图像采集，提升了基于5g mec的产品检测系统的适用性。
81.图4为本发明实施例提供的一种基于5g mec的产品检测方法的流程示意图。该基于5g mec的产品检测方法可以由软件和/或硬件装置执行，例如，该硬件装置可以为基于5g mec的产品检测系统中的多接入边缘计算mec模块，该多接入边缘计算mec模块可以为终端或者终端中的处理芯片。示例的，请参见图4所示，该基于5g mec的产品检测方法可以包括：
82.s401、通过mec模块接收机器视觉装置发送的待检测产品图像。
83.s402、通过多接入边缘计算mec模块部署的5g工业视觉ai分析平台对待检测产品图像进行处理，得到检测结果，并将检测结果发送给机器视觉装置，检测结果包括产品异常信息和产品正常信息，产品异常信息包括产品异常区域图像。
84.示例的，在对待检测产品图像进行处理，得到检测结果时，可以通过5g工业视觉ai分析平台中的第一处理模块利用卷积神经网络模型对待检测产品图像进行处理，得到待检测产品特征图像，并将待检测产品特征图像中的锚框与预先存储的标准特征图像进行对比，得到目标检测对象的检测框；通过5g工业视觉ai分析平台中的第二模块利用深度残差网络模型对目标检测对象的检测框进行产品异常检测，在检测值低于预设阈值时，得到产品异常信息的检测结果，在检测值等于或高于预设阈值时，得到产品正常信息的检测结果。检测值表示目标检测对象的异常值，可以为多维度计算的值，本发明实施例对此不做任何限定。
85.可以理解的是，待检测产品特征图像中的锚框为待检测特征图像中待检测产品的不同部件对应的锚框，通过将待检测产品特征图像中的锚框与预先存储的标准特征图像进行对比，能够得到目标检测对象的检测框。示例的，目标检测对象的检测框为将目标检测对象在待检测产品特征图像中进行框选标记的图像。框选标记可以为矩形框也可以为圆形框，或者其它形状的框，本发明实施例对此不做任何限定。
86.示例的，在将待检测产品特征图像中的锚框与预先存储的标准特征图像进行对比，得到目标检测对象的检测框时，可以根据待检测产品特征图像对应的场景在预先存储的标准特征图像库中确定出目标标准特征图像，将目标标准特征图像和待检测产品特征图像中的多个锚框进行对比，确定出场景对应的锚框，即目标检测对象的检测框。
87.示例的，目标检测对象和场景可参见上述实施例所述，本发明实施例在此不再赘述。
88.在本发明实施例中，通过卷积神经网络模型和深度残差网络模型得到检测结果，能够实现对目标检测对象进行对象，有效的提升产品检测的准确度。
89.由此可见，本发明实施例提供的基于5g mec的产品检测方法，通过mec模块接收机器视觉装置发送的待检测产品图像。通过多接入边缘计算mec模块部署的5g工业视觉ai分析平台对待检测产品图像进行处理，得到检测结果，并将检测结果发送给机器视觉装置，检测结果包括产品异常信息和产品正常信息，产品异常信息包括产品异常区域图像。本发明实施例提供的技术方案通过mec模块对待检测产品图像进行处理，得到检测结果，不再不要本地工控机进行检测，不再受产品类型和产品部件不同的约束，实用型较强。由于mec模块的算计相较于本地工控机有很大的提升，因此能够有效的提升检测结果的准确度较高。
90.在本发明的另一实施例中，在得到检测结果之后，还可以通过mec模块部署的5g工
业视觉数据分析平台存储检测结果，并对多个检测结果进行可视化处理。具体的可参见上述实施例所述，本发明实施例在此不再赘述。
91.在本发明实施例中，通过5g工业视觉数据分析平台存储检测结果，并对检测结果进行可视化处理，解决了检测结果仅能够在本地工控机上处理无法复用的问题，提升了检测结果的可用性，便于用户根据检测结果对生产技术进行检查和改进。
92.综上所述，用户可以自主通过增加数据集的形式，对5g工业视觉ai分析平台中的模型进行优化，从而提高模型精度。并且用户可自主搭配终端及算法，形成定制化分析模块。通过将将5g技术与机器视觉技术相结合，提供了便捷、高速、高带宽、低延迟和高可靠性的数据传输通道。将传统机器视觉的数据采集、结果显示、运动支架模块集成为一体化设备，可以实现快速部署。此外，通过边端部署，将机器视觉系统的能力按需部署在mec模块上，进行软件、算法、存储、查询的运算，实现高效计算，形成安全稳定的5g mec机器视觉方案。尤其是在当前多品种、小批量、柔性化的生产模式下，产线的频繁更换，增加了对机器视觉系统流程的修改和调试时间，从而大大影响了工厂产能。通过将算法上移到mec可以根据各场景实际处理情况统一配置计算能力，实现数据、算法的多工位共享，并可以实现检测算法的优化迭代与改造升级，因此5g mec部署方案能够满足产线快速调整和切换的需要。并且可以通过数据汇集实现数据沉淀，通过数据分析，形成可视化管理界面，用于生产指导。
93.在上述实施例中，可以部分通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk，ssd)等。
94.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。