一种分段构件装配防错方法及系统与流程

本发明涉及分段构件装配领域，特别是涉及一种分段构件装配防错方法及系统。

背景技术：

分段构件的错装和漏装是大型装备制造装配过程中易发生的质量问题，尤其是细小的分段构件的漏装。这些漏装或装错的分段构件大多处于系统的内部，难以通过简单的目视检验发现。当装配人员不熟悉装配环节、看不懂或看错图纸，未严格按图施工时，很容易造成错装或漏装。这种错误将影响后续工艺的执行，甚至是需要返工修改。

由于大型装备每个分段构件上都有一段喷涂的编号，来记录该分段构件的相对位置、操作流程、质量要求等信息。因此，目前大型装备制造中主要利用检查表来防止装配过程分段构件的错装和漏装，但是这种防差错方式的主观性比较强，易受到操作人员的主观性影响。

技术实现要素：

本发明的目的是提供一种分段构件装配防错方法及系统，用以信息化、自动化防止的分段构件装配出现错误。

为实现上述目的，本发明提供了如下方案：

一种分段构件装配防错方法，所述方法包括：

从装配环境中采集具有人工设置编号的待装配分段构件的图像；所述人工设置编号的方法包括喷涂、雕刻和手写；

识别待装配分段构件图像中的编号信息；所述编号信息包括编号的类别和位置；所述类别包括数字和字母；所述位置包括所述数字的位置以及所述字母的位置；

根据所述编号信息从数据库中进行检索，确定匹配编号；

根据所述匹配编号输出装配方案；所述装配方案包括施工要求、安装位置以及操作流程；

根据所述装配方案对待装配分段构件进行装配。

可选的，所述识别待装配分段构件图像中的编号信息，具体包括：

获取识别模型；

将所述待装配分段构件图像输入至所述识别模型，得到编号信息。

可选的，在所述获取识别模型之间，还包括：

获取训练样本，所述训练样本为100张以上具有人工设置编号的分段构件的图像；

通过100张以上所述具有人工设置编号的分段构件的图像对卷积神经网络模型进行训练，得到输出结果，所述输出结果为编号信息；

判断所述输出结果是否满足训练终止条件；所述训练终止条件是输出结果中被正确识别的字符占总字符数量的比例达到95％以上；

若是，确定所述卷积神经网络模型为识别模型；

若否，通过反向传播算法调整所述卷积神经网络模型的参数，使输出结果满足训练终止条件。

可选的，所述根据所述编号信息从数据库中进行检索，确定匹配编号，具体包括：

根据所述编号信息从数据库中进行检索，得到与所述编号信息完全一致的编号，确定为匹配编号。

本发明还提供了一种分段构件装配防错系统，所述系统包括：

图像采集模块，用于从装配环境中采集具有人工设置编号的待装配分段构件的图像；所述人工设置编号的方法包括喷涂、雕刻和手写；

识别模块，用于识别待装配分段构件图像中的编号信息；所述编号信息包括编号的类别和位置；所述类别包括数字和字母；所述位置包括所述数字的位置以及所述字母的位置；

检索模块，用于根据所述编号信息从数据库中进行检索，确定匹配编号；

输出模块，用于根据所述匹配编号输出装配方案；所述装配方案包括施工要求、安装位置以及操作流程；

装配模块，用于根据所述装配方案对待装配分段构件进行装配。

可选的，所述识别模块具体包括：

获取单元，用于获取识别模型；

输入单元，用于将所述待装配分段构件图像输入至所述识别模型，得到编号信息。

可选的，所述装配防错系统还包括：

样本获取模块，用于获取训练样本，所述训练样本为100张以上具有人工设置编号的分段构件的图像；

训练模块，用于通过100张以上所述具有人工设置编号的分段构件的图像对卷积神经网络模型进行训练，得到输出结果，所述输出结果为编号信息；

判断模块，用于判断所述输出结果是否满足训练终止条件；所述训练终止条件是输出结果中被正确识别的字符占总字符数量的比例达到95％以上；

结果确定模块，用于当所述输出结果满足训练终止条件时，确定所述卷积神经网络模型为识别模型；

调整模块，用于当所述输出结果不满足训练终止条件时，通过反向传播算法调整所述卷积神经网络模型的参数，使输出结果满足训练终止条件。

可选的，所述检索模块具体包括：

检索单元，用于根据所述编号信息从数据库中进行检索，得到与所述编号信息完全一致的编号，确定为匹配编号。

与现有技术相比，本发明具有以下技术效果：本发明首先识别待装配分段构件图像中的编号信息；然后根据所述编号信息从数据库中进行检索，确定匹配编号；根据所述匹配编号输出装配方案；根据所述装配方案对待装配分段构件进行装配。这样可以减小大型装备装配过程中对操作人员主观性的依赖，减少装配过程中的错装和漏装情况。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例分段构件装配防错方法的流程图；

图2为本发明实施例分段构件装配防错系统的结构框图。

具体实施方式

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，所描述的实施例仅仅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做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。

本发明的目的是提供一种分段构件装配防错方法及系统，用以信息化、自动化防止的分段构件装配出现错误。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，一种分段构件装配防错方法包括以下步骤：

步骤101：从装配环境中采集具有人工设置编号的待装配分段构件的图像。所使设备是一种便于在装配现场使用的便携式采集设备。采集的图像是包含rgb三个通道信息的彩色图像。便携式采集设备可以包括但不限于：平板电脑、移动电话、数码相机、网络摄像头等图像采集设备。

步骤102：识别待装配分段构件图像中的编号信息；所述编号信息包括编号的类别和位置；所述类别包括数字和字母；所述位置包括所述数字的位置以及所述字母的位置。具体的：

获取识别模型；

将所述待装配分段构件图像输入至所述识别模型，得到编号信息。用于从含有编号信息的图像中检测并识别出组成编号信息的数字或字母的位置和类别，并根据这些元素的拓扑关系，结合分段构件编号规则，得到从属于待装配分段构件的编号信息。

在步骤102所述获取识别模型之间，还包括：

获取训练样本，所述训练样本为100张以上具有人工设置编号的分段构件的图像；

通过100张以上所述具有人工设置编号的分段构件的图像对卷积神经网络模型进行训练，得到输出结果，所述输出结果为编号信息；

所述输出结果是否满足训练终止条件；所述训练终止条件是输出结果中被正确识别的字符占总字符数量的比例达到95％以上；

若是，确定所述卷积神经网络模型为识别模型；

若否，通过反向传播算法调整所述卷积神经网络模型的参数，使输出结果满足训练终止条件。

卷积神经网络模型的训练过程具体包括：

从训练样本中随机选择图像作为本次训练的输入；

对输入的数据在卷积神经网络中正向逐层进行计算，将输出层的计算结果作为卷积神经网络对输入图像中字符的位置和类别的预测。具体包括：字符的包围框的顶点坐标和类别置信分数；

由预测结果和标注的真实结果，计算损失函数；(注：损失函数是一个人为设置的函数，其能够定量衡量卷积神经网络的预测结果与真实结果之间的差异，损失函数的值约小，则预测结果与真实结果差异越小。)

进行反向传播，更新卷积神经网络模型中的参数；(注：反向传播是指从卷积神经网络的输出层逐层向前求每个网络参数对损失函数的偏导数，参数更新的方向就是该参数对损失函数偏导数的反方向。)

重复进行上述操作，直到循环次数超过预设的次数，如120000次。

卷积神经网络模型的输出是每个字符的包围框和类别，根据字符包围框的拓扑关系即字符包围框在图片中的相对位置，同一行的包围框是属于一个编号内的不同字符，据此将从左到右的包围框对应的字符连接起来即得到完整编号。由于钢板编号有一定的命名规则，而编号内的“.”、“-”等字符在图片中所占的面积很小，很难被卷积神经网络模型检测到，而这些字符在编号内的位置固定，因此可以根据编号的命名规则在编号的固定位置中直接加上这些字符。

步骤103：根据所述编号信息从数据库中进行检索，确定匹配编号。与数据库中的分段构件编号进行匹配，若与数据库中某一分段构件编号完全匹配，则检索单元输出该分段构件的编号。

步骤104：根据所述匹配编号输出装配方案；所述装配方案包括施工要求、安装位置以及操作流程。如果输出匹配程度最高的3个分段构件编号，则在显示屏上显示这3个编号，让用户选择出正确的匹配编号，然后显示用户选择的编号对应的分段构件的装配方案；如果输出的是完全匹配的唯一编号，则在显示屏上显示该编号对应分段构件的装配方案。

步骤105：根据所述装配方案对待装配分段构件进行装配。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明首先识别待装配分段构件图像中的编号信息；然后根据所述编号信息从数据库中进行检索，确定匹配编号；根据所述匹配编号输出装配方案；根据所述装配方案对待装配分段构件进行装配。这样可以减小大型装备装配过程中对操作人员主观性的依赖，减少装配过程中的错装和漏装情况。

如图2所示，本发明还提供了一种分段构件装配防错系统，所述系统包括：

图像采集模块201，用于从装配环境中采集具有人工设置编号的待装配分段构件的图像。

识别模块202，用于识别待装配分段构件图像中的编号信息；所述编号信息包括编号的类别和位置；所述类别包括数字和字母；所述位置包括所述数字的位置以及所述字母的位置。

所述识别模块202具体包括：

获取单元，用于获取识别模型；

输入单元，用于将所述待装配分段构件图像输入至所述识别模型，得到编号信息。

检索模块203，用于根据所述编号信息从数据库中进行检索，确定匹配编号。

所述检索模块203具体包括：

检索单元，用于根据所述编号信息从数据库中进行检索，得到与所述编号信息完全一致的编号，确定为匹配编号。

输出模块204，用于根据所述匹配编号输出装配方案；所述装配方案包括施工要求、安装位置以及操作流程。

装配模块205，用于根据所述装配方案对待装配分段构件进行装配。

该装配防错系统还包括还包括：

样本获取模块，用于获取训练样本，所述训练样本为100张以上具有人工设置编号的分段构件的图像；

训练模块，用于通过100张以上所述具有人工设置编号的分段构件的图像对卷积神经网络模型进行训练，得到输出结果，所述输出结果为编号信息；

判断模块，用于判断所述输出结果是否满足训练终止条件；所述训练终止条件是输出结果中被正确识别的字符占总字符数量的比例达到95％以上；

结果确定模块，用于当所述输出结果满足训练终止条件时，确定所述卷积神经网络模型为识别模型；

调整模块，用于当所述输出结果不满足训练终止条件时，通过反向传播算法调整所述卷积神经网络模型的参数，使输出结果满足训练终止条件。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。