一种基于区块链的质量管理系统的制作方法

本发明涉及轮胎质量管理的，特别是涉及一种基于区块链的质量管理系统。

背景技术：

1、轮胎是在各种车辆或机械上装配的接地滚动的圆环形弹性橡胶制品，轮胎在生产过程中需要经过配料、混炼、成型和硫化等多道工序，而在多组工序的加工过程中，需要对轮胎的质量进行管理，提高轮胎的成品率，减少轮胎的瑕疵率，传统的轮胎质量管理，是通过经验丰富的工作人员进行实现，导致工作人员的工作量较大，并且对工作人员的工作经验要求较高。

2、所以出现了如授权公告号为cn114690729b的发明专利中公开的一种基于互联网的橡胶轮胎生产质量管理系统和公开号为cn114881807a的发明专利中公开的轮胎硫化胶囊管理系统等，实现对轮胎生产质量自动化管理，但是在使用过程中发现，在生产低温环境下使用的轮胎、高性能跑车的轮胎和大型工程机械的轮胎等这种高标准、高质量和高性能的特殊轮胎时，对生产过程中周围的环境具有严格的要求，而由于大型轮胎的生产车间较大，即便是恒温恒湿车间也难以做到车间内各个位置的温度相同，导致生产上述特殊轮胎时，容易对轮胎的质量和使用寿命造成影响，而通过现有的质量管理系统较难实现对上述特殊轮胎的生产进行严格质量管理，并且不方便根据周围环境温度和湿度的变化对生产参数进行调节，减少周围环境变化对上述特殊轮胎质量的影响，不方便根据轮胎上的瑕疵进行溯源寻找轮胎瑕疵的根本原因，再有对轮胎的生产数据保护效果较差，被恶意篡改和泄露的风险较大，导致实用性较差，因此亟需一种基于区块链的质量管理系统。

技术实现思路

1、为解决上述技术问题，本发明提供一种根据质量管理方法，再通过深度学习处理模块根据轮胎生产位置周围环境温度和湿度的变化，对轮胎生产工艺中的参数进行微调整，使轮胎在最佳的生产工艺中进行生产，提高特殊的高质量轮胎的成品率、质量和使用寿命，方便对特殊的高质量轮胎的质量进行管理，并且根据深度学习处理模块配合区块链的数据共享方式对轮胎上的瑕疵进行分析，方便对半成品轮胎上的瑕疵进行溯源寻找轮胎瑕疵的根本原因，在源头解决瑕疵问题，减少瑕疵品的出现率，再有通过区块链数据共享的方式配合安全模块，提高数据的安全性的一种基于区块链的质量管理系统。

2、本发明的一种基于区块链的质量管理系统，包括：

3、控制管理模块：对环境检测模块、视觉检测模块、分析处理模块、储存模块、预警模块、参数调节模块、数据传输模块和安全模块进行控制和管理，同时对操作人员进行登记和身份确认，并且修改储存模块中的数据时，需要其余半数以上储存模块确认同意；

4、环境检测模块：数量为多组，对轮胎生产线周围的温度和湿度进行检测，同时对轮胎原料和半成品的温度和湿度进行检测，并将检测数据传输至分析处理模块中；

5、视觉检测模块：数量为多组，对生产过程中的轮胎进行检测，寻找轮胎上的瑕疵，并将检测数据传输至分析处理模块中；

6、分析处理模块：数量为多组，对环境检测模块和视觉检测模块的检测数据进行分析处理，并根据分析处理结果得出轮胎生产工艺中参数的调节方案，再将调节方案传输至预警模块中，同时根据视觉检测模块的检测数据对轮胎上的瑕疵进行溯源寻找轮胎瑕疵的根本原因；

7、储存模块：数量为多组，对原工艺数据、工艺中的参数调节方案、视觉检测模块和分析处理模块的训练数据进行储存，并对储存的数据进行加密处理，同时多组储存模块中的储存数据相同；

8、预警模块：对分析处理模块发出的调节方案进行接收，并对调节方案中调节后的参数的大小进行检测，参数调节过大或过小超出设定的调节范围时，对生产线进行停止，参数调节未超设定的调节范围时，将调节方案传输至参数调节模块中；

9、参数调节模块：参数调节模块对调节方案进行接收，并根据调节方案对轮胎生产线上对应的设备进行调节，减少周围环境温度和湿度的变化对轮胎质量的影响；

10、数据传输模块：数量为多组，通过一组数据传输机构将一组储存模块中的数据传输至另一组储存模块中，再通过另一组数据传输机构将另一组储存模块中的数据传输至其余的一组储存模块中，并重复上述步骤，进行数据共享，直至将数据传输至所有储存模块中，使多组储存模块中储存的数据相同；

11、安全模块：定期对多组储存模块中的数据进行对比，检测单组储存模块中的数据是否被篡改或出现数据泄露的情况。

12、优选的，所述环境检测模块包括：

13、温度检测单元：对轮胎生产位置周围的温度进行检测，并将检测结果传输至分析处理模块中；

14、湿度检测单元：对轮胎生产位置周围的湿度进行检测，并将检测结果传输至分析处理模块中；

15、轮胎检测单元：对轮胎的温度和湿度进行检测，并将检测结果传输至分析处理模块中。

16、优选的，所述视觉检测模块包括：

17、摄像模块：对轮胎或半成品轮胎进行摄像，通过图像增强技术对抓取机构拍摄的画面进行处理，并将图像传输至第一深度学习处理模块中；

18、补光模块：根据感光模块的检测结果，对摄像模块的摄像位置的亮度进行调节；

19、感光模块：对摄像模块的摄像位置的亮度进行检测；

20、第一深度学习处理模块：采用pytorch框架与卷积神经网络配合使用，训练构建识别模型，对图像中的轮胎或半成品轮胎进行分析，判断轮胎或半成品轮胎上是否有瑕疵；

21、图像备份模块：对拍摄的图像进行储存，出现误判情况时，方便工作人员根据图像对误判情况进行分析，并将误判的图像作为第一深度学习处理模块的训练数据对第一深度学习处理模块进行训练，减少误判情况的出现。

22、优选的，所述分析处理模块包括：

23、第二深度学习处理模块：对环境检测模块的检测结果进行分析处理，判断出周围环境温度变化对轮胎的影响，并且通过将检测结果与储存模块中储存的轮胎生产工艺和之前的调节方案进行对比，得出新的调节方案；

24、第三深度学习处理模块：对视觉检测模块的检测结果进行分析处理，判断出轮胎瑕疵的产生原因，并且通过判断出的产生原因确定瑕疵是在轮胎生产工艺中的哪一步中产生的；

25、所述第二深度学习处理模块和第三深度学习处理模型均采用pytorch框架与循环神经网络配合使用，训练构建分析处理模型。

26、优选的，所述储存模块包括：

27、工艺储存单元：对轮胎的原生产工艺和调节方案进行储存，并对储存的数据进行加密处理

28、数据储存单元：对第一深度学习处理模块、第二深度学习处理模块和第三深度学习处理模块训练模型所用的数据进行储存；

29、删除单元：对无用数据进行删除处理；

30、监控单元：对工艺储存单元和数据储存单元中数据的存入时间、调出时间、修改位置和修改时间进行记录；

31、恢复单元：对在设定期限内误删的数据进行恢复。

32、优选的，所述安全模块包括：

33、数据对比单元：对多组储存模块中的数据进行对比，检测多组储存模块中的数据是否相同；

34、记录单元：记录对比时间和对比结果，方便工作人员定期检测。

35、优选的，所述补光模块包括基座、多组支撑杆、多组补光灯、多组拉簧、套环和多组电缸，多组支撑杆的一端均转动安装于基座上，多组补光灯分别转动安装于多组支撑杆上，多组拉簧的一端均与基座相连接，多组拉簧的另一端分别与多组支撑杆的侧端相连接，多组电缸的一端均安装于基座上，多组电缸的另一端均安装于套环上，并且套环套装于多组支撑杆上。

36、优选的，质量管理方法包括以下步骤：

37、s1、将大量高质量轮胎与半成品轮胎图像和大量瑕疵轮胎与半成品轮胎图像传输至数据储存单元中，第一深度学习模块将大量高质量轮胎与半成品轮胎图像和大量瑕疵轮胎与半成品轮胎图像拆分为特征块，形成高质量轮胎与半成品轮胎图集和瑕疵轮胎与半成品轮胎图集，并通过图集进行反复训练，并对权重进行调整和更新，直至训练出合格的可以对轮胎与半成品轮胎图像分析处理的模型；

38、s2、将大量正确的轮胎生产工艺参数与周围环境温湿度相对照的数据和大量的错误的轮胎生产工艺参数与周围环境温湿度相对照的数据传输至数据储存单元中，第二深度学习模块将大量正确的轮胎生产工艺参数与周围环境温湿度相对照的数据和大量的错误的轮胎生产工艺参数与周围环境温湿度相对照的数据拆分为特征块，形成正确的轮胎生产工艺参数与周围环境温湿度相对照的数据集和错误的轮胎生产工艺参数与周围环境温湿度相对照的数据集，并通过数据集进行反复训练，并对权重进行调整和更新，直至训练出合格的可以对周围环境温度与轮胎生产工艺参数分析处理的模型；

39、s3、将大量的正确的轮胎生产工艺和错误的轮胎生产工艺传输至数据储存单元中，第三深度学习模块将大量的正确的轮胎生产工艺和错误的轮胎生产工艺拆分为特征块，形成正确的轮胎生产工艺集和错误的轮胎生产工艺集，通过工艺集进行反复训练，并对权重进行调整和更新，直至训练出合格的可以对轮胎瑕疵位置分析处理判断瑕疵原因的模型；

40、s4、通过环境检测模块对轮胎生产线周围的温度和湿度进行检测，同时对轮胎原料和半成品的温度和湿度进行检测，并将检测数据传输至分析处理模块中，再通过第二深度学习处理模块对环境检测模块的检测结果进行分析处理，判断出周围环境温度变化对轮胎的影响，并且通过将检测结果与储存模块中储存的轮胎生产工艺和之前的调节方案进行对比，得出新的调节方案，之后将调节方案传输至预警模块中；

41、s5、通过预警模块对分析处理模块发出的调节方案进行接收，并对调节方案中调节后的参数的大小进行检测，参数调节过大或过小超出设定的调节范围时，对生产线进行停止，参数调节未超设定的调节范围时，将调节方案传输至参数调节模块中，通过参数调节模块对调节方案进行接收，并根据调节方案对轮胎生产线上对应的设备进行调节，减少周围环境温度和湿度的变化对轮胎质量的影响；

42、s6、通过多组电缸伸展或收缩，同时通过多组拉簧的弹性，将多组支撑杆展开或闭合，对多组补光灯的位置进行调整，对轮胎或半成品轮胎进行补光，使摄像模块对轮胎或半成品轮胎进行摄像，通过图像增强技术对抓取机构拍摄的画面进行处理，并将图像传输至第一深度学习处理模块中，第一深度学习处理模块对图像中的轮胎或半成品轮胎进行分析，判断轮胎或半成品轮胎上是否有瑕疵；

43、s7、通过第三深度学习处理模块对视觉检测模块的检测结果进行分析处理，判断出轮胎瑕疵的产生原因，并且通过判断出的产生原因确定瑕疵是在轮胎生产工艺中的哪一步中产生的

44、s8、通过一组数据传输机构将一组储存模块中的数据传输至另一组储存模块中，再通过另一组数据传输机构将另一组储存模块中的数据传输至其余的一组储存模块中，并重复上述步骤，进行数据共享，直至将数据传输至所有储存模块中，使多组储存模块中储存的数据相同，并且在操作人员通过控制操作模块对储存模块中的数据进行修改时，需要其余半数以上储存模块确认同意；

45、s9、通过安全模块定期对多组储存模块中的数据进行对比，检测单组储存模块中的数据是否被篡改或出现数据泄露的情况。

46、与现有技术相比本发明的有益效果为：

47、1、通过深度学习处理模块根据轮胎生产位置周围环境温度和湿度的变化，对轮胎生产工艺中的参数进行微调整，使轮胎在最佳的生产工艺中进行生产，提高特殊的高质量轮胎的成品率、质量和使用寿命，方便对特殊的高质量轮胎的质量进行管理；

48、2、根据深度学习处理模块配合区块链的数据共享方式对轮胎上的瑕疵进行分析，方便对半成品轮胎上的瑕疵进行溯源寻找轮胎瑕疵的根本原因，在源头解决瑕疵问题；

49、3、通过区块链数据共享的方式配合安全模块，降低数据被篡改和泄露的几率，提高数据的安全性。