一种制动阀组装考评系统的制作方法

1.本发明属于组装考评技术领域，尤其涉及一种制动阀组装考评系统。


背景技术：

2.目前，制动阀，英文名称:brake valve，汽车制动阀分为气制动阀和液压制动阀。制动阀是汽车行车制动系当中的主要控制装置，在双回路主制动系统的制动过程和释放过程中实现灵敏的随动控制。制动阀主要由上腔活塞，下腔活塞，推杆，滚轮，平衡弹簧，回位弹簧(上下腔)，上腔阀门，下腔阀门，进气口，出气口，排气口，通气孔组成。当驾驶员踩下脚踏板时，通过拉伸拉杆使拉臂一端下压平衡弹簧，使平衡臂下移，首先将排气阀门关闭，打开进气阀门，此时储气筒的压缩空气经进气阀充入制动气室，推动气室膜片使制动凸轮转动从而实现车轮制动。制动阀组装过程为；研磨作业、清洗作业、组装主阀、组装半自动缓解阀、组装控制阀。在学员制动阀组装培训过程中，需要对制动阀组装进行考评。但是现有的制动阀组装考评通过人工进行考评，易造成考评误差，降低了考评的准确度。
3.通过上述分析，现有技术存在的问题及缺陷为：现有的制动阀组装考评通过人工进行考评，易造成考评误差，降低了考评的准确度。


技术实现要素：

4.针对现有技术存在的问题，本发明提供了一种制动阀组装考评系统。
5.本发明是这样实现的，一种制动阀组装考评系统，所述制动阀组装考评系统包括考试端、管理端；
6.考试端包括：
7.图像采集模块，通过图像传感器获取相应的图像；
8.图像预处理模块，通过图像预处理程序对获取的图像进行预处理；
9.中央控制模块，通过服务器协调制动阀组装考评系统中各个模块的正常运行；
10.图像识别比对模块，通过图像比对程序，对图像进行比对识别；
11.自动评分模块，通过app应用汇总评分，给出总分；
12.人机交互模块，通过操作台前方架设的工业平板在考评app应用中进行信息的输出和输入。
13.进一步，所述管理端包括：
14.学员管理模块，通过学员管理信息程序对学员管理数据进行管理储存；
15.考试设置模块，通过设置程度对考试规则进行设置；
16.考分统计模块，通过数据统计程序对考分进行统计；
17.成绩及图片管理模块，通过数据管理程序，对成绩及图片进行管理。
18.进一步，所述图像采集模块通过图像传感器获取相应的图像具体过程为：
19.图像传感器架设在操作台顶部，在操作台前方架设工业平板，工业平板内预装考评app应用；
20.图像传感器进行拍照，每5秒拍照异常，将图片回传到服务器。
21.进一步，所述图像传感器配备vga规格、高性能镜头、高科技照明；自动调节光源亮度、自动对准焦点到适合稳定检测的状态，以清晰拍摄目标工件。
22.进一步，所述图像识别比对模块通过图像比对程序，对图像进行比对识别，具体过程为：
23.信息的获取、预处理、特征抽取和选择、分类器设计和分类决策；
24.通过神经网络的图像识别技术和非线性降维的图像识别技术及图像识别技术对图像进行识别。
25.进一步，所述自动评分模块通过app应用汇总评分，给出总分，具体过程为：
26.通过在easydl中百度机器学习能力api，收集实际组装过程视频用例进行模型训练让机器对各个模具进行认识；
27.然后以训练数据为判断标准，对后续实际组装过程进行智能评判打分，分数可判断工人组装结果是否合格。
28.进一步，所述easydl具体为：
29.easydl百度大脑推出的零门槛ai开发平台，面向各行各业有定制ai需求、零算法基础或者追求高效率开发ai的企业用户；支持包括数据管理与数据标注、模型训练、模型部署的一站式ai开发流程，原始图片、文本、音频、视频数据，经过easydl加工、学习、部署，可通过公有云api调用，或部署在本地服务器、小型设备、软硬一体方案的专项适配硬件上，通过sdk或api进一步集成；
30.easydl图像：定制基于图像进行多样化分析的ai模型，实现图像内容理解分类、图中物体检测定位等，适用于图片内容检索、安防监控、工业质检等场景。
31.进一步，所述easydl图像建立过程为：
32.创建模型，确定模型名称，记录希望模型实现的功能；
33.上传并标注数据，训练模型并校验效果，选择部署方式与算法，用上传的数据一键训练模型，模型训练完成后，可在线校验模型效果；
34.发布模型，根据训练时选择的部署方式，将模型以云端api、设备端sdk等多种方式发布使用。
35.进一步，所述上传并标注数据具体为：
36.分类功能的模型：按分类上传图片；
37.检测功能的模型：上传数据后，在数据中标注出需要检测的具体目标；
38.分割功能的模型：上传数据后，在数据中标注出需要识别物体的轮廓。
39.进一步，所述一站式ai包括分析业务需求、采集/收集数据、标注数据、训练模型、评估模型效果和部署模型。
40.结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明在学员在培训完，制动阀组装后进行考评，实现自动识别学员的每个考评动作，针对组装的顺序及组装件给出评分，提高了制动阀组装考评的效率。本发明中的图像识别比对模块，可以准确识别每一个考评动作，避免人为考评造成错误。
附图说明
41.图1是本发明实施例提供的制动阀组装考评系统结构示意图；
42.图1中：1、考试端；2、管理端。
43.图2是本发明实施例提供的考试端结构示意图；
44.图2中：3、图像采集模块；4、图像预处理模块；5、中央控制模块；6、图像识别比对模块；7、自动评分模块；8、人机交互模块。
45.图3是本发明实施例提供的管理端结构示意图。
46.图4是本发明实施例提供的图像采集模块通过图像传感器获取相应的图像方法流程图。
47.图5是本发明实施例提供的图像识别比对模块对图像进行比对识别方法流程图。
具体实施方式
48.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
49.针对现有技术存在的问题，本发明提供了一种制动阀组装考评系统，下面结合附图对本发明作详细的描述。
50.本发明提供的制动阀组装考评系统业内的普通技术人员还可以采用其他的步骤实施，图1的本发明提供的制动阀组装考评系统仅仅是一个具体实施例而已。
51.如图1所示，本发明实施例提供的制动阀组装考评系统包括：考试端1、管理端2；
52.如图2所示，本发明实施例提供的管理端2包括：
53.学员管理模块，通过学员管理信息程序对学员管理数据进行管理储存。
54.考试设置模块，通过设置程度对考试规则进行设置。
55.考分统计模块，通过数据统计程序对考分进行统计。
56.成绩及图片管理模块，通过数据管理程序，对成绩及图片进行管理。
57.如图3所示，本发明实施例提供的考试端1包括：
58.图像采集模块3，通过图像传感器获取相应的图像。
59.图像预处理模块4，通过图像预处理程序对获取的图像进行预处理。
60.中央控制模块5，通过服务器协调制动阀组装考评系统中各个模块的正常运行。
61.图像识别比对模块6，通过图像比对程序，对图像进行比对识别。
62.自动评分模块7，通过app应用汇总评分，给出总分。
63.人机交互模块8，通过操作台前方架设的工业平板在考评app应用中进行信息的输出和输入。
64.如图4所示，本发明实施例提供的图像采集模块通过图像传感器获取相应的图像具体过程为：
65.s101：图像传感器架设在操作台顶部，在操作台前方架设工业平板，工业平板内预装考评app应用；
66.s102：图像传感器进行拍照，每5秒拍照异常，将图片回传到服务器。
67.所述图像传感器配备vga规格、高性能镜头、高科技照明。自动调节光源亮度、自动
对准焦点到适合稳定检测的状态，可清晰拍摄目标工件。
68.如图5所示，本发明实施例提供的图像识别比对模块通过图像比对程序，对图像进行比对识别，具体过程为：
69.s201：信息的获取、预处理、特征抽取和选择、分类器设计和分类决策；
70.s202：通过神经网络的图像识别技术和非线性降维的图像识别技术及图像识别技术对图像进行识别。
71.本发明实施例提供的自动评分模块通过app应用汇总评分，给出总分，具体过程为：
72.通过在easydl中百度机器学习能力api，首先收集实际组装过程视频用例进行模型训练让机器对各个模具进行认识；
73.然后以训练数据为判断标准，对后续实际组装过程进行智能评判打分，分数可判断工人组装结果是否合格。
74.所述easydl具体为：
75.easydl百度大脑推出的零门槛ai开发平台，面向各行各业有定制ai需求、零算法基础或者追求高效率开发ai的企业用户；支持包括数据管理与数据标注、模型训练、模型部署的一站式ai开发流程，原始图片、文本、音频、视频等数据，经过easydl加工、学习、部署，可通过公有云api调用，或部署在本地服务器、小型设备、软硬一体方案的专项适配硬件上，通过sdk或api进一步集成。
76.easydl图像：定制基于图像进行多样化分析的ai模型，实现图像内容理解分类、图中物体检测定位等，适用于图片内容检索、安防监控、工业质检等场景。
77.所述easydl图像共支持训练3种不同应用场景的模型：图像分类、物体检测、图像分割。
78.所述easydl图像建立过程为：
79.创建模型，确定模型名称，记录希望模型实现的功能；
80.上传并标注数据，训练模型并校验效果，选择部署方式与算法，用上传的数据一键训练模型，模型训练完成后，可在线校验模型效果。
81.发布模型，根据训练时选择的部署方式，将模型以云端api、设备端sdk等多种方式发布使用。
82.所述上传并标注数据具体为：
83.分类功能的模型：只需按分类(如合格图片vs不合格图片)上传图片即可；
84.检测功能的模型：上传数据后，需要在数据中标注出需要检测的具体目标；
85.分割功能的模型：上传数据后，需要在数据中标注出需要识别物体的轮廓。
86.所述一站式ai包括分析业务需求、采集/收集数据、标注数据、训练模型、评估模型效果和部署模型。
87.其中，ai为人工智能，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能企图生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理等。在easydl平台背后主要使用了深度学习的技术，深度学习是机器学习(ml,machine learning)领域中一个新的研究方向。通过学习样本数据的内在规律和表示层次，最终目标
是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
88.本发明的工作原理为：在操作台顶部架设图像传感器，在操作台前方架设工业平板，工业平板内预装考评app应用，学员考试时，点击“开始考试”。此时系统调取图像传感器，进行拍照，每5秒拍照异常，然后将图片回传到服务器。服务器通过预设的算法对图片进行识别比对分析，然后给出该步骤的评分。当学员完成全部考试后，汇总评分，给出总分。
89.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。