[發明專利]基于工業互聯網的型材切割狀態監控方法

有效

• 申請號: 202110529552.1
• 申請日: 2021-05-14
• 公開（公告）號: CN113139518B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 朱卸蓮
• 申請（專利權）人: 江蘇中天互聯科技有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/40;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 蘇州國卓知識產權代理有限公司 32331
• 代理人: 章珍霞

本申請涉及一種基于工業互聯網的型材切割狀態監控方法，所述方法使用基于深度學習的計算機視覺方法來對型材在切割過程當中的振動進行特征提取和分類，以對型材切割過程當中超過預定限制的振動進行智能監控。這樣，防止機床在對型材切割的過程中因過度振動而影響切割質量，甚至損傷切割刀的驅動電機。

技術領域

本申請涉及工業互聯網領域，且更為具體地，涉及一種基于工業互聯網的型材切割狀態監控方法、基于工業互聯網的型材切割狀態監控系統和電子設備。

背景技術

作為新一代信息技術與制造業深度融合的產物，工業互聯網正在深刻改變著傳統工業的創新方式、生產方式、管理方式和服務方式，催生出許多新技術、新模式、新業態和新產業，并日益成為新工業革命的重要支撐和“互聯網+先進制造業”的重要基石。通過智能機器的連接，工業互聯網最終將實現人機互聯，結合軟件和大數據分析，重塑全球工業，激發生產力，使世界變得更好、更快、更安全、更清潔、更經濟。

在許多工業設備中，都需要對型材進行切割，例如在使用機床對于型材進行加工的過程當中。通常，機床的型材切割刀直接作用在型材上進行切割，而在切割時型材不可避免地會產生振動，這種振動不僅會影響切割質量，也可能會損傷切割刀的驅動電機。若能夠通過工業互聯網技術對設備切割過程中的抖動進行有效的監控和判斷，并及時做出調整，將極大地提高型材的質量，降低設備的損耗。

如此，能夠基于深度學習的計算機視覺方法來對型材在切割過程當中的振動進行特征提取和分類，以將對型材切割過程當中超過預定限制的振動的監控轉換為基于深度神經網絡模型所提取的高維圖像特征的分類問題，所以如何通過工業互聯網基于深度神經網絡來監控切割設備的具體抖動情況，將成為該問題解決的關鍵。

因此，期望提供一種對于型材切割過程當中超過預定限度的振動進行監控的方案。

發明內容

為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種基于工業互聯網的型材切割狀態監控方法、系統和電子設備，其使用基于深度學習的計算機視覺方法來對型材在切割過程當中的振動進行特征提取和分類，以對型材切割過程當中超過預定限制的振動進行智能監控。這樣，防止機床在對型材切割的過程中因過度振動而影響切割質量，甚至損傷切割刀的驅動電機。

根據本申請的一個方面，提供了一種基于工業互聯網的型材切割狀態監控方法，其包括步驟：

通過工業互聯網獲得部署在工業設備的端側的攝像頭所獲取的型材在切割過程當中的按時間順序的多個幀圖像，所述工業設備可通信地連接于所述工業互聯網；

將所述多個幀圖像分別通過卷積神經網絡以獲得按時間順序的多個特征圖；

計算所述多個特征圖中每兩個相鄰的特征圖之間的差分以獲得多個差分特征圖；

計算所述多個差分特征圖中每個差分特征圖的加權系數，以獲得多個加權系數，包括：計算每個所述差分特征圖的類Softmax的分類概率值，其中，所述類Softmax的分類概率值為第i個所述差分特征圖中各個位置的特征值的以自然常數為底的冪函數之和除以對第1到第i個所述差分特征圖中各個位置的特征值的以自然常數為底的冪函數之和再求和的合值；以及，計算所述類Softmax的分類函數值的信息熵以獲得對應于所述差分特征圖的加權系數，所述類Softmax的分類函數值的信息熵為取所述類Softmax的分類函數值的對數值的負值加上預定補償項；

以所述多個加權系數計算所述多個差分特征圖的加權和，以獲得分類特征圖；以及

將所述分類特征圖通過分類器以獲得分類結果，其中，所述分類結果用于表示型材切割過程當中的振動是否超過預定限度。