[发明专利]基于计算机视觉实现生产线装配流程行为监测的系统、方法、装置、处理器及其存储介质

权利要求书

1.一种基于计算机视觉实现生产线装配流程行为监测的系统，其特征在于，所述的系统包括：

图像检测处理模块，用于获取系统预设目标对象的视频帧图像；

目标识别处理模块，与所述的图像检测处理模块相连接，用于根据所述的预设目标对象的视频帧图像获取相应的预设目标对象的参数信息；

信息校准与存储处理模块，与所述的目标识别处理模块相连接，用于存储标准校准信息，并与获取到的预设目标对象的参数信息进行对比，得到相应的监测结果；

报警提示处理模块，与所述的信息校准与存储处理模块相连接，用于根据所述的信息校准与存储处理模块得到的监测结果，判断是否进行报警处理；以及

信息显示与提示处理模块，与所述的报警提示处理模块相连接，用于显示所述的报警提示处理模块监测到的错误信息，并根据所述的待校准信息给出正确的提示操作。

2.根据权利要求1所述的基于计算机视觉实现生产线装配流程行为监测的系统，其特征在于，所述的预设目标对象的视频帧图像具体包括：

配件类型图像、配件插座类型图像、服务器单板类型图像以及服务器单板状态图像。

3.根据权利要求2所述的基于计算机视觉实现生产线装配流程行为监测的系统，其特征在于，所述的标准校准信息具体包括：

配件类型标准信息、配件插座类型标准信息、服务器单板类型标准信息以及服务器单板状态标准信息。

4.一种利用权利要求3所述的系统实现基于计算机视觉的生产线装配流程行为监测的方法，其特征在于，所述的方法包括以下步骤：

(1)利用所述的图像检测处理模块，获取指定位置处的标准识别视频帧图像；

(2)将所述的标准识别视频帧图像进行数据标注，并将其输入到深度学习算法中进行参数训练，获取训练后的标准算法模型；

(3)系统预设目标对象开始工作，所述的图像检测处理模块获取所述的系统预设目标对象在装配过程中的待识别视频帧图像；

(4)将所述的待识别视频帧图像输入到YOLOv5深度神经网络，并根据预先训练好的所述的标准算法模型，获取当前各个部件的装配状态；

(5)根据所述的装配状态判断是否进行报警与提示处理，直至各个部件均满足安装需求后，完成行为监测。

5.根据权利要求4所述的实现基于计算机视觉的生产线装配流程行为监测的方法，其特征在于，所述的步骤(1)具体为：

利用所述的图像检测处理模块，获取当前所述的指定位置处的配件标准类型图像、配件插座标准类型图像、服务器单板标准类型图像以及服务器单板标准状态图像。

6.根据权利要求5所述的实现基于计算机视觉的生产线装配流程行为监测的方法，其特征在于，所述的步骤(2)具体包括以下步骤：

(2.1)将获取到所述的配件标准类型图像、配件插座标准类型图像、服务器单板标准类型图像以及服务器单板标准状态图像进行待识别区域的数据标注；

(2.2)将进行数据标注处理后的所述的配件标准类型图像、配件插座标准类型图像、服务器单板标准类型图像以及服务器单板标准状态图像输入到深度学习算法中进行标准参数训练，获取训练后的标准算法模型；

(2.3)将所述的标准算法模型作为后续监测实施阶段的对比参考。

7.根据权利要求6所述的实现基于计算机视觉的生产线装配流程行为监测的方法，其特征在于，所述的步骤(3)具体包括以下步骤：

(3.1)系统预设目标对象在指定位置上进行部件装配；

(3.2)所述的图像检测处理模块采集当前指定位置处的待识别视频帧图像，包括：配件类型图像、配件插座类型图像、服务器单板类型图像以及服务器单板状态图像。