[发明专利]前室预抽真空多用气氛渗氮炉工件识别系统

权利要求书

1.前室预抽真空多用气氛渗氮炉工件识别系统，包括前室预抽真空多用气氛渗氮炉本体、工控计算机、渗氮炉自动化执行模块、PLC、触摸显示屏、温度传感器、压力传感器、流量计、各种执行设备如泵、风机、加热执行单元、阀门；其特征在于：前室预抽真空多用气氛渗氮炉工件识别系统软件由工控计算机、工件检测模块、图像采集模块、图像识别模块、数据对比模块、数据调用模块、机器学习模块、云端数据库、手工录入模块、执行模块组成，与工控计算机相连接；硬件由红外传感器、摄像头、PLC、云服务器组成，其中：工件检测模块用来检测工件是否在渗氮炉工作台上；图像采集模块用来获取工件图片；图像识别模块用来识别图像中的工件；数据对比模块用于调用云端数据库中的工件数据并对比；数据调用模块用于在工件被识别出来后，从云端下载所有工件的数据及对应的工艺执行文件；机器学习模块、用于对云端数据库不存在的工件进行深度学习，并建立该工件的数据特征并上传到云端；手工录入模块用于对新的工件工艺数据和机器学习后的数据上传到云端或本地计算机；执行模块用于下载工件的工艺文件并调用工控计算机、执行后面的所有操作；工控计算机用于连接所有的模块并能调用执行工控计算机；工件检测模块硬件为红外传感器，所述红外传感器与工控计算机连接与数据传送方法为：红外传感器信号线接入PLC数据端子，红外传感器发出信号的被工件挡住时，输出高电平，高电平通过数据线输出到PLC,PLC 获取电平信号后，转化为数字量发送到 485 端口，并通过 485 数据线传送到到工控计算机的232 串口，工控计算机通过读取 232 串口缓冲区的数据，判断结果，如果为真，工控计算机给图像采集模块发送执行指令；图像采集模块至少包括一个摄像头，象素至少 200 万以上并带 LED 补光，图像采集模块包括摄像头初始化模块，摄像头视频流截图模块、图片预处理并存储模块组成，功能是获得工件图片，并通过预处理达到图像识别及深度学习的要求，图像采集模块按执行顺序包括摄像头图像读取、二值化、灰度、锐化、重置尺寸、本地存储操作，所述机器学习模块计算机程序方法为：程序主算法采用 YOLO 算法，通过机器自己识别标注与人工手动标注，通过损失函数反复训练机器，让机器能95%以上机率识别并标出工件时，建立工件数据字典，上传云端数据库，同时，工控计算机继续深度学习已存储在计算机中的图像，以进一步提高识别率到 99%以上，数据对比模块包括数据库连接与打开模块、数据查询模块，数据对比模块如果发现工件识别成功，则执行数据调用模块，如果识别失败，则进入机器学习模块；实施的工控计算机最低配置要达到以下要求：CPU 必须含有 AVX，AVX2 指令集；如采用 GPU 来运行算法，则显卡 GPU 算力至少要达到 3.5 以上；云端数据库用于储存工件的机器学习的结果，以及工件的完整执行工艺文件，工件的图纸及其他数据，通过工控计算机直接访问。

2.根据权利要求 1 所述的前室预抽真空多用气氛渗氮炉工件识别系统，所述工控计算机执行步骤为：Step1: 执行工件检测模块，判断结果，如果为 Y,跳转 step2，如果为 N，继续循环执行 step1； Step2:执行图像采集模块；Step3:执行图像识别模块，并通过数据对比模块进行现有工件数据对比，判断结果，如果为 Y，则跳转到 step4, 如果为 N，则跳转到 step5；Step4:数据调用模块，从云端下载工件数据到本地计算机，并跳转至 step7;Step5:机器学习模块，当训练到识别率在 95%以上时，上传到云端数据库并继续学习,其中需要人工输入时，调用 step6 手工输入数据；step6:手工录入模块，工件的数据及工艺文件、机器训练的数据手工方式录入云端数据库；Step7:执行模块，当工件正确被视觉识别出来，从云端下载工件工艺执行文件到本地并调用工控机，完成整个工件渗氮自动化控制过程； Step8:跳转到step1,继续循环判断。