[发明专利]基于云边端协同的工件表面粗糙度在线检测方法及系统

说明书

本发明涉及一种基于云边端协同的工件表面粗糙度在线检测方法及系统，其中工件表面粗糙度在线检测方法包括：智能粗糙度检测装置采集工件表面图像，并分别上传至云平台和智能终端；云平台构建粗糙度等级识别模型，并根据智能粗糙度检测装置采集的数据对模型进行训练，获得最优的粗糙度等级识别模型；智能终端利用云平台获取的最优粗糙度等级识别模型进行粗糙度等级识别，并将识别结果发送至智能粗糙度检测装置。与现有技术相比，本发明具有检测速度快、精度高、可信度高等优点。

技术领域

本发明涉及工件表面粗糙度检测技术领域，尤其是涉及一种基于云边端协同的工件表面粗糙度在线检测方法及系统。

背景技术

表面粗糙度是衡量被加工工件表面质量的一个重要指标，直接影响着被加工工件的寿命和使用性能。随着机械加工智能化水平的不断提高，许多机械零件由抽检改为必检，对表面粗糙度在线测量技术和设备提出了越来越高的要求，因此在生产过程中进行工件表面粗糙度的实时检测就显得十分的重要。传统的接触式测量方法在对工件表面的粗糙度进行测量时，既要保证测头与表面始终接触，又不能因此划伤工件表面和磨损测头。因此传统的接触式测量方法无法满足高精密、简单便捷的检测要求。

随着深度学习的不断发展，计算机视觉技术通过卷积神经网络能够自适应地提取工件表面图像的纹理特征，然后将特征传入人工智能领域的分类器，从而实现对工件表面粗糙度等级分类的目的；但在一般情况下，由于工业现场测试设备的计算资源有限，现有的深度卷积神经网络模型可能无法在工业现场直接进行粗糙度等级的识别或响应时间长；此外在粗糙度等级识别这一工业场景中，随着加工的进行，工件被加工表面的状态也会不断的发生变化，如果仅仅只用单一固定的模型去识别而不考虑模型后续的优化与更新，可能会对一些工件表面的粗糙度等级产生误识别的情况，从而影响工件实际的生产加工。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种检测速度快、精度高、可信度高的基于云边端协同的工件表面粗糙度在线检测方法及系统。

本发明的目的可以通过以下技术方案来实现：

一种基于云边端协同的工件表面粗糙度在线检测方法，所述的工件表面粗糙度在线检测方法包括：

步骤1：智能粗糙度检测装置采集工件表面图像，并分别上传至云平台和智能终端；

步骤2：云平台构建粗糙度等级识别模型，并根据智能粗糙度检测装置采集的数据对模型进行训练，获得最优的粗糙度等级识别模型；

步骤3：智能终端利用云平台获取的最优粗糙度等级识别模型进行粗糙度等级识别，并将识别结果发送至智能粗糙度检测装置。

优选地，所述的步骤1具体为：

步骤1-1：智能粗糙度检测装置采集多种加工方式下的粗糙度图像并构建粗糙度等级识别数据库；

步骤1-2：将数据库中的数据划分为训练集、验证集和测试集，并根据粗糙度等级图像制作粗糙度等级标签；

步骤1-3：将训练集和验证集上传至云平台，将测试集上传至智能终端。

更加优选地，所述的粗糙度等级识别数据库按照加工方式分类，加工方式包括车削、磨外圆、研磨、平磨、平铣和立铣。

更加优选地，所述的步骤2具体为：

步骤2-1：构建粗糙度等级识别模型；

步骤2-2：使用训练集中的图像以及粗糙度等级标签对粗糙度等级识别模型进行训练，获得粗糙度等级预测值；

步骤2-3：根据预测值与期望值之间的总误差并逐层返回，更新各层参数，循环迭代直至误差小于或等于期望值时完成模型训练并保存最优模型。