基于边缘计算的铸管感算控一体化智能视觉方案

1、基于边缘计算的铸管感算控一体化智能视觉解决方案技术创新，变革未来技术背景解决方案 应用评价未来推广目录第一部分技术背景新需求：铸件全自动质检识别动作规划+逻辑控制 自动生成人工识别费时费力传统工业视觉识别准确率太低识别机构不支持混合管径定位与动态动作规划项目背景不同种规格的铸管字符示例。通过3D激光轮廓仪成像的铸管字符示例。经现场验证：传统OCR字符识别技术都无法稳定、有效的定 位和识别铸管铸字。第二部分解决方案组件：模块化台套装备铸管内壁D6面字符识别设备砂芯&砂芯垛字符识别设备3D视觉&2D视觉面向铸管行业不同工位的场景需求，设计了多套专机设备方案MQTT接口配置驱动上传驱动配置（plc示

2、例）数采管理实时数据校验存储模式配置存储基本配置驱动管理OPCUA接口配 置组件：底层设备数据网关组件：机器人动作快速校验仿真工具组件：机器人基础内核库函数名称输入接口输出接口功能描述SIAR_PowerEnable（bool）State（int）选择电源开关SIAR_ResetEnable（bool）State（int）通过释放所有轴的内部错误回复到初始状态SIAR_DisableEnable（bool）State（int）将状态从 Standstill 改变至 DisabledSIAR_EnableEnable（bool）State（int）将状态从Disabled 改变至 Standst

3、illSIAR_ReadStatusEnable（bool）State（int）从状态图获取状态SIAR_ReadAxisErrorEnable（bool）State（int）返回所有轴的驱动错误代码SIAR_ErrorDescriptionEnable（bool）State（str）返回给出的错误代码的描述SIAR_ReadActualPositionCSEnable（bool）CSN（int） RAP（struct）返回一组选择的坐标框架的真实的位置数值（包括末端、工具等）SIAR_ReadActualVelocityCSEnable（bool）CSN（int） RAV（struct）返回

4、一组选择的坐标框架的真实的速度数值（包括末端、工具等）SIAR_ReadActualPositionEnable（bool）RAxisP（struct）返回各轴的真实的位置数值SIAR_ReadActualVelocityEnable（bool）RAxisV（struct）返回各轴的真实的速度数值SIAR_SetPositionEnable（bool）CSN（int） State（int）改变坐标系统PCS函数名称输入接口输出接口功能描述SIAR_HaltEnable（bool）State（int）停止移动并改变状态至 StandstillSIAR_HomeEnable（bool）State（

5、int）寻找原点SIAR_MoveCircularAbsoluteEnable（bool）Pos（struct） State（int）使用圆心和半径的方式使轴进行原型运动至一绝对位置SIAR_MoveLinearAbsoluteEnable（bool）Pos（struct） State（int）使轴以直线的方式运动到一特殊的绝对位置SIAR_MoveLinearVelocityEnable（bool）Pos（struct） State（int）使轴以一个特殊的速度进行直线运动SIAR_StopEnable（bool）State（int）通过斜坡和传送Stopping状态来停止运动SIAR_To

6、uchProbeEnable（bool）State（int）Pos（struct）在触发事件中记录位置二、运动控制类函数通过规范化总线接口、抽象设备访问接口封装机器人核心库，为系统应用层框架提供42个辅助类函数和21个运动控制类函数。一、辅助类函数智能定位字符图像截取：切分2D长条图像。图像预处理：灰度化，对比度增强，反相。字符区域定位：两个17层YOLOv3网络进行定位、截取和确认。第1个YOLOv3检测大图中的字符区域。截取包含三字符的小图。第2个YOLOv3确认小图中包含三字符。解决方案关键技术任务网络训练集验证集验证集评估说明砂芯刻字图片 分类MobileNetV3 Large10,1

7、27900Acc=95.8%准确度与推理速度的平 衡砂芯字符定位Mask RCNN, ResNet50-vd-FPN2,3711,015AP=89.1%铸管字符曾使用EAST进 行定位测试，效果不佳。砂芯字符识别RARE, ResNet34-vd3,0541,354Acc=99%使用铸管字符识别的网 络铸管字符识别RARE, ResNet34-vd3,4741,544Acc=98.6%RARE与CTC对比，选 择RARE基于边缘CNN的字符识别两套基于CNN的OCR字符识别系统共同识别第一套：基于11层CNN的深度学习OCR系统。第二套：基于17层CNN的深度学习OCR系统。因为两系统错误模式

8、不同，第二套系统设置高置 信度阈值，进行第一次识别，若出现低置信度结 果，将图片交给第一套系统进行第二次识别。解决方案关键技术PLC和机器人实时运动路径规划和代码生成边缘网关实时数据采集边缘侧调用工艺包实时计算机器人运动路径规划可视化生成运动控制逻辑自动生成PLC和机器人能识别的控制代码仿真解决方案关键技术基于微服务算法库的字符定位和识别定位字符区域图像亮度不均匀字符区域与背景对比度低字符区域形状变形识别字符字符模糊字符与背景对比度低三字符亮度偏差大，不易 进行图像预处理各图片间字符亮度差距大图片背景噪音大解决方案关键技术感传算控一体化智能视觉开发技术感知传输计算控制获取实时状态数据、视觉图像

9、、 铸管规格、定位信息、寻边信 息每次识别前的数据传输约300M， 通过标准化协议传输给IoT网关利用边缘AI算力，对铸管进行 定位、寻边；对字符进行定位、识别计算将计算结果转化为PLC控制逻辑，反 馈并调度工业机器人和视觉工作， 并呈现识别结果解决方案关键技术解决方案软件方案铸件字符识别设备柔性适配多型号80-1000直径铸管混流生产基于不同管径自动规划轨迹执行字符训练自我不断进化，识别率98%以上现场视频直径300内壁扫描直径1000内壁扫描解决方案第三部分评价指标对比日本久保田、法国穆松桥等行业龙头，实现了行业首个智 能视觉识别检测解决方案，并实现了多种行业推广。边缘智能网关集成模块化算法库与工艺包，快速替换与升级运 行，缩短部署周期90%。围绕机器人化智能作业场景，实现轨迹规划、自动化控制、视 觉算法、IT软件一体化开发，减少开发成本50%以上。先进性与创新性第四部分推广方向示范和推广意义纵向扩展：基于边缘计算的铸