买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苍南县求是中医药创新研究院

摘要：本发明涉及生产线管理技术领域，具体涉及一种生产线实时检测放行系统，包括图像采集模块、图像处理模块、参数采集模块、数据综合分析模块、决策执行模块以及反馈优化模块；其中，图像采集模块：用于实时捕获生产线上产品的图像数据；图像处理模块：对图像进行分析；参数采集模块：实时收集生产线的运行参数；数据综合分析模块：判断标准是否放行产品；决策执行模块：自动控制放行装置启停。本发明，通过实现生产线上产品的实时监控、综合分析与参数自适应优化，以及高效的决策制定与自动化放行机制，显著提高了制造业的生产效率和产品质量，同时降低了生产成本，为制造业自动化和智能化升级提供了强有力的技术支持。

主权项：1.一种生产线实时检测放行系统，其特征在于，包括图像采集模块、图像处理模块、参数采集模块、数据综合分析模块、决策执行模块以及反馈优化模块；其中，图像采集模块：用于实时捕获生产线上产品的图像数据，并将该图像数据传输给图像处理模块；图像处理模块：接收图像采集模块传输的图像数据，应用预设的图像识别算法对图像进行分析，以识别产品表面缺陷、形状偏差的质量指标，并将识别结果传输给数据综合分析模块；所述图像处理模块包括图像解码单元、图像识别算法处理单元及结果输出单元；其中，图像解码单元：用于接收图像采集模块传输的图像数据，并进行解码处理，转换成供图像识别算法处理单元分析的标准格式，该图像解码单元支持多种图像数据格式的快速解码，能确保数据从采集到处理阶段的无缝对接和高效率传输；图像识别算法处理单元：采用注意力机制增强的CNN作为核心的图像识别算法，对解码后的图像数据进行分析，该算法通过引入注意力机制，能够自动识别并聚焦于图像中的区域，该区域包括产品表面的微小缺陷或形状偏差的质量指标，以提高识别的准确性和效率，注意力机制使模型在处理图像时，能够优先处理对最终识别结果有影响的图像部分，能有效提升模型对复杂或微小缺陷的检测能力；结果输出单元：用于接收图像识别算法处理单元分析后的结果，并将识别出的产品质量信息，包括缺陷类型、位置、严重程度，以结构化数据的形式输出给数据综合分析模块；所述图像识别算法处理单元具体包括：特征提取：先使用卷积神经网络层从解码后的图像数据中提取特征，具体包括卷积操作提取特征的计算公式为：Fij＝∑m∑nIi+mj+nKmn，其中，Fij是在特征图上位置i,j处的特征值；Ii+mj+n是输入图像在位置i+m，j+n处的像素值；Kmn是卷积核在m,n位置的权重值，卷积核用于提取图像的特征；m,n是卷积核的尺寸索引，用于遍历整个卷积核；注意力机制的应用：采用注意力机制模块对特征图进行加权，以突出特征并抑制不相关信息，注意力权重的计算具体通过Softmax函数实现，计算公式如下：其中，Aij是在特征图F上位置i,j处的注意力权重；是位置i,j处特征值Fij的指数函数值，用于计算注意力权重；k,l是索引，用于遍历特征图F上的所有位置，以计算分母中的总和；特征重加权：利用计算得到的注意力权重，对原始特征图进行重加权，强化模型对图像中缺陷或形状偏差区域部分的关注，具体特征重加权的计算公式为：Fij′＝Fij×Aij，其中，Fij′是加权后的特征图在位置i,j处的特征值，表示经过注意力机制加权后的特征点；Fij是未加权前，特征图上位置i,j处的特征值；Aij是该位置的注意力权重，决定了Fij在加权后特征图F′中的贡献度；分类与识别：最后，使用加权后的特征图进行产品缺陷的分类和识别；所述分类与识别的具体的步骤包括：首先，将加权后的特征图F′通过卷积层和池化层进行特征融合，以压缩特征空间并提取对分类决策更高层次特征，具体使用多个卷积和池化层组合进行处理，具体操作公式为：卷积操作：Fij″＝∑m∑nFi+mj+n′Kmn，池化操作：Pij＝maxFa:b,c:d″，其中，Fij″是经过卷积操作后在特征图上位置i,j处的特征值，代表了更高层次的图像特征；Fi+mj+n′是前一步骤中加权后的特征图在位置i+m,j+n处的特征值；Kmn是此次卷积操作中卷积核在m,n位置的权重值；Pij是池化操作后在特征图上位置i,j处的特征值；a:b,c:d为池化窗口覆盖的区域范围，用于在该范围内进行最大值池化操作；然后，将经过特征融合后的特征图通过全连接层，将高维的特征向量转换为每个类别对应的预测得分，全连接层的操作公式为：Yk＝∑iWkiPi+bk，其中，Yk是对应于第k个类别的预测得分，是全连接层的输出，用于表示图像属于每个类别的概率；Wki是全连接层中连接第i个输入节点和第k个输出节点的权重；Pi是来自前一层的第i个节点的输出值；bk是第k个输出节点的偏置项；最后，利用Softmax函数将预测得分转换为概率分布，用于最终的缺陷分类，Softmax函数的计算公式为：其中，Sk是属于第k个类别的概率；是第k个类别的预测得分Yk的指数；j是索引，遍历所有的类别，用于计算Softmax函数的分母，确保所有类别概率之和为1；参数采集模块：用于实时收集生产线的运行参数，将所述运行参数传输给数据综合分析模块；数据综合分析模块：接收图像处理模块和参数采集模块的输出数据，综合分析产品质量与生产线运行状态，根据预设的逻辑判断标准，确定是否放行产品，并将判断结果传输给决策执行模块；决策执行模块：根据数据综合分析模块的判断结果，自动控制放行装置启停，以确保只有符合质量标准的产品被放行；反馈优化模块：根据实际放行结果和生产线运行数据，对图像处理算法、产品质量判断标准及生产线运行参数的预设值进行自适应调整。

全文数据：

权利要求：

百度查询： 苍南县求是中医药创新研究院 一种生产线实时检测放行系统