(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111324674.3 (22)申请日 2021.11.10 (66)本国优先权数据 202110909236.7 2021.08.09 CN (71)申请人 承德石油高等专科 学校 地址 067001 河北省承 德市高新 技术产业 开发区学院路2号 申请人 承德众恒科技有限公司 (72)发明人 王冠群　 (74)专利代理 机构 合肥市科融知识产权代理事 务所(普通 合伙) 34126 代理人 刘冉 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 30/00(2012.01)G06Q 50/04(2012.01) G06N 20/00(2019.01) (54)发明名称 基于深度学习的钢厂无人车间监控方法和 系统 (57)摘要 本发明适用于无人车间技术领域， 提供了一 种基于深度学习的钢厂无人车间监控方法和系 统， 所述方法包括以下步骤： 对加工完成的产品 进行质量监控， 生成质量检测信息； 对质量检测 信息进行判定； 当学习式处理模 型判定结果为可 返工时， 使得产品转移至加工工位； 对返工质量 检测信息进行判定； 生成返工信息并将返工信息 发送至学习式处理模型， 以使得学习式处理模型 不断更新。 本发明通过学习式处理模型的设置， 能够对判定不合格的产品进行二次判定， 当学习 式处理模型的二次判定结果为可返工时， 使 得产 品转移至加工工位， 对返工完成的产品进行质量 监控以实现闭环， 另外学习式处理模 型根据返工 信息不断更新， 学习式处理模型的判定结果更加 有效。 权利要求书3页 说明书8页 附图5页 CN 114037277 A 2022.02.11 CN 114037277 A 1.一种基于深度学习的钢厂无 人车间监控方法， 其特 征在于， 所述方法包括以下步骤： 对加工完成的产品进行产品信息读取和质量 监控， 生成质量检测信息； 对质量检测信 息进行判定， 当质量检测信 息为合格时， 使得产品转移至合格区； 当质量 检测信息为不合格时， 将质量检测信息发送至学习式处理模型， 以使得学习式处理模型对 质量检测信息进行二次判定； 当学习式处理模型判定结果为不可返工时， 使得产品转移至报废区； 当学习式处理模 型判定结果 为可返工时， 使得产品转移至加工 工位； 对返工完成的产品进行产品信息读取和质量 监控， 生成返工质量检测信息； 对返工质量检测信息进行判定， 当返工质量检测信息为合格时， 使得返工产品转移至 合格区； 当返工质量检测信息为 不合格时， 使得返工产品转移至报 废区； 生成返工信息并将返工信息发送至学习式处理模型， 以使得学习式处理模型不断更 新。 2.根据权利要求1所述一种基于深度 学习的钢 厂无人车间监控方法， 其特征在于， 所述 将质量检测信息发送至学习式处理模型， 以使得学习式处理模型对质量检测信息进行二次 判定的步骤， 具体包括： 将质量检测信 息发送至学习式处理模型， 所述质量检测信 息包括产品信 息和检测不合 格项目信息； 根据质量检测信息中的产品信息， 调出学习式处理模型中的检测项目数据库， 所述检 测项目数据库包括 不合格项目和判定结论； 将质量检测信息中的检测不合格项目信息与所述项目数据库进行匹配， 生成判定结 果。 3.根据权利要求1所述一种基于深度 学习的钢 厂无人车间监控方法， 其特征在于， 所述 当学习式处 理模型判定结果 为可返工时， 使得产品转移至加工 工位的步骤， 具体包括： 当学习式处理模型判定结果为可返工时， 向无人运输车发送将产品运输至转存区的返 工转移指令； 发送返工指令， 以使得无人运输车根据返工指令将返工产品从转存区运输至加工工 位。 4.根据权利要求2所述一种基于深度 学习的钢 厂无人车间监控方法， 其特征在于， 所述 生成返工信息并将返工信息发送至学习式处理模型， 以使得学习式处理模 型不断更新的步 骤， 具体包括： 生成返工信息， 所述返工信息包括产品信息、 检测不合格项目信息以及返工质量检测 结果； 将返工信 息发送至学习式处理模型， 根据产品信 息调出学习式处理模型中的检测项目 数据库； 根据检测不合格项目信 息和返工质量检测结果， 对所述检测项目数据库中的判定结论 进行更新。 5.根据权利要求4所述一种基于深度 学习的钢 厂无人车间监控方法， 其特征在于， 所述 根据检测不合格项目信息和返工质量检测结果， 对所述检测项目数据库中的判定结论进 行 更新的步骤， 具体包括：权　利　要　求　书 1/3 页 2 CN 114037277 A 2根据检测不合格项目信息和返工质量检测结果， 得到返工合格率， 所述返工合格率为 返工质量检测结果 为合格的次数与所述检测不 合格项目信息总次数的比值； 当返工合格率大于或者等于预设合格值 时， 检测项目数据库中对应不合格项目的判定 结论保持不变； 当返工合格率小于预设值 时， 检测项目数据库中对应不合格项目的判定结论由可返工 更新为不可返工 。 6.根据权利要求5所述一种基于深度 学习的钢 厂无人车间监控方法， 其特征在于， 所述 根据检测不 合格项目信息和返工质量检测结果， 得到返工合格率的步骤 还包括： 对返工合格率的有 效性进行判定， 当所述检测不合格项目信 息总次数大于等于预设次 数值时， 则返工合格率有效， 继续下一步骤； 当所述检测不合格项目信息总次数小于预设次 数值时， 则返工合格率无效， 检测项目数据库中对应不 合格项目的判定结论保持不变。 7.一种基于深度学习的钢厂无 人车间监控系统， 其特 征在于， 所述系统包括： 质量监控模块， 用于对加工完成的产品进行产品信息读取和质量监控， 生成质量检测 信息； 质量检测信 息判定模块， 用于对质量检测信 息进行判定， 当质量检测信息为合格时， 使 得产品转移至合格区； 当质量检测信息为不合格时， 将质量检测信息发送至学习式处理模 型， 以使得 学习式处 理模型对质量检测信息进行二次判定； 二次判定模块， 当学习式处理模型判定结果为不可返工时， 使得产品转移至报废区； 当 学习式处 理模型判定结果 为可返工时， 使得产品转移至加工 工位； 返工质量监控模块， 用于对返工完成的产品进行产品信息读取和质量监控， 生成返工 质量检测信息； 返工质量检测信息判定模块， 用于对返工质量检测信息进行判定， 当返工质量检测信 息为合格时， 使得返工产品转移至合格区； 当返工质量检测信息为不合格时， 使得返工产品 转移至报 废区； 以及 学习式处理模型更新模块， 用于生成返工信息并将返工信息发送至学习式处理模型， 以使得学习式处 理模型不断更新。 8.根据权利要求7所述一种基于深度 学习的钢 厂无人车间监控系统， 其特征在于， 所述 质量检测信息判定模块包括： 质量检测信息发送单元， 用于将质量检测信息发送至学习式处理模型， 所述质量检测 信息包括产品信息和检测不 合格项目信息； 检测项目数据库调用单元， 用于根据质量检测信息中的产品信息， 调出学习式处理模 型中的检测项目数据库， 所述检测项目数据库包括 不合格项目和判定结论； 以及 判定结果生成单元， 用于将质量检测信 息中的检测不合格项目信 息与所述项目数据库 进行匹配， 生成判定结果。 9.根据权利要求7所述一种基于深度 学习的钢 厂无人车间监控系统， 其特征在于， 所述 二次判定模块包括： 返工转移指令发送单元， 当学习式处理模型判定结果为可返工时， 向无人运输车发送 将产品运输 至转存区的返工转移指令； 以及 返工指令发送单元， 用于发送返工指令， 以使得无人运输车根据返工指令将返工产品权　利　要　求　书 2/3 页 3 CN 114037277 A 3