本发明涉及产品质量管理领域，具体涉及一种产品质量管理系统。
背景技术：
产品质量控制是企业为生产合格产品和提供顾客满意的服务和减少无效劳动而进行的控制工作。
目前，现有的产品质量管理方式大多基于人为监控实现，费时费力的同时，很容易产生监控漏洞，从而大大影响了产品批次的整体质量。
技术实现要素：
为解决上述问题，本发明提供了一种产品质量管理系统，实现了产品质量的全面管理监控，从而保证了产品批次的整体质量
为实现上述目的，本发明采取的技术方案为：
一种产品质量管理系统，包括：
机械工作流程生成模块，用于根据产品的设计参数实现生产机械工作流程的输出；
标准模型生成模块，用于根据设计参数以及机械工作流程实现每一个步骤完成后的产品图像的获取；
产品监测模块，用于在每一个步骤完成后采集产品的外形图像，并基于采集到的图片以及对应的标准模型图像实现产品外形的预检测，剔除不符合标准的产品；
质检模块，用于完成产品的质检，并为每一个产品配置一携带质检结果的标签。
进一步地，还包括：
工况录制模块，用于录制生产机械的工况数据，包括工作状态视频数据以及生产机械内载各作动部件工作参数；该工作参数包括工作状态和该状态发生的时间；
故障质检模块，在生产机械发生故障时启动，用于实现当前产品图像的采集、检测，剔除存在不可修复缺陷的产品；
机械工作流程调整模块，以故障前一秒的生产机械内载各作动部件工作参数为基准生成新的生产机械工作流程。
进一步地，还包括：
原材料检测模块，用于实现原材料外形的检测。
进一步地，还包括：
原材料分类模块，用于根据原材料检测模块的检测结果实现原材料的分类，并剔除落入预设门限的原材料。
进一步地，还包括：
原材料标准化模块，用于实现原材料的预处理。
进一步地，还包括：
工况评估模块，用于实现工况数据的评估，当评估结果落入预设的门限时，预警模块启动。
进一步地，所述产品监测模块采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理；采用迭代自适应阈值分割法进行图像二值化处理，基于连通分量的形态学区域特征去除小面积杂点噪声；并基于连通分量外接矩形的长宽比进行零部件形状识别。
进一步地，所述故障质检模块采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理；采用迭代自适应阈值分割法进行图像二值化处理，基于连通分量的形态学区域特征去除小面积杂点噪声；基于dsod算法实现图像中缺陷的检测，基于inceptionv2深度模型输出缺陷识别结果。
本发明具有以下有益效果：
实现了产品质量的全面管理监控，从而保证了产品批次的整体质量。
附图说明
图1为本发明实施例一种产品质量管理系统的系统框图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
如图1所示，本发明实施例提供了一种产品质量管理系统，包括：
原材料检测模块，用于实现原材料外形的检测，具体地，采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理；采用迭代自适应阈值分割法进行图像二值化处理，基于连通分量的形态学区域特征去除小面积杂点噪声；并基于连通分量外接矩形的长宽比进行原材料形状识别，并基于dsod算法实现图像中缺陷的检测，基于inceptionv2深度模型输出缺陷识别结果；
原材料分类模块，用于根据原材料检测模块的检测结果采用最近邻分类器实现原材料的分类，并剔除落入预设门限的原材料；该门限内的原材料为尺寸小于预设门限的，或者原材料上存在目标缺陷的；
原材料标准化模块，用于实现原材料的预处理，比如形状的标准化、打磨、抛光等操作。
机械工作流程生成模块，用于根据产品的设计参数实现生产机械工作流程的输出；
标准模型生成模块，用于根据设计参数以及机械工作流程实现每一个步骤完成后的产品图像的获取；
产品监测模块，用于在每一个步骤完成后采集产品的外形图像，并基于采集到的图片以及对应的标准模型图像实现产品外形的预检测，剔除不符合标准的产品；具体的，所述产品监测模块采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理；采用迭代自适应阈值分割法进行图像二值化处理，基于连通分量的形态学区域特征去除小面积杂点噪声；并基于连通分量外接矩形的长宽比进行零部件形状识别；
质检模块，用于完成产品的质检，并为每一个产品配置一携带质检结果的标签；该标签可采用二维码标签，通过二维码识别装置可以实现质检结果的获取；
工况录制模块，用于录制生产机械的工况数据，包括工作状态视频数据以及生产机械内载各作动部件工作参数；该工作参数包括工作状态和该状态发生的时间；
故障质检模块，在生产机械发生故障时启动，用于实现当前产品图像的采集、检测，剔除存在不可修复缺陷的产品；具体的，所述故障质检模块采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理；采用迭代自适应阈值分割法进行图像二值化处理，基于连通分量的形态学区域特征去除小面积杂点噪声；基于dsod算法实现图像中缺陷的检测，基于inceptionv2深度模型输出缺陷识别结果；
机械工作流程调整模块，以故障前一秒的生产机械内载各作动部件工作参数为基准生成新的生产机械工作流程。首先，根据生产机械内载各作动部件工作参数推算目前工作流程步骤，然后以当前的工作流程步骤为起点继续之前的生成机械工作流程；
工况评估模块，用于实现工况数据的评估，当评估结果落入预设的门限时，预警模块启动，还评估包括两个方面，其中一个方面根据工作状态视频数据实现，另一方面根据生产机械内载各作动部件工作参数实现，前者，调用视频取帧脚本，每隔一定帧数获取一张图像，基于dsod_inception_v2_coco模型判断图像中是否存在异常，该模型采用dsod检测算法，用coco数据集预训练inceptionv2深度神经网络。然后用先前准备好的数据集训练该模型，微调深度神经网络中的各项参数，最后得到合适的用于检测产品异常和生产机械异常的目标检测模型。后者，调用bp神经网络模型基于生产机械内载各作动部件工作参数实现评估；该预警模块包括现场蜂鸣报警器和短信自动编辑发送模块，短信自动编辑发送模块用于实现预警短信的发送。
中央处理器，用于协调上述模块工作。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
1.一种产品质量管理系统，其特征在于：包括：
机械工作流程生成模块，用于根据产品的设计参数实现生产机械工作流程的输出；
标准模型生成模块，用于根据设计参数以及机械工作流程实现每一个步骤完成后的产品图像的获取；
产品监测模块，用于在每一个步骤完成后采集产品的外形图像，并基于采集到的图片以及对应的标准模型图像实现产品外形的预检测，剔除不符合标准的产品；
质检模块，用于完成产品的质检，并为每一个产品配置一携带质检结果的标签。
2.如权利要求1所述的一种产品质量管理系统，其特征在于：还包括：
工况录制模块，用于录制生产机械的工况数据，包括工作状态视频数据以及生产机械内载各作动部件工作参数；该工作参数包括工作状态和该状态发生的时间；
故障质检模块，在生产机械发生故障时启动，用于实现当前产品图像的采集、检测，剔除存在不可修复缺陷的产品；
机械工作流程调整模块，以故障前一秒的生产机械内载各作动部件工作参数为基准生成新的生产机械工作流程。
3.如权利要求1所述的一种产品质量管理系统，其特征在于：还包括：
原材料检测模块，用于实现原材料外形的检测。
4.如权利要求1所述的一种产品质量管理系统，其特征在于：还包括：
原材料分类模块，用于根据原材料检测模块的检测结果实现原材料的分类，并剔除落入预设门限的原材料。
5.如权利要求1所述的一种产品质量管理系统，其特征在于：还包括：
原材料标准化模块，用于实现原材料的预处理。
6.如权利要求1所述的一种产品质量管理系统，其特征在于：还包括：
工况评估模块，用于实现工况数据的评估，当评估结果落入预设的门限时，预警模块启动。
7.如权利要求1所述的一种产品质量管理系统，其特征在于：所述产品监测模块采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理；采用迭代自适应阈值分割法进行图像二值化处理，基于连通分量的形态学区域特征去除小面积杂点噪声；并基于连通分量外接矩形的长宽比进行零部件形状识别。
8.如权利要求1所述的一种产品质量管理系统，其特征在于：所述故障质检模块采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理；采用迭代自适应阈值分割法进行图像二值化处理，基于连通分量的形态学区域特征去除小面积杂点噪声；基于dsod算法实现图像中缺陷的检测，基于inceptionv2深度模型输出缺陷识别结果。
技术总结