一种抽检控制方法及设备

技术领域

本发明涉及生产控制技术，尤其涉及一种产线上的抽检控制方法及设备。

背景技术

服务器/笔记本生产流水线的员工每天都进行重复性的单一工作，员工的心情指数健康程度同样也影响着每个员工的工作质量，从而影响产品的质量。员工工作期间的心情会受内/外界的各种因素影响，例如，操作工艺容易程度，工作单一性，与同事之间的关系变化等都可能影响员工一天心情变换。由于流水线员工数量较多，现有人员管理上无法做到精细化管理员工的情绪变化，员工心情的变化往往会直接影响工作质量；尤其当员工心情指数总体低落的时候，应该触发警报调整产品的质量抽检比例。

发明内容

本发明实施例提供了一种抽检控制方法及设备，能够有效提升产品抽检的准确性和可靠性。

根据本发明第一方面，提供了一种抽检控制方法，该方法包括：定位指定产线上的目标对象；采集所述目标对象的图像信息；基于所述图像信息确定所述指定产线的产品抽检率；在抽检环节按照所述产品抽检率进行产品抽检。

根据本发明一实施方式，基于所述图像信息确定所述指定产线的产品抽检率，包括：根据所述图像信息构建图像序列信息；将所构建的图像序列信息作为质检级别分类网络的输入进行分类预测，得到用于表征所述指定产线的质检级别的分类预测结果；根据所述指定产线的质检级别确定产品抽检率。

根据本发明一实施方式，根据所述图像信息构建图像序列信息，包括：对所采集的目标对象的图像信息进行特征提取，得到n维图像特征，n的取值为大于1的正整数；构建包括所述n维图像特征对应向量的图像序列信息。

根据本发明一实施方式，根据所述指定产线的质检级别确定产品抽检率，包括：判断所述指定产线的质检级别是否高于质检级别阈值；若所述指定产线的质检级别高于质检级别阈值，则将所述指定产线的质检级别对应抽检率确定为产品抽检率。

根据本发明一实施方式，所述方法还包括：获取所述目标对象的历史图像序列信息及对应的历史质检级别，所述历史图像序列信息为根据所述目标对象的历史图像信息所构建的图像序列信息；将所述历史图像信息与历史质检级别作为训练数据集进行质检级别分类网络的训练。

根据本发明一实施方式，在抽检环节按照所述产品抽检率进行产品抽检之后，所述方法还包括：检测所述指定产线的当前质检级别；将所构建的图像序列信息和当前质检级别作为训练数据集进行质检级别分类网络的优化训练。

根据本发明第二方面，还提供了一种抽检控制设备，所述设备包括：定位模块，用于定位指定产线的目标对象；采集模块，用于采集所述目标对象的图像信息；确定模块，用于基于所述图像信息确定所述指定产线的产品抽检率；抽检模块，用于在抽检环节按照所述产品抽检率进行产品抽检。

根据本发明一实施方式，所述确定模块包括：构建单元，用于根据所述图像信息构建图像序列信息；分类预测单元，用于将所构建的图像序列信息作为质检级别分类网络的输入进行分类预测，得到用于表征所述指定产线的质检级别的分类预测结果；确定单元，用于根据所述指定产线的质检级别确定产品抽检率。

根据本发明一实施方式，所述构建单元，具体用于对所采集的目标对象的图像信息进行特征提取，得到n维图像特征，n的取值为大于1的正整数；构建包括所述n维图像特征对应向量的图像序列信息。

根据本发明一实施方式，所述确定单元，具体用于判断所述指定产线的质检级别是否高于质检级别阈值；若所述指定产线的质检级别高于质检级别阈值，则将所述指定产线的质检级别对应抽检率确定为产品抽检率。

根据本发明一实施方式，所述设备还包括：获取模块，用于获取所述目标对象的历史图像序列信息及对应的历史质检级别，所述历史图像序列信息为根据所述目标对象的历史图像信息所构建的图像序列信息；网络训练模块，用于将所述历史图像序列信息与历史质检级别作为训练数据集进行质检级别分类网络的训练。

根据本发明一实施方式，所述设备还包括：检测模块，用于检测所述指定产线的当前质检级别；优化模块，用于将所构建的图像序列信息和当前质检级别作为训练数据集进行质检级别分类网络的优化训练。

根据本发明第三方面，又提供了一种抽检控制设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述任一抽检控制方法。

本发明实施例抽检控制方法及设备，首先定位指定产线上的目标对象，之后采集目标对象的图像信息，接着基于图像信息确定指定产线的产品抽检率，进而在抽检环节按照所确定的抽检率进行产品抽检。如此，本发明通过对指定产线上的目标对象的图像采集，并结合所采集的图像信息进行产品抽检率的精准确定，从而有效提升产品抽检的准确性和可靠性。

需要理解的是，本发明的教导并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本发明的其他实施方式还能够实现上面未提到的有益效果。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

在附图中，相同或对应的标号表示相同或对应的部分。

图1示出了本发明一实施例抽检控制方法的实现流程示意图；

图2示出了本发明另一实施例抽检控制方法的实现流程示意图；

图3示出了本发明又一实施例抽检控制方法的实现流程示意图；

图4示出了本发明一实施例抽检控制设备的组成结构示意图；

图5示出了本发明另一实施例抽检控制设备的组成结构示意图；

图6示出了本发明又一实施例抽检控制设备的组成结构示意图；

图7示出了本发明再一实施例抽检控制设备的组成结构示意图。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为使本发明更加透彻和完整，并能够将本发明的范围完整地传达给本领域的技术人员。

下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。

图1示出了本发明一实施例抽检控制方法的实现流程示意图。

本发明实施例提供了一种抽检控制方法，如图1所示，该方法包括：操作101，定位指定产线上的目标对象；操作102，采集所述目标对象的图像信息；操作103，基于所述图像信息确定所述指定产线的产品抽检率；操作104，在抽检环节按照所述产品抽检率进行产品抽检。

在操作101之前，抽检控制设备可以基于系统后台的员工身份注册信息和员工人脸识别服务，实现员工的身份识别。

在操作101，抽检控制设备通过摄像头定位指定产线上的目标对象，如所有工位员工或核心工位员工。

其中，指定产线即待测试产线，如服务器/笔记本等电子设备的生产流水线，或用于生产服务器/笔记本等电子设备的不同组成部件的生产流水线。所述指定产线可以是基于产线标识所确定的产线，也可以是基于待抽检产品所确定的产线。

在操作102，抽检控制设备在完成目标对象的定位后，即可进一步通过摄像头采集目标对象的图像信息。

其中，目标对象的图像信息可以是标注工位员工心情的表情图像，如积极(高兴)、中性和消极(不开心)等多种表情图像；目标对象的图像信息还可以是标注工位员工身体状况的体征图像，如健全和非健全(近视、身体局部受伤)等体征图像。

在操作103，抽检控制设备基于图像信息确定指定产线的产品抽检率。

具体地，抽检控制设备首先根据所述图像信息构建图像序列信息；进一步将所构建的图像序列信息作为质检级别分类网络的输入进行分类预测，得到用于表征所述指定产线的质检级别的分类预测结果；最后根据所述指定产线的质检级别确定产品抽检率。

其中，指定产线的质检级别通常根据一定时间内产线未通过质检的机器数量来确定，如质检级别1表征未通过质检的机器数量相对较少，级别5表征未通过质检的机器数量相对较多。

这里，质检级别数可以根据实际准确率计算要求进行预先设置，如5级；每一质检级别对应未通过质检的机器数量的大小也可以根据实际需求进行预先设定。

操作104，在抽检环节抽检控制设备将按照所确定的产品抽检率进行产品抽检。如此，本发明通过对指定产线上的目标对象的图像采集，并结合所采集的图像信息进行产品抽检率的精准确定，从而有效提升产品抽检的准确性和可靠性。

图2示出了本发明另一实施例抽检控制方法的实现流程示意图。

本发明实施例还提供了一种抽检控制方法，如图2所示，该方法包括：操作201，定位指定产线上的目标对象；操作202，采集所述目标对象的图像信息；操作203，根据所述图像信息构建图像序列信息；操作204，将所构建的图像序列信息作为质检级别分类网络的输入进行分类预测，得到用于表征所述指定产线的质检级别的分类预测结果；操作205，根据所述指定产线的质检级别确定产品抽检率；操作206，在抽检环节按照所述产品抽检率进行产品抽检。

在操作201之前，抽检控制设备可以基于系统后台的员工身份注册信息和员工人脸识别服务，实现员工的身份识别。

在操作201，抽检控制设备通过摄像头定位指定产线上的目标对象，如所有工位员工或核心工位员工。

其中，指定产线即待测试产线，如服务器/笔记本等电子设备的生产流水线，或用于生产服务器/笔记本等电子设备的不同组成部件的生产流水线。所述指定产线可以是基于产线标识所确定的产线，也可以是基于待抽检产品所确定的产线。

在操作202，抽检控制设备在完成目标对象的定位后，即可进一步通过摄像头采集目标对象的图像信息。

其中，目标对象的图像信息可以是标注工位员工心情的表情图像，如积极(高兴)、中性和消极(不开心)等多种表情图像；目标对象的图像信息还可以是标注工位员工身体状况的体征图像，如健全和非健全(近视、身体局部受伤)等体征图像。

在操作203，抽检控制设备首先对所采集的目标对象的图像信息进行特征提取，得到n维图像特征，n的取值为大于1的正整数；进一步构建包括所述n维图像特征对应向量的图像序列信息。

在一示例中，以目标对象的图像信息为标注工位员工心情的表情图像为例，基于图像信息进行特征提取，得到n维图像特征；进一步构建包括所述n维图像特征对应向量V＝{v1,v2,…,vn}的图像序列信息，如定位了m个目标对象，对应构建m个V＝{v1,v2,…,vn}的的图像序列信息。

在操作204，抽检控制设备将所构建的图像序列信息作为质检级别分类网络的输入进行分类预测，得到用于表征所述指定产线的质检级别的分类预测结果。

其中，质检级别分类网络为根据指定产线的历史信息训练基于一维CNN的分类网络；质检级别分类网络的输入为m个n维的员工表情向量V＝{v1,v2,…,vn}，质检级别分类网络的输出为产线的质检级别。

在操作205，抽检控制设备首先判断所述指定产线的质检级别是否高于质检级别阈值；若所述指定产线的质检级别高于质检级别阈值，则将所述指定产线的质检级别对应抽检率确定为产品抽检率。这里，质检级别越高，对应的抽检率越高。

操作206，在抽检环节抽检控制设备将按照所确定的产品抽检率进行产品抽检。如此，本发明通过对指定产线上的目标对象的图像采集，并结合所采集的图像信息进行产品抽检率的精准确定，从而有效提升产品抽检的准确性和可靠性。

图3示出了本发明又一实施例抽检控制方法的实现流程示意图。

本发明实施例又提供了一种抽检控制方法，如图3所示，该方法包括：操作301，定位指定产线上的目标对象；操作302，采集所述目标对象的图像信息；操作303，根据所述图像信息构建图像序列信息；操作304，将所构建的图像序列信息作为质检级别分类网络的输入进行分类预测，得到用于表征所述指定产线的质检级别的分类预测结果；操作305，根据所述指定产线的质检级别确定产品抽检率；操作306，在抽检环节按照所述产品抽检率进行产品抽检；操作307，检测所述指定产线的当前质检级别；操作308，将所构建的图像序列信息和当前质检级别作为训练数据集进行质检级别分类网络的优化训练。

在操作301之前，抽检控制设备可以基于系统后台的员工身份注册信息和员工人脸识别服务，实现员工的身份识别。

在操作301，抽检控制设备通过摄像头定位指定产线上的目标对象，如所有工位员工或核心工位员工。

其中，指定产线即待测试产线，如服务器/笔记本等电子设备的生产流水线，或用于生产服务器/笔记本等电子设备的不同组成部件的生产流水线。所述指定产线可以是基于产线标识所确定的产线，也可以是基于待抽检产品所确定的产线。

在操作302，抽检控制设备在完成目标对象的定位后，即可进一步通过摄像头采集目标对象的图像信息。

其中，目标对象的图像信息可以是标注工位员工心情的表情图像，如积极(高兴)、中性和消极(不开心)等多种表情图像；目标对象的图像信息还可以是标注工位员工身体状况的体征图像，如健全和非健全(近视、身体局部受伤)等体征图像。

在操作303，抽检控制设备首先对所采集的目标对象的图像信息进行特征提取，得到n维图像特征，n的取值为大于1的正整数；构建包括所述n维图像特征对应向量的图像序列信息。

在一示例中，以目标对象的图像信息为标注工位员工心情的表情图像为例，基于图像信息进行特征提取，得到n维图像特征；进一步构建包括所述n维图像特征对应向量V＝{v1,v2,…,vn}的图像序列信息，如定位了m个目标对象，对应构建m个V＝{v1,v2,…,vn}的的图像序列信息。

在操作304之前，所述方法还包括：抽检控制设备获取所述目标对象的历史图像序列信息及对应的历史质检级别，所述历史图像序列信息为根据所述目标对象的历史图像信息所构建的图像序列信息；将所述历史图像信息与历史质检级别作为训练数据集进行质检级别分类网络的训练。

其中，质检级别分类网络为根据指定产线的历史信息训练基于一维CNN的分类网络；质检级别分类网络的输入为m个n维的员工表情向量V＝{v1,v2,…,vn}，质检级别分类网络的输出为产线的质检级别。

在操作304，抽检控制设备将所构建的图像序列信息作为质检级别分类网络的输入进行分类预测，得到用于表征所述指定产线的质检级别的分类预测结果。

在操作305，根据所述指定产线的质检级别确定产品抽检率，包括：判断所述指定产线的质检级别是否高于质检级别阈值；若所述指定产线的质检级别高于质检级别阈值，则将所述指定产线的质检级别对应抽检率确定为产品抽检率。这里，质检级别越高，对应的抽检率越高。

在操作306，在抽检环节抽检控制设备将按照所确定的产品抽检率进行产品抽检。

在操作307，抽检控制设备在按照所确定的产品抽检率完成产品抽检后，进一步检测指定产线的当前质检级别。

在操作308，将操作303所构建的图像序列信息和操作307检测到的当前质检级别作为训练数据集进行质检级别分类网络的优化训练，从而不断优化产线抽检率的预测函数。

如此，本发明通过包括操作301～308智能化的抽检控制方法，能够高效准确的识别出生产线上(特别是关键工位)的员工心情指数，并基于该指数进行产线的抽检率的调整，防范风险。

同理，基于如上文所述抽检控制方法，本发明实施例还提供了一种抽检控制设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如下所述的操作步骤：操作101，定位指定产线上的目标对象；操作102，采集所述目标对象的图像信息；操作103，基于所述图像信息确定所述指定产线的产品抽检率；操作104，在抽检环节按照所述产品抽检率进行产品抽检。

进一步地，基于如上文所述抽检控制方法，本发明实施例还提供了一种抽检控制设备，如图4所示，该设备40包括：定位模块401，用于定位指定产线的目标对象；采集模块402，用于采集所述目标对象的图像信息；确定模块403，用于基于所述图像信息确定所述指定产线的产品抽检率；抽检模块404，用于在抽检环节按照所述产品抽检率进行产品抽检。

根据本发明一实施方式，如图5所示，确定模块403包括：构建单元4031，用于根据所述图像信息构建图像序列信息；分类预测单元4032，用于将所构建的图像序列信息作为质检级别分类网络的输入进行分类预测，得到用于表征所述指定产线的质检级别的分类预测结果；确定单元4033，用于根据所述指定产线的质检级别确定产品抽检率。

根据本发明一实施方式，构建单元4031，具体用于对所采集的目标对象的图像信息进行特征提取，得到n维图像特征，n的取值为大于1的正整数；构建包括所述n维图像特征对应向量的图像序列信息。

根据本发明一实施方式，确定单元4033，具体用于判断所述指定产线的质检级别是否高于质检级别阈值；若所述指定产线的质检级别高于质检级别阈值，则将所述指定产线的质检级别对应抽检率确定为产品抽检率。

根据本发明一实施方式，如图6所示，设备40还包括：获取模块405，用于获取所述目标对象的历史图像序列信息及对应的历史质检级别，所述历史图像序列信息为根据所述目标对象的历史图像信息所构建的图像序列信息；网络训练模块406，用于将所述历史图像序列信息与历史质检级别作为训练数据集进行质检级别分类网络的训练。

根据本发明一实施方式，如图7所示，设备40还包括：检测模块407，用于检测所述指定产线的当前质检级别；优化模块408，用于将所构建的图像序列信息和当前质检级别作为训练数据集进行质检级别分类网络的优化训练。

这里需要指出的是：以上对抽检控制设备实施例的描述，与前述图1至3所示的方法实施例的描述是类似的，具有同前述图1至3所示的方法实施例相似的有益效果，因此不做赘述。对于本发明抽检控制设备实施例中未披露的技术细节，请参照本发明前述图1至3所示的方法实施例的描述而理解，为节约篇幅，因此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。