潘濤，黃重春，董冉冉

（1.安徽機(jī)電職業(yè)技術(shù)學(xué)院 互聯(lián)網(wǎng)與通信學(xué)院，安徽 蕪湖 241003； 2.安徽揚(yáng)子職業(yè)技術(shù)學(xué)院 基礎(chǔ)教學(xué)部，安徽 蕪湖 241003）

工業(yè)互聯(lián)網(wǎng)是一種特殊結(jié)構(gòu)網(wǎng)絡(luò)，主要應(yīng)用于工業(yè)生產(chǎn)領(lǐng)域，通過有機(jī)整合工業(yè)控制、物體感知、泛在網(wǎng)絡(luò)、數(shù)據(jù)分析和智能處理技術(shù)，實(shí)現(xiàn)工業(yè)生產(chǎn)自動(dòng)化運(yùn)行、智能化管理和科學(xué)式?jīng)Q策。工業(yè)互聯(lián)網(wǎng)的關(guān)鍵是工業(yè)數(shù)據(jù)，結(jié)果是新的機(jī)器智能[1]。工業(yè)互聯(lián)網(wǎng)與現(xiàn)有互聯(lián)網(wǎng)的區(qū)別在于：工業(yè)互聯(lián)網(wǎng)涉及到的應(yīng)用都是沒有人工介入的應(yīng)用[2]。工業(yè)互聯(lián)網(wǎng)技術(shù)促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)，在智能制造領(lǐng)域具有極其重要地位，日益成為工業(yè)界和學(xué)術(shù)界關(guān)注的焦點(diǎn)。

1 研究現(xiàn)狀

當(dāng)前工業(yè)互聯(lián)網(wǎng)的應(yīng)用和研發(fā)項(xiàng)目種類豐富。趙晉松等人提出基于工業(yè)互聯(lián)網(wǎng)的智能電廠平臺(tái)架構(gòu)[3]，該模型分為設(shè)備層、控制層、生產(chǎn)監(jiān)管層和管理層4 個(gè)模塊，為提高平臺(tái)運(yùn)行穩(wěn)定性，方案將生產(chǎn)監(jiān)管層和管理層置于云端，通過對(duì)電廠中數(shù)據(jù)集成和處理，實(shí)現(xiàn)發(fā)電過程的智能管控。張旭光給出工業(yè)互聯(lián)網(wǎng)在倉儲(chǔ)油庫生產(chǎn)管理中應(yīng)用設(shè)計(jì)方案[4]，利用感知、自控、MES 等技術(shù)特性，將業(yè)務(wù)流和信息流融為一體，大大降低人力成本，實(shí)現(xiàn)過程風(fēng)險(xiǎn)管理。孫曉光等人設(shè)計(jì)出基于工業(yè)互聯(lián)網(wǎng)的鋼板厚度檢測(cè)系統(tǒng)[5]，以AM3352 芯片為支撐，利用位移傳感器感知數(shù)據(jù)，檢測(cè)鋼板厚度，基于工業(yè)互聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)精度高和自動(dòng)化檢測(cè)功能。魏津瑜等人提出基于工業(yè)互聯(lián)網(wǎng)的農(nóng)機(jī)供應(yīng)鏈創(chuàng)新結(jié)構(gòu)及運(yùn)作模式[6]，從宏觀上構(gòu)建包含農(nóng)機(jī)生產(chǎn)服務(wù)商、生產(chǎn)商、供應(yīng)商、客戶和再制造商等主體的協(xié)同管理平臺(tái)，優(yōu)化供應(yīng)鏈上農(nóng)機(jī)設(shè)計(jì)、生產(chǎn)、運(yùn)輸和銷售環(huán)節(jié)。汪松松等人將工業(yè)互聯(lián)網(wǎng)與紡織應(yīng)用緊密結(jié)合，提出基于工業(yè)互聯(lián)網(wǎng)的針織機(jī)械互聯(lián)互通結(jié)構(gòu)研究方案[7]，構(gòu)建了針織機(jī)械工業(yè)互聯(lián)網(wǎng)模型和互聯(lián)互通專用協(xié)議。

調(diào)研結(jié)果顯示，上述研究促進(jìn)了工業(yè)互聯(lián)網(wǎng)技術(shù)發(fā)展和成果轉(zhuǎn)化，但對(duì)于食品檢測(cè)領(lǐng)域的應(yīng)用研究較少?，F(xiàn)階段，電子商務(wù)迅速發(fā)展對(duì)宏觀經(jīng)濟(jì)增長(zhǎng)作用日趨顯著[8]，堅(jiān)果類食品貿(mào)易是電子商務(wù)重要組成部分，對(duì)堅(jiān)果生產(chǎn)領(lǐng)域的研究具有重要理論意義和實(shí)際應(yīng)用價(jià)值。基于上述分析，本文提出基于工業(yè)互聯(lián)網(wǎng)技術(shù)的智能檢測(cè)系統(tǒng)。

2 系統(tǒng)總體設(shè)計(jì)

系統(tǒng)圍繞堅(jiān)果的優(yōu)劣智能檢測(cè)功能和服務(wù)進(jìn)行部署設(shè)計(jì)，分為上料分揀、稱重包裝、倉儲(chǔ)碼垛3 個(gè)子模塊。上料分揀模塊設(shè)有步進(jìn)電機(jī)、工業(yè)相機(jī)和氣缸，檢測(cè)初始，系統(tǒng)通過采集堅(jiān)果圖像源數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，自動(dòng)升級(jí)數(shù)據(jù)庫中檢測(cè)標(biāo)準(zhǔn)；步進(jìn)電機(jī)在驅(qū)動(dòng)器作用下將置于傳送帶上待檢測(cè)的堅(jiān)果按序送至檢測(cè)指定位置，工業(yè)相機(jī)采集待檢測(cè)堅(jiān)果圖像數(shù)據(jù)，利用視覺識(shí)別技術(shù)，按照?qǐng)?jiān)果檢測(cè)標(biāo)準(zhǔn)自動(dòng)篩選出優(yōu)質(zhì)堅(jiān)果。稱重包裝模塊設(shè)有壓力傳感器和直流電機(jī)，優(yōu)質(zhì)堅(jiān)果在分揀后傳輸至指定包裝盒內(nèi)，利用對(duì)包裝盒的重量數(shù)據(jù)采集，實(shí)時(shí)控制產(chǎn)品的包裝與傳送。倉儲(chǔ)碼垛模塊設(shè)有光電傳感器、機(jī)器手，通過傳感器采集到的光電信號(hào)，控制機(jī)器手的碼垛操作，服務(wù)流程如圖1 所示。

3 關(guān)鍵技術(shù)介紹

按照工業(yè)互聯(lián)網(wǎng)體系架構(gòu)標(biāo)準(zhǔn)進(jìn)行設(shè)計(jì)，系統(tǒng)分為邊緣數(shù)據(jù)層、平臺(tái)層和應(yīng)用層，如圖2 所示。

圖2 系統(tǒng)層次架構(gòu)圖

3.1 邊緣數(shù)據(jù)采集技術(shù)

傳感器用于采集物體的數(shù)據(jù)信號(hào)，該系統(tǒng)主要引入壓力傳感器和光電傳感器。重量采集采用JHBM-H3壓力傳感器，傳感器綜合精度0.1%F·S，靈敏度1.5±0.1mV/V，重復(fù)性誤差正度0.05%F·S。為更好采集數(shù)據(jù)，把傳感器微弱的毫伏信號(hào)放大成PLC 可以接受的0～10V 的電壓信號(hào)，引入BSQ-3 型單通道模擬量變送器。壓力傳感器4 根線E+(激勵(lì)正)、E-(激勵(lì)負(fù))、S+(信號(hào)正)、S-(激勵(lì)負(fù))分別接在變送器的輸入端，變送器的V+（電源正極）、GND（電源負(fù)極）采用DC24V 供電，OUT+為信號(hào)輸出正極，信號(hào)輸出負(fù)極和電源負(fù)極共用；信號(hào)的輸出的OUT+和GND 分別接入PLC 的模式輸入正和模擬輸入負(fù)。

托盤的到位信號(hào)采用E3Z-D62 光電傳感器，傳感器檢測(cè)距離最大1 m（可調(diào)），光源采用紅外發(fā)光二極管（860 nm），響應(yīng)時(shí)間＜1 ms，控制輸出NPN 集電極開路，使用環(huán)境-25～55 ℃，防護(hù)等級(jí)IP67。光電傳感器的褐色線接DC24 電源的正極，藍(lán)色線接DC24V 電源的負(fù)極，黑色線接PLC 的輸入點(diǎn)上。PLC 把接收到的光電信號(hào)轉(zhuǎn)換成內(nèi)部處理的標(biāo)準(zhǔn)信號(hào)，反映在PLC 的輸入內(nèi)存地址I 區(qū)。

PLC 通過模數(shù)轉(zhuǎn)換電路把模擬信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)。SM1231 使用14 位AD 轉(zhuǎn)換芯片，對(duì)14位AD 的分辨率：10 V/2^14≈0.6 mV。在采集重量數(shù)據(jù)時(shí)，PLC 把采集到的電壓值轉(zhuǎn)換成范圍為0～65 535 的int 類型數(shù)據(jù)，存儲(chǔ)在AW 存儲(chǔ)區(qū)。采集到的托盤到位信號(hào)為bool 類型數(shù)據(jù)，true 代表有托盤，false 代表無托盤。實(shí)際應(yīng)用中，得到穩(wěn)定的AD 采樣值后，還需要把AD 值與實(shí)際物理量相對(duì)應(yīng)，實(shí)現(xiàn)物理量回歸，如圖3 所示。

圖3 數(shù)據(jù)采集模塊圖

3.2 工業(yè)云平臺(tái)部署

為提高系統(tǒng)穩(wěn)定性，保證檢測(cè)程序正常運(yùn)行，該系統(tǒng)基于工業(yè)云平臺(tái)服務(wù)架構(gòu)，通過工業(yè)PaaS 云平臺(tái)有機(jī)整合各項(xiàng)技術(shù)，云端采用統(tǒng)一接入標(biāo)準(zhǔn)，實(shí)現(xiàn)快速高效上傳數(shù)據(jù)和發(fā)送指令。Docker 基于LXC（即Linux Container）技術(shù)，實(shí)現(xiàn)容器的自動(dòng)化封裝和管理。利用Docker 技術(shù)搭建工業(yè)PaaS 云平臺(tái)，將實(shí)際加載的平臺(tái)與軟件部署有效隔離。在這里，選用Ubuntu作為Docker 的基礎(chǔ)鏡像，首先更新apt 包索引，添加GPG 秘鑰和Docker 庫，安裝Docker，通過命令docker run 測(cè)試是否安裝成功。基于docker 云平臺(tái)，安裝Supervisord、Uwsgi、Nginx 基礎(chǔ)軟件，通過Uwsgi 加載python 后端代碼，Nginx 加載react 前端代碼，Supervisord 實(shí)施對(duì)Ngnix 和Uswgi 進(jìn)程統(tǒng)一啟動(dòng)和監(jiān)控。最后，開啟本地機(jī)5000 端口，映射到容器的相應(yīng)端口號(hào)，實(shí)現(xiàn)與MongoDB 數(shù)據(jù)庫的連接；開啟本地機(jī)8501 端口，實(shí)現(xiàn)與Tensorflow Serving 的連接。

3.3 智能檢測(cè)技術(shù)

堅(jiān)果智能檢測(cè)是系統(tǒng)核心內(nèi)容。通過工業(yè)相機(jī)采集待檢測(cè)堅(jiān)果圖像，以數(shù)據(jù)庫中標(biāo)準(zhǔn)數(shù)據(jù)為檢測(cè)依據(jù)，利用視覺識(shí)別技術(shù)對(duì)圖像中堅(jiān)果顏色、大小、開口、斑點(diǎn)數(shù)據(jù)進(jìn)行評(píng)判，確定堅(jiān)果優(yōu)劣，檢測(cè)過程中同步升級(jí)數(shù)據(jù)庫中優(yōu)劣參數(shù)標(biāo)準(zhǔn)。

3.3.1 智能識(shí)別

視覺智能識(shí)別是智能檢測(cè)的關(guān)鍵。系統(tǒng)利用 Tensorflow 實(shí)現(xiàn)機(jī)器視覺識(shí)別模型訓(xùn)練，基于Tensorflow-Serving 高性能模型平臺(tái)部署加載人工智能算法模型。

為提高檢測(cè)效率，優(yōu)化數(shù)據(jù)庫中檢測(cè)標(biāo)準(zhǔn)，精準(zhǔn)篩選出優(yōu)質(zhì)堅(jiān)果，系統(tǒng)在實(shí)施檢測(cè)前進(jìn)行模型自訓(xùn)練。以1 000 個(gè)堅(jiān)果為訓(xùn)練對(duì)象，構(gòu)建以深度卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的圖像分類模型，采用Tensorflow1.12 工具對(duì)模型進(jìn)行訓(xùn)練。在訓(xùn)練之前，將所有標(biāo)注數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集。訓(xùn)練時(shí)，利用Tensorboard 分別觀察訓(xùn)練集和測(cè)試集上的準(zhǔn)確率來判斷模型的訓(xùn)練程度以防止過擬合?；赥ensorflow 人工智能模型訓(xùn)練框架，確定出包含堅(jiān)果圖像元素、優(yōu)劣等級(jí)等數(shù)據(jù)的檢測(cè)指標(biāo)參考標(biāo)準(zhǔn)。模型訓(xùn)練情況如圖4 所示，結(jié)果發(fā)現(xiàn)對(duì)于一定數(shù)量的訓(xùn)練對(duì)象，隨著訓(xùn)練輪數(shù)的增加，測(cè)試集上Accuracy 指標(biāo)會(huì)趨向于最佳值，通過Ctrl-C 的方式停止模型訓(xùn)練。

訓(xùn)練完成后，啟動(dòng)Tensorflow/Serving 的Docker 容器裝載訓(xùn)練模型，同時(shí)開啟8501 端口接收待測(cè)圖像，進(jìn)行在線識(shí)別檢測(cè)服務(wù)。

3.3.2 圖像采集

堅(jiān)果圖像采集是智能檢測(cè)的基礎(chǔ)。為了使工業(yè)相機(jī)能夠多方位有效采集堅(jiān)果圖像，設(shè)計(jì)時(shí)引入一塊平面鏡置于傳送帶下方，要求堅(jiān)果的平面鏡成像及實(shí)物上表面均處于相機(jī)可拍攝區(qū)域，具體如圖5 所示。

堅(jiān)果放于長(zhǎng)m、寬n 的傳送帶凹槽內(nèi)，相機(jī)最大拍攝角度為α 。假定相機(jī)位于P 點(diǎn)，與凹槽右端水平距離為x、頂端垂直距離為y，需滿足：

（1）凹槽左端邊緣與其平面投影右端邊緣之間的區(qū)域處于相機(jī)拍攝范圍：

圖4 模型訓(xùn)練圖

圖5 全方位圖像采集示例圖

（2）平面鏡成像左端邊緣處于相機(jī)拍攝范圍。

① 假定相機(jī)對(duì)于凹槽投影的拍攝角度為α1，

② 由（2）①可知，對(duì)于α1的確定，即相機(jī)能否拍攝平面鏡成像全景，只需滿足上述關(guān)系。

4 系統(tǒng)運(yùn)行

為檢驗(yàn)基于工業(yè)互聯(lián)網(wǎng)技術(shù)的智能檢測(cè)系統(tǒng)設(shè)計(jì)的可行性，將系統(tǒng)核心服務(wù)部署在Ubuntu 操作系統(tǒng)下安裝有Mongodb、Python 的Intel 酷睿i5，16GB 內(nèi)存工作站中。系統(tǒng)整體網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖6 所示。

檢測(cè)執(zhí)行前，進(jìn)入系統(tǒng)人機(jī)交互主界面，切換到上料工位選項(xiàng)，選擇拍照開啟和學(xué)習(xí)模式，將數(shù)據(jù)源物料送至上料分揀料倉模塊，上料工位自動(dòng)運(yùn)行上傳訓(xùn)練圖像，利用機(jī)器學(xué)習(xí)算法，升級(jí)數(shù)據(jù)庫中檢測(cè)標(biāo)準(zhǔn)，如圖7 所示。

圖6 系統(tǒng)拓?fù)浣Y(jié)構(gòu)圖

圖7 檢測(cè)標(biāo)準(zhǔn)源數(shù)據(jù)采集

為了實(shí)現(xiàn)檢測(cè)的自動(dòng)化，精準(zhǔn)判定堅(jiān)果的優(yōu)劣，同時(shí)實(shí)時(shí)掌握系統(tǒng)運(yùn)行狀況，項(xiàng)目實(shí)施采取云端管理模式，共5 個(gè)模塊：生產(chǎn)管理、任務(wù)管理、產(chǎn)線管理、圖像管理、故障信息。

生產(chǎn)管理模塊分為控制命令，I/O 信號(hào)和工位狀態(tài)。用戶進(jìn)入生產(chǎn)管理頁面，設(shè)置堅(jiān)果檢測(cè)單次下單數(shù)量和重量，對(duì)上料、包裝、倉儲(chǔ)工位進(jìn)行命令控制，設(shè)備即按照下單信息自動(dòng)運(yùn)行，如圖8 所示。

圖8 云端管理界面圖

本系統(tǒng)還提供工位狀態(tài)和I/O 信號(hào)數(shù)據(jù)查詢，用戶可根據(jù)自身需求實(shí)時(shí)精準(zhǔn)查看上料、包裝、倉儲(chǔ)工位狀態(tài)及相關(guān)I/O 數(shù)據(jù)，從而實(shí)時(shí)掌握系統(tǒng)運(yùn)行情況，使用戶體驗(yàn)得到優(yōu)化，如圖9 所示。

圖9 工位狀態(tài)查詢圖

任務(wù)管理模塊中，用戶可以對(duì)任務(wù)進(jìn)行增加、刪除、修改和查詢操作。任務(wù)列表中每行記錄信息包含編號(hào)、名稱、圖片類別和服務(wù)地址，其中，圖片類別為產(chǎn)線上待檢測(cè)堅(jiān)果的類別，服務(wù)地址即為tensorflow-serving 地址。當(dāng)系統(tǒng)對(duì)某類堅(jiān)果優(yōu)劣實(shí)施檢測(cè)時(shí)，系統(tǒng)會(huì)把圖像發(fā)送到對(duì)應(yīng)的tensorflow-serving服務(wù)地址進(jìn)行識(shí)別處理，如圖10 所示。

圖10 任務(wù)管理模塊圖

產(chǎn)線管理模塊可以實(shí)現(xiàn)云平臺(tái)對(duì)多組產(chǎn)線的綜合管理。用戶對(duì)產(chǎn)線指定任務(wù)類別后，該產(chǎn)線采集的圖片將會(huì)直接發(fā)到對(duì)應(yīng)的tensorflow-serving 地址進(jìn)行識(shí)別，并得到云端反饋的圖片類別結(jié)果，如圖11 所示。

圖11 產(chǎn)線管理模塊圖

圖像管理模塊包含產(chǎn)線信息和堅(jiān)果圖像，通過該模塊用戶可清楚查看某產(chǎn)線上待測(cè)堅(jiān)果的圖像和分類信息，如圖12 所示。

圖12 圖像管理模塊圖

故障信息模塊實(shí)現(xiàn)查看和處理產(chǎn)線故障功能。該模塊包含產(chǎn)線、出錯(cuò)代碼、故障詳情和處理方式等信息，通過該模塊用戶可快速查詢產(chǎn)線故障原因，精準(zhǔn)、快速選擇合理故障處理方式，實(shí)現(xiàn)系統(tǒng)運(yùn)行自恢復(fù)，如圖13 所示。

圖13 故障信息模塊圖

5 結(jié)束語

本文給出了基于工業(yè)互聯(lián)網(wǎng)技術(shù)的智能檢測(cè)系統(tǒng)設(shè)計(jì)方案，該系統(tǒng)分為上料分揀、稱重包裝、倉儲(chǔ)碼垛3 個(gè)模塊，基于工業(yè)云平臺(tái)利用人工智能算法對(duì)堅(jiān)果的優(yōu)劣進(jìn)行快速精準(zhǔn)檢測(cè)。在系統(tǒng)設(shè)計(jì)時(shí)充分按照工業(yè)互聯(lián)網(wǎng)行業(yè)標(biāo)準(zhǔn)，利用工業(yè)互聯(lián)網(wǎng)關(guān)鍵技術(shù)，實(shí)現(xiàn)對(duì)堅(jiān)果優(yōu)劣的自動(dòng)化、智能化和精準(zhǔn)化檢測(cè)。