關(guān)鍵字：工業(yè)信息采集平臺,藍(lán)鵬數(shù)據(jù)采集系統(tǒng),藍(lán)鵬測控系統(tǒng), 生產(chǎn)管控系統(tǒng), 生產(chǎn)數(shù)據(jù)處理平臺,MES系統(tǒng)數(shù)據(jù)采集,

藍(lán)鵬數(shù)據(jù)采集平臺通過實(shí)現(xiàn)和構(gòu)成其他工業(yè)數(shù)據(jù)信息平臺的一級設(shè)備進(jìn)行通訊，從而完成平臺之間的無縫對接。這里我們采用的最多的方式是和PLC進(jìn)行信息交互從而實(shí)現(xiàn)和其他系統(tǒng)信息對接。

對接的品牌包括但不僅僅限于西門子、三菱、歐姆龍等主要品牌PLC的信息交互。協(xié)議涉及到各廠家品牌的自有開發(fā)包（例如S7套件）、tcp方式、udp方式、opc方式和基于基礎(chǔ)通訊協(xié)議之上的modbus通訊方式。

數(shù)據(jù)采集平臺支持多種標(biāo)準(zhǔn)（非標(biāo)）設(shè)備的接入，具有靈活多樣的邏輯管理能力、強(qiáng)大的數(shù)據(jù)分析能力和豐富多彩的數(shù)據(jù)呈現(xiàn)方式，為客戶構(gòu)建專業(yè)的設(shè)備管理系統(tǒng)提供技術(shù)支撐。

藍(lán)鵬數(shù)據(jù)采集平臺通過算法將設(shè)備狀態(tài)、產(chǎn)量、溫度、時間、不良數(shù)量和良品數(shù)量等生產(chǎn)數(shù)據(jù)進(jìn)行數(shù)據(jù)分類和歷史存儲等內(nèi)部處理，再用Json格式通過標(biāo)準(zhǔn)的API接口提供給MES系統(tǒng)，可以實(shí)現(xiàn)無縫對接,更好的發(fā)揮MES在生產(chǎn)管理中的作用，最大的發(fā)揮MES做為生產(chǎn)管控系統(tǒng)的作用。

1、光電測量 核心技術(shù)

光路擬合：解決燈珠發(fā)光、鏡片透光不均勻，導(dǎo)致的光線不平行，引起的測量誤差。

獨(dú)創(chuàng)的光線擬合算法，將不平行光的參數(shù)通過跑數(shù)，提取出來，測量時反向應(yīng)用，提高測量精度。

2、數(shù)據(jù)同步 防抖處理

被測物在測量過程中的抖動、傾斜、位移問題全面解決。經(jīng)過算法防抖處理后，可達(dá)到理想效果。

在測量行業(yè)，由被測物高頻率抖動造成的測量誤差是世界性難題。針對此原因，藍(lán)鵬公司引入電子快門技術(shù)，用極為嚴(yán)苛的實(shí)驗(yàn)條件，將測頭的曝光時間縮短到了20微秒，消除了被測物抖動時的虛影現(xiàn)象。

曝光同時在電路系統(tǒng)中采用了光源—信號采集脈沖同步、多路采集同步、信號采集—通訊傳輸同步等多項(xiàng)同步技術(shù)。在業(yè)內(nèi)率先攻克這一難題，徹底消除了抖動誤差，填補(bǔ)了國內(nèi)技術(shù)空白。

3、缺陷識別技術(shù) 邊緣過濾算法

形成三維點(diǎn)云圖像后，我們采用自研的凹包、凸包算法，對表面圖像進(jìn)行掃描，根據(jù)參數(shù)不同，將識別到不同尺寸凹凸點(diǎn)，并經(jīng)過邊緣過濾后，鎖定為缺陷點(diǎn)。

這一點(diǎn)與基于CAD的絕對尺寸匹配是不一樣的，但是可應(yīng)用范圍較前者更大。特別適用于沒有規(guī)則的CAD或者無法準(zhǔn)確進(jìn)行模式匹配時，缺陷識別效率和錯誤率會大大提高。

應(yīng)用此技術(shù)的輪廓測量儀可以使任何截面形狀的輪廓，如圓形、方形、螺紋鋼、六角形、軌梁、T型、H型和其他長材產(chǎn)品。同時，全覆蓋的測量方式使得設(shè)備可以對軋材表面的折疊、翹曲、凹坑、凹槽、凸耳等缺陷，進(jìn)行定性和定量的檢測。測量軟件系統(tǒng)根據(jù)各傳感器的測量數(shù)據(jù)擬合截面形狀，可在軟件界面直觀顯示軋材的截面形狀及關(guān)鍵尺寸。

4、補(bǔ)光濾光 穩(wěn)定光源環(huán)境

多年從業(yè)，我公司已經(jīng)摸索出各種被測物，在不同溫度情況下的光學(xué)頻譜特性。

光線較弱情況下，選擇合適光源補(bǔ)光，有干擾情況下選擇合適濾光鏡片濾光，為高精度測量提供穩(wěn)定的光源環(huán)境。

光線過強(qiáng)時,則根據(jù)軋制產(chǎn)品實(shí)際情況設(shè)置濾光鏡片，去除火焰和軋材表面黑斑的影響。

5、新型神經(jīng)網(wǎng)絡(luò)模型：

使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測的算法，將目標(biāo)區(qū)域預(yù)測和目標(biāo)類別預(yù)測整合于單個神經(jīng)網(wǎng)絡(luò)模型中，實(shí)現(xiàn)在準(zhǔn)確率較高的情況下快速目標(biāo)檢測與識別，更加適合現(xiàn)場應(yīng)用環(huán)境。

將目標(biāo)檢測問題轉(zhuǎn)換成回歸問題，直接通過損失函數(shù)來建模優(yōu)化的目標(biāo)，實(shí)現(xiàn)端到端的訓(xùn)練構(gòu)建神經(jīng)網(wǎng)絡(luò)模型。模型使用卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。開始的卷積層提取圖像特征，全連接層預(yù)測輸出概率，實(shí)現(xiàn)快速物體檢測。