基于人工智能的vr设备预警监测方法及系统
技术领域
1.本技术涉及基于人工智能的vr设备监测技术领域，特别是涉及一种基于人工智能的vr设备预警监测方法及系统。
背景技术：2.vr，即虚拟现实技术，又称虚拟实境或灵境技术，是20世纪发展起来的一项全新的实用技术。虚拟现实技术囊括计算机、电子信息、仿真技术，其基本实现方式是以计算机技术为主，利用并综合三维图形技术、多媒体技术、仿真技术、显示技术、伺服技术等多种高科技的最新发展成果，借助计算机等设备产生一个逼真的三维视觉、触觉、嗅觉等多种感官体验的虚拟世界，从而使处于虚拟世界中的人产生一种身临其境的感觉。
3.vr技术的发展所需要的重要实际支撑便为vr设备，如头戴式vr设备，而头戴式vr设备的生产至关重要，目前市面上有生产预警的方法，如具体通过根据各不良品产出变化曲线图分别生成不良品产生趋势数据，判断各所述不良品产生趋势数据是否达到预警指示标准，若判断达到预警指示标准，则对应生成vr设备生产警示信息，但是此种生产预警即为麻烦，且无法进行问题工位的定位与监测。
4.也即，目前市面上的vr设备虽然设有专门的质检部门，但是其只能对生产后的零部件和整机vr设备进行质检，无法反馈至对应的工位进行工位的监测与工位改进，进而导致了可能出现因工位问题导致持续生产不合格产品，进而极大影响后续生产的可靠性和效率。
技术实现要素：5.基于此，有必要针对上述技术问题，提供一种能够根据vr设备中的零部件的问题来获知问题工位，进而对问题工位进行定位，以方便后续能够对工位进行溯源定位处理，以提升后续生产的可靠性的基于人工智能的vr设备预警监测方法及系统。
6.本发明技术方案如下：
7.一种基于人工智能的vr设备预警监测方法，所述方法包括：
8.获取当前待质检vr设备零件经过当前vr设备生产线上各预设固定监测工位时的当前部件实际图像，其中，所述当前vr设备生产线上具有多个所述预设固定监测工位，所述当前待质检vr设备零件依次经过各所述预设固定监测工位，每经过一个所述预设固定监测工位时，对应获取一个所述当前部件实际图像，每个所述预设固定监测工位均设有特定工位标签，所述特定工位标签与对应的当前部件实际图像相关联；分别对各所述当前部件实际图像进行图像缺陷特征提取，并在图像缺陷特征提取完成后获取当前缺陷特征数据，其中，一个所述当前部件实际图像对应一个当前缺陷特征数据；根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，同时对所述当前缺陷特征数据对应的当前待质检vr设备零件打上故障零部件标识，并基于所述故障零部件标识和所述待处理问题工位生成工位检测预警报告；
基于预设的零部件抓取机械手对具有故障零部件标识的当前待质检vr设备零件进行抓取，并将抓取的当前待质检vr设备零件输送至零部件回收工位，同时生成零部件回收报告，并将所述零部件回收报告和所述工位检测预警报告发送至设备预警监测人员。
9.进一步地说，所述当前部件实际图像包括零件内侧正面图像和零件侧角度图像；
10.获取当前待质检vr设备零件经过当前vr设备生产线上各预设固定监测工位时的当前部件实际图像，其中，所述当前vr设备生产线上具有多个所述预设固定监测工位，所述当前待质检vr设备零件依次经过各所述预设固定监测工位，每经过一个所述预设固定监测工位时，对应获取一个所述当前部件实际图像，每个所述预设固定监测工位均设有特定工位标签，所述特定工位标签与对应的当前部件实际图像相关联；具体包括：
11.基于预设的ccd相机获取当前待质检vr设备零件经过各所述预设固定监测工位时的零件内侧正面初始图像和零件侧角度初始图像，其中，一个所述预设固定监测工位对应的所述零件内侧正面初始图像和所述零件侧角度初始图像的数量均为多个；对一个所述预设固定监测工位对应的各所述零件内侧正面初始图像进行数据分析，并分别获取各所述零件内侧正面初始图像之间的第一相似度；根据所述第一相似度剔除各所述零件内侧正面初始图像中相似的图像，并在剔除后获取零件正面初筛图像；对各所述零件侧角度初始图像进行相似图像剔除，并在剔除完成后获取零件侧角度初筛图像；将所述零件正面初筛图像与所述零件侧角度初筛图像进行一一对比，并根据生成的对比结果对所述零件正面初筛图像与所述零件侧角度初筛图像进行相似图像剔除，并生成零件内侧正面图像和零件侧角度图像；在所述零件内侧正面图像和零件侧角度图像生成后，将所述零件内侧正面图像和所述零件侧角度图像对应的预设固定监测工位所具有的特定工位标签关联所述零件内侧正面图像和所述零件侧角度图像。
12.进一步地说，所述当前缺陷特征数据包括缺口图像特征和应力损坏图像特征；
13.分别对各所述当前部件实际图像进行图像缺陷特征提取，并在图像缺陷特征提取完成后获取当前缺陷特征数据，其中，一个所述当前部件实际图像对应一个当前缺陷特征数据；具体包括：
14.基于预设的第一缺口缺陷特征对各所述当前部件实际图像进行缺口特征提取，并分别获取各所述当前部件实际图像的缺口图像特征；基于预设的第一特定增色角度对各所述当前部件实际图像进行增色处理，并分别获取初始增色后部件图像；判断所述初始增色后部件图像中是否存在预设的应力缺陷图像；若判断所述初始增色后部件图像中存在预设的应力缺陷图像，则对所述初始增色后部件图像进行预设的第二角度增色处理，并在处理完成后获取增色完成后部件图像；其中，所述第二角度增色处理包括按照预设预设的第二角度和第二亮度进行增色；基于预设的缺陷标准特征对各所述增色完成后部件图像进行应力损坏图像提取，并分别获取各所述增色完成后部件图像的应力损坏图像特征。
15.进一步地说，基于预设的缺陷标准特征对各所述增色完成后部件图像进行应力损坏图像提取，并分别获取各所述增色完成后部件图像的应力损坏图像特征之后，还包括：
16.根据所述应力损坏图像特征，对所述应力损坏图像特征进行区域标定，并获取应力损坏表标定区域；根据所述应力损坏表标定区域生成当前损坏区域面积；根据所述当前损坏区域面积生成当前应力损坏等级；根据所述当前应力损坏等级从预设的标准工位监改方案中选中与所述当前应力损坏等级相匹配的标准工位监改方案，并将选中的标准工位监
改方案设定为目标使用监改方案；将所述目标使用监改方案与所述待处理问题工位进行绑定，并在绑定后发送方案绑定成功指示至所述设备预警监测人员。
17.进一步地说，根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，同时对所述当前缺陷特征数据对应的当前待质检vr设备零件打上故障零部件标识，并基于所述故障零部件标识和所述待处理问题工位生成工位检测预警报告，之后还包括：
18.获取所述待处理问题工位对所述当前待质检vr设备零件的实际处理工艺步骤，其中，所述实际处理工艺步骤包括多个细化分支处理步骤；分别获取各所述细化分支处理步骤对所述当前待质检vr设备零件的具体处理参数；对各所述具体处理参数进行细化核查，并在核查完成后筛选出有误的具体处理参数；根据筛选出的有误的具体处理参数生成工艺处理参数调整报告，并将所述工艺处理参数调整报告发送至所述设备预警监测人员。
19.进一步地说，一种基于人工智能的vr设备预警监测系统，所述系统包括：
20.实际图像获取模块，用于获取当前待质检vr设备零件经过当前vr设备生产线上各预设固定监测工位时的当前部件实际图像，其中，所述当前vr设备生产线上具有多个所述预设固定监测工位，所述当前待质检vr设备零件依次经过各所述预设固定监测工位，每经过一个所述预设固定监测工位时，对应获取一个所述当前部件实际图像，每个所述预设固定监测工位均设有特定工位标签，所述特定工位标签与对应的当前部件实际图像相关联；
21.特征数据生成模块，用于分别对各所述当前部件实际图像进行图像缺陷特征提取，并在图像缺陷特征提取完成后获取当前缺陷特征数据，其中，一个所述当前部件实际图像对应一个当前缺陷特征数据；
22.预警报告生成模块，用于根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，同时对所述当前缺陷特征数据对应的当前待质检vr设备零件打上故障零部件标识，并基于所述故障零部件标识和所述待处理问题工位生成工位检测预警报告；
23.回收报告发送模块，用于基于预设的零部件抓取机械手对具有故障零部件标识的当前待质检vr设备零件进行抓取，并将抓取的当前待质检vr设备零件输送至零部件回收工位，同时生成零部件回收报告，并将所述零部件回收报告和所述工位检测预警报告发送至设备预警监测人员。
24.进一步地说，所述实际图像获取模块还用于：
25.基于预设的ccd相机获取当前待质检vr设备零件经过各所述预设固定监测工位时的零件内侧正面初始图像和零件侧角度初始图像，其中，一个所述预设固定监测工位对应的所述零件内侧正面初始图像和所述零件侧角度初始图像的数量均为多个；对一个所述预设固定监测工位对应的各所述零件内侧正面初始图像进行数据分析，并分别获取各所述零件内侧正面初始图像之间的第一相似度；根据所述第一相似度剔除各所述零件内侧正面初始图像中相似的图像，并在剔除后获取零件正面初筛图像；对各所述零件侧角度初始图像进行相似图像剔除，并在剔除完成后获取零件侧角度初筛图像；将所述零件正面初筛图像与所述零件侧角度初筛图像进行一一对比，并根据生成的对比结果对所述零件正面初筛图像与所述零件侧角度初筛图像进行相似图像剔除，并生成零件内侧正面图像和零件侧角度图像；在所述零件内侧正面图像和零件侧角度图像生成后，将所述零件内侧正面图像和所
述零件侧角度图像对应的预设固定监测工位所具有的特定工位标签关联所述零件内侧正面图像和所述零件侧角度图像。
26.进一步地说，所述特征数据生成模块还用于：
27.基于预设的第一缺口缺陷特征对各所述当前部件实际图像进行缺口特征提取，并分别获取各所述当前部件实际图像的缺口图像特征；基于预设的第一特定增色角度对各所述当前部件实际图像进行增色处理，并分别获取初始增色后部件图像；判断所述初始增色后部件图像中是否存在预设的应力缺陷图像；若判断所述初始增色后部件图像中存在预设的应力缺陷图像，则对所述初始增色后部件图像进行预设的第二角度增色处理，并在处理完成后获取增色完成后部件图像；其中，所述第二角度增色处理包括按照预设预设的第二角度和第二亮度进行增色；基于预设的缺陷标准特征对各所述增色完成后部件图像进行应力损坏图像提取，并分别获取各所述增色完成后部件图像的应力损坏图像特征；
28.所述特征数据生成模块还用于：根据所述应力损坏图像特征，对所述应力损坏图像特征进行区域标定，并获取应力损坏表标定区域；根据所述应力损坏表标定区域生成当前损坏区域面积；根据所述当前损坏区域面积生成当前应力损坏等级；根据所述当前应力损坏等级从预设的标准工位监改方案中选中与所述当前应力损坏等级相匹配的标准工位监改方案，并将选中的标准工位监改方案设定为目标使用监改方案；将所述目标使用监改方案与所述待处理问题工位进行绑定，并在绑定后发送方案绑定成功指示至所述设备预警监测人员。
29.进一步地说，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于人工智能的vr设备预警监测方法所述的步骤。
30.进一步地说，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人工智能的vr设备预警监测方法所述的步骤。
31.本发明实现技术效果如下：
32.上述基于人工智能的vr设备预警监测方法及系统，依次通过获取当前待质检vr设备零件经过当前vr设备生产线上各预设固定监测工位时的当前部件实际图像，其中，所述当前vr设备生产线上具有多个所述预设固定监测工位，所述当前待质检vr设备零件依次经过各所述预设固定监测工位，每经过一个所述预设固定监测工位时，对应获取一个所述当前部件实际图像，每个所述预设固定监测工位均设有特定工位标签，所述特定工位标签与对应的当前部件实际图像相关联；分别对各所述当前部件实际图像进行图像缺陷特征提取，并在图像缺陷特征提取完成后获取当前缺陷特征数据，其中，一个所述当前部件实际图像对应一个当前缺陷特征数据；根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，同时对所述当前缺陷特征数据对应的当前待质检vr设备零件打上故障零部件标识，并基于所述故障零部件标识和所述待处理问题工位生成工位检测预警报告；基于预设的零部件抓取机械手对具有故障零部件标识的当前待质检vr设备零件进行抓取，并将抓取的当前待质检vr设备零件输送至零部件回收工位，同时生成零部件回收报告，并将所述零部件回收报告和所述工位检测预警报告发送至设备预警监测人，进而通过在每个所述预设固定监测工位上获取当前部件实际图像，并同时通过设置所述特定工位标签，实现了对每个工位的溯源，进而以
此来获取根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，进而获知设定的待处理问题工位，进而通过设置的故障零部件标识，实现了能够更好的标识。而通过设置了待处理问题工位，保证了能够根据零部件的检测来反向改进工位，从而实现了根据vr设备中的零部件的问题来获知问题工位，进而对问题工位进行定位，进而方便了后续能够对工位进行溯源定位处理，以提升后续生产的可靠性。
附图说明
33.图1为一个实施例中基于人工智能的vr设备预警监测方法的流程示意图；
34.图2为一个实施例中未进行增色处理的所述当前部件实际图像；
35.图3为一个实施例中初始增色后部件图像的实物图；
36.图4为一个实施例中增色完成后部件图像的实物图；
37.图5为一个实施例中基于人工智能的vr设备预警监测系统的结构框图；
38.图6为一个实施例中计算机设备的内部结构图。
具体实施方式
39.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
40.在一个实施例中，本发明还提供一种所述基于人工智能的vr设备预警监测方法的应用场景，该应用场景包括一应用终端，所述应用终端用于获取当前待质检vr设备零件经过当前vr设备生产线上各预设固定监测工位时的当前部件实际图像，其中，所述当前vr设备生产线上具有多个所述预设固定监测工位，所述当前待质检vr设备零件依次经过各所述预设固定监测工位，每经过一个所述预设固定监测工位时，对应获取一个所述当前部件实际图像，每个所述预设固定监测工位均设有特定工位标签，所述特定工位标签与对应的当前部件实际图像相关联；分别对各所述当前部件实际图像进行图像缺陷特征提取，并在图像缺陷特征提取完成后获取当前缺陷特征数据，其中，一个所述当前部件实际图像对应一个当前缺陷特征数据；根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，同时对所述当前缺陷特征数据对应的当前待质检vr设备零件打上故障零部件标识，并基于所述故障零部件标识和所述待处理问题工位生成工位检测预警报告；基于预设的零部件抓取机械手对具有故障零部件标识的当前待质检vr设备零件进行抓取，并将抓取的当前待质检vr设备零件输送至零部件回收工位，同时生成零部件回收报告，并将所述零部件回收报告和所述工位检测预警报告发送至设备预警监测人。
41.在一个实施例中，如图1所示，提供了一种基于人工智能的vr设备预警监测方法，其特征在于，所述方法包括：
42.步骤s100：获取当前待质检vr设备零件经过当前vr设备生产线上各预设固定监测工位时的当前部件实际图像，其中，所述当前vr设备生产线上具有多个所述预设固定监测工位，所述当前待质检vr设备零件依次经过各所述预设固定监测工位，每经过一个所述预设固定监测工位时，对应获取一个所述当前部件实际图像，每个所述预设固定监测工位均
设有特定工位标签，所述特定工位标签与对应的当前部件实际图像相关联；
43.更进一步地说，本步骤中，为了保证后续能够对vr设备的具体可能发生损坏/已经发生损坏的零部件的溯源，进而在所述当前vr设备生产线上各预设固定监测工位上均设有图像检测设备，如ccd相机，通过ccd相机进而实现了能够使所述当前待质检vr设备零件每经过一个所述预设固定监测工位时，能够通过预先设置的ccd相机对应获取一个所述当前部件实际图像。
44.为了确定每个工位对零部件的处理的标定，进而设置了每个所述预设固定监测工位均设有特定工位标签，所述特定工位标签与对应的当前部件实际图像相关联，这样能够方便后续当零部件出现问题时，能够准确的获知具体那一个工位出现问题，进而对不同的工位进行整改，以提升后续生产的准确性和可靠性。
45.步骤s200：分别对各所述当前部件实际图像进行图像缺陷特征提取，并在图像缺陷特征提取完成后获取当前缺陷特征数据，其中，一个所述当前部件实际图像对应一个当前缺陷特征数据；
46.更进一步地说，本步骤中，为了提升零部件的检测的准确性，防止出现后续因零部件质检问题导致组装而成的vr设备生命周期短和使用寿命短的问题，进而通过设置了图像缺陷特征提取的步骤，并在图像缺陷特征提取完成后获取当前缺陷特征数据。
47.所述当前缺陷特征数据包括两种情况，一种是没有缺陷，此时所述当前缺陷特征数据为无数据，另一种是有缺陷，如缺口缺陷或者应力损伤缺陷等问题，那么此时所述当前缺陷特征数据便为具体的缺陷。
48.步骤s300：根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，同时对所述当前缺陷特征数据对应的当前待质检vr设备零件打上故障零部件标识，并基于所述故障零部件标识和所述待处理问题工位生成工位检测预警报告；
49.更进一步地说，本步骤中，为了实现对工位的溯源以及后续对不合格零部件的处理和预警，进而通过获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，同时对所述当前缺陷特征数据对应的当前待质检vr设备零件打上故障零部件标识，并基于所述故障零部件标识和所述待处理问题工位生成工位检测预警报告，其中，通过设置的故障零部件标识，实现了能够更好的标识。而通过设置了待处理问题工位，保证了能够根据零部件的检测来反向改进工位，进而提升后续生产的可靠性。
50.另外，因每个工位均对应有当前部件实际图像，进而通过不同的当前部件实际图像之间的对比，便能够获取各当前部件实际图像之间的差异，而该差异便为不同的工位对零部件处理后所造成，进而可以以各所述当前部件实际图像为基础，获知各工位具体的处理步骤所带来的结果，如通过第一个工位获得的图像为壳体的图像，第二个工位获取的是壳体上加了把手的图像，那么显然可以获知第二个工位所做的处理工艺是加把手，同时因所述特定工位标签的设置，实现了对每个工位的溯源，进而以此来获取根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，进而获知设定的待处理问题工位。
51.步骤s400：基于预设的零部件抓取机械手对具有故障零部件标识的当前待质检vr
设备零件进行抓取，并将抓取的当前待质检vr设备零件输送至零部件回收工位，同时生成零部件回收报告，并将所述零部件回收报告和所述工位检测预警报告发送至设备预警监测人员。
52.更进一步地说，本步骤中，为了防止有问题的零部件出现问题，那么便通过预设的零部件抓取机械手对具有故障零部件标识的当前待质检vr设备零件进行抓取，并将抓取的当前待质检vr设备零件输送至零部件回收工位，同时生成零部件回收报告，所述零部件回收报告方便后续对零部件损伤情况进行统计。
53.接着，将所述零部件回收报告和所述工位检测预警报告发送至设备预警监测人员，所述设备预警监测人员是对所述当前vr设备生产线进行监控和改进的人员，故通过所述零部件回收报告和所述工位检测预警报告的发送，提供了后续对工位进行改进过程中的数据支撑和依靠，实现更好的进行工位改进。
54.综上所述，本发明依次通过获取当前待质检vr设备零件经过当前vr设备生产线上各预设固定监测工位时的当前部件实际图像，其中，所述当前vr设备生产线上具有多个所述预设固定监测工位，所述当前待质检vr设备零件依次经过各所述预设固定监测工位，每经过一个所述预设固定监测工位时，对应获取一个所述当前部件实际图像，每个所述预设固定监测工位均设有特定工位标签，所述特定工位标签与对应的当前部件实际图像相关联；分别对各所述当前部件实际图像进行图像缺陷特征提取，并在图像缺陷特征提取完成后获取当前缺陷特征数据，其中，一个所述当前部件实际图像对应一个当前缺陷特征数据；根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，同时对所述当前缺陷特征数据对应的当前待质检vr设备零件打上故障零部件标识，并基于所述故障零部件标识和所述待处理问题工位生成工位检测预警报告；基于预设的零部件抓取机械手对具有故障零部件标识的当前待质检vr设备零件进行抓取，并将抓取的当前待质检vr设备零件输送至零部件回收工位，同时生成零部件回收报告，并将所述零部件回收报告和所述工位检测预警报告发送至设备预警监测人，进而通过在每个所述预设固定监测工位上获取当前部件实际图像，并同时通过设置所述特定工位标签，实现了对每个工位的溯源，进而以此来获取根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，进而获知设定的待处理问题工位，进而通过设置的故障零部件标识，实现了能够更好的标识。而通过设置了待处理问题工位，保证了能够根据零部件的检测来反向改进工位，从而实现了根据vr设备中的零部件的问题来获知问题工位，进而对问题工位进行定位，进而方便了后续能够对工位进行溯源定位处理，以提升后续生产的可靠性。
55.在一个实施例中，所述当前部件实际图像包括零件内侧正面图像和零件侧角度图像；
56.步骤s100：获取当前待质检vr设备零件经过当前vr设备生产线上各预设固定监测工位时的当前部件实际图像，其中，所述当前vr设备生产线上具有多个所述预设固定监测工位，所述当前待质检vr设备零件依次经过各所述预设固定监测工位，每经过一个所述预设固定监测工位时，对应获取一个所述当前部件实际图像，每个所述预设固定监测工位均设有特定工位标签，所述特定工位标签与对应的当前部件实际图像相关联；具体包括：
57.步骤s110：基于预设的ccd相机获取当前待质检vr设备零件经过各所述预设固定
监测工位时的零件内侧正面初始图像和零件侧角度初始图像，其中，一个所述预设固定监测工位对应的所述零件内侧正面初始图像和所述零件侧角度初始图像的数量均为多个；
58.步骤s120：对一个所述预设固定监测工位对应的各所述零件内侧正面初始图像进行数据分析，并分别获取各所述零件内侧正面初始图像之间的第一相似度；
59.步骤s130：根据所述第一相似度剔除各所述零件内侧正面初始图像中相似的图像，并在剔除后获取零件正面初筛图像；
60.更进一步地说，本步骤中，为了获知更准确的图像数据，进而通过多角度来拍摄，也即通过ccd相机获取当前待质检vr设备零件经过各所述预设固定监测工位时的零件内侧正面初始图像和零件侧角度初始图像。
61.接着，在获知所述第一相似度的过程中，以第一个零件内侧正面初始图像为基准，分别与其他的零件内侧正面初始图像进行对比，并分别获取了与其他所述零件内侧正面初始图像的具化相似度，各所述具化相似度组成了所述第一相似度。
62.然后，将各具化相似度中大于预设相似度的具化相似度所对应的零件内侧正面初始图像剔除，剔除后获取的便是所述零件正面初筛图像。
63.这样，通过根据所述第一相似度剔除各所述零件内侧正面初始图像中相似的图像，并在剔除后获取零件正面初筛图像，使一方面实现了多角度数据的获取，另一方面通过对完全相似或者极为相似的图像进行剔除，提升后续数据处理效率，防止出现无用数据处理。
64.更进一步地，所述预设相似度的数值可以为98％-99.99％。
65.步骤s140：对各所述零件侧角度初始图像进行相似图像剔除，并在剔除完成后获取零件侧角度初筛图像；
66.同理，对于所述零件侧角度初始图像进行相似图像剔除的步骤比较，与上述获取零件正面初筛图像的步骤相同，故本技术不做具体阐述。
67.步骤s150：将所述零件正面初筛图像与所述零件侧角度初筛图像进行一一对比，并根据生成的对比结果对所述零件正面初筛图像与所述零件侧角度初筛图像进行相似图像剔除，并生成零件内侧正面图像和零件侧角度图像；
68.步骤s160：在所述零件内侧正面图像和零件侧角度图像生成后，将所述零件内侧正面图像和所述零件侧角度图像对应的预设固定监测工位所具有的特定工位标签关联所述零件内侧正面图像和所述零件侧角度图像。
69.更进一步地说，本步骤中，为了更准确地进行图像获取与重复图像的剔除，进而通过将所述零件正面初筛图像与所述零件侧角度初筛图像进行一一对比，并根据生成的对比结果对所述零件正面初筛图像与所述零件侧角度初筛图像进行相似图像剔除，并生成零件内侧正面图像和零件侧角度图像，然后为了更方便的工位溯源，进而在所述零件内侧正面图像和零件侧角度图像生成后，将所述零件内侧正面图像和所述零件侧角度图像对应的预设固定监测工位所具有的特定工位标签关联所述零件内侧正面图像和所述零件侧角度图像。
70.其中，将所述零件正面初筛图像与所述零件侧角度初筛图像进行一一对比时，同样先将一个所述零件正面初筛图像与所有的所述零件侧角度初筛图像进行对比，分别获取对比结果，将基于对比结果判断所述零件正面初筛图像与所述零件侧角度初筛图像相似度
大于98％的图像删除一个，进而实现所述零件正面初筛图像与所述零件侧角度初筛图像中相同图像的剔除。
71.进一步地，本发明中通过在正式进行图像缺陷分析之前，进行了重复图像的剔除，解决了常规设置中获取图像后直接进行图像处理后存在的后续数据处理时间长以及影响生产效率的问题。
72.在一个实施例中，所述当前缺陷特征数据包括缺口图像特征和应力损坏图像特征；
73.步骤s200：分别对各所述当前部件实际图像进行图像缺陷特征提取，并在图像缺陷特征提取完成后获取当前缺陷特征数据，其中，一个所述当前部件实际图像对应一个当前缺陷特征数据；具体包括：
74.步骤s210：基于预设的第一缺口缺陷特征对各所述当前部件实际图像进行缺口特征提取，并分别获取各所述当前部件实际图像的缺口图像特征；
75.更进一步地说，本步骤中，所述第一缺口缺陷特征即为零部件上出现缺损的情况，那么此时为了检测明显的缺陷，进而通过设置所述第一缺口缺陷特征，并对各所述当前部件实际图像进行缺口特征提取，并分别获取各所述当前部件实际图像的缺口图像特征，通过此步骤，能够提升对明显缺陷的零部件的剔除。
76.步骤s220：基于预设的第一特定增色角度对各所述当前部件实际图像进行增色处理，并分别获取初始增色后部件图像；
77.更进一步地说，本步骤中，基于有些零部件发生应力损伤时，如被弯折后又复原，但是因为该材料为弹性软材料，进而在弯折过程中已然产生了损伤，具体体现在发生了应力发白的情况，但是因材质的问题和图像获取角度的问题，导致从图像上是无法分辨出来应力发白的情况，故本发明通过对图像进行增色处理，来更准确和精准地检测出应力发白情况。
78.进一步地，所述增色处理为以一个预先的角度对图像进行增色，如黑白色增色，进而实现获取所述初始增色后部件图像，此时可以理解为通过第一角度，并在第一角度给图像施加了第一亮度，进而提升了后续的图像缺陷识别能力。
79.步骤s230：判断所述初始增色后部件图像中是否存在预设的应力缺陷图像；
80.步骤s240：若判断所述初始增色后部件图像中存在预设的应力缺陷图像，则对所述初始增色后部件图像进行预设的第二角度增色处理，并在处理完成后获取增色完成后部件图像；其中，所述第二角度增色处理包括按照预设预设的第二角度和第二亮度进行增色；
81.接着，当判断所述初始增色后部件图像中存在预设的应力缺陷图像时，说明之前的增色处理有效，进而对所述初始增色后部件图像进行预设的第二角度增色处理，具体为按照预设预设的第二角度和第二亮度进行增色，那么此时通过所述第二角度增色处理则更能获取可以容易分辨出缺陷的增色完成后部件图像。
82.应理解，本发明为了精准获知可以分辨出缺陷的图像，故通过基于预设的第一特定增色角度对各所述当前部件实际图像进行增色处理，并分别获取初始增色后部件图像，然后为了更精准地进一步地优化图像，提升后续的缺陷辨别效果和准确性，进而通过对所述初始增色后部件图像进行预设的第二角度增色处理，并在处理完成后获取增色完成后部件图像，以此以第一次图像结果为数据判断基础，进行第二次增色处理，进而提升了后续数
据处理过程中的准确性和缺陷提取的可靠性。
83.进一步地，如图2所示，为未进行增色处理的所述当前部件实际图像。
84.根据图2所示，其图像的中间有一个浅显的痕迹，但是实际生产过程中，因拍摄光等干扰因素导致无法分别并识别出应力发白导致的缺陷。
85.接着，请参照图3，图3为初始增色后部件图像的实物图。
86.进一步地，步骤s230：判断所述初始增色后部件图像中是否存在预设的应力缺陷图像，具体包括：
87.首先，根据提取所述初始增色后部件图像中的特定颜色区域，所述特定颜色区域为多个，且所述特定颜色区域内的颜色处于同一预设颜色范围内。
88.本实施例中，如图3所示，图3中具有2个特定颜色区域，分别为a特定颜色区域和c特定颜色区域。
89.然后，判断各所述特定颜色区域是否相同，若判断不同，则提取相邻所述特定颜色区域之间的区域空间图像，在图3中，所述区域空间图像为b区域的位置，即为b区域空间图像。
90.接着，判断所述b区域空间图像是否与预设的标准应力缺陷相匹配，若判断为是，则判定存在预设的应力缺陷图像。
91.此时，转步骤s240，按照预设预设的第二角度和第二亮度进行增色处理，并获取增色完成后部件图像。
92.请参照图4，图4为增色完成后部件图像的实物图。
93.显然，再次增色处理后，图4中的应力发白区域更为明显，也即为图4中的各箭头指示的区域，进而通过进行预设的第二角度增色处理，并在处理完成后获取增色完成后部件图像，实现能够更精准地进行应力损坏图像提取，并分别获取各所述增色完成后部件图像的应力损坏图像特征。
94.步骤s250：基于预设的缺陷标准特征对各所述增色完成后部件图像进行应力损坏图像提取，并分别获取各所述增色完成后部件图像的应力损坏图像特征。
95.更进一步地说，本步骤中，为了准确获取缺陷的图像，进而基于预设的缺陷标准特征对各所述增色完成后部件图像进行应力损坏图像提取，并分别获取各所述增色完成后部件图像的应力损坏图像特征。
96.在一个实施例中，步骤s250：基于预设的缺陷标准特征对各所述增色完成后部件图像进行应力损坏图像提取，并分别获取各所述增色完成后部件图像的应力损坏图像特征之后，还包括：
97.步骤s261：根据所述应力损坏图像特征，对所述应力损坏图像特征进行区域标定，并获取应力损坏表标定区域；
98.步骤s262：根据所述应力损坏表标定区域生成当前损坏区域面积；
99.步骤s263：根据所述当前损坏区域面积生成当前应力损坏等级；
100.步骤s264：根据所述当前应力损坏等级从预设的标准工位监改方案中选中与所述当前应力损坏等级相匹配的标准工位监改方案，并将选中的标准工位监改方案设定为目标使用监改方案；
101.步骤s265：将所述目标使用监改方案与所述待处理问题工位进行绑定，并在绑定
后发送方案绑定成功指示至所述设备预警监测人员。
102.更进一步地说，本步骤中，为了更准确地判定对所述待处理问题工位的处理重视程度，进而通过当前应力损坏等级的形式来进行生成，也即先通过所述应力损坏图像特征，对所述应力损坏图像特征进行区域标定，并获取应力损坏表标定区域；然后，根据所述应力损坏表标定区域生成当前损坏区域面积，最后，根据所述当前损坏区域面积生成当前应力损坏等级，接着，基于所述当前应力损坏等级来进行从预设的标准工位监改方案中选中与所述当前应力损坏等级相匹配的标准工位监改方案，并将选中的标准工位监改方案设定为目标使用监改方案，这样能够根据不同的目标使用监改方案来进行不同的工位检测与修正处理，进而提升处理效率。
103.另外，通过设置将所述目标使用监改方案与所述待处理问题工位进行绑定，并在绑定后发送方案绑定成功指示至所述设备预警监测人员，极大提升了后续所述设备预警监测人员对相关工位进行处理的效率和工位修正的准确性。
104.在一个实施例中，步骤s300：根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，同时对所述当前缺陷特征数据对应的当前待质检vr设备零件打上故障零部件标识，并基于所述故障零部件标识和所述待处理问题工位生成工位检测预警报告，之后还包括：
105.步骤s510：获取所述待处理问题工位对所述当前待质检vr设备零件的实际处理工艺步骤，其中，所述实际处理工艺步骤包括多个细化分支处理步骤；
106.步骤s520：分别获取各所述细化分支处理步骤对所述当前待质检vr设备零件的具体处理参数；
107.步骤s530：对各所述具体处理参数进行细化核查，并在核查完成后筛选出有误的具体处理参数；
108.步骤s540：根据筛选出的有误的具体处理参数生成工艺处理参数调整报告，并将所述工艺处理参数调整报告发送至所述设备预警监测人员。
109.更进一步地说，本步骤中，所述细化分支处理步骤包括打磨、抛光、切除以及去碎屑等处理步骤，为了更精准地判断工位是否出现问题，进而先通过获取各所述细化分支处理步骤对所述当前待质检vr设备零件的具体处理参数；然后对各所述具体处理参数进行细化核查，并在核查完成后筛选出有误的具体处理参数，并且为了更精准地进行后续工位的改造与检测，进而根据筛选出的有误的具体处理参数生成工艺处理参数调整报告，并将所述工艺处理参数调整报告发送至所述设备预警监测人员。
110.在一个实施例中，如图5所示，本发明还提供一种基于人工智能的vr设备预警监测系统，所述系统包括：
111.实际图像获取模块，用于获取当前待质检vr设备零件经过当前vr设备生产线上各预设固定监测工位时的当前部件实际图像，其中，所述当前vr设备生产线上具有多个所述预设固定监测工位，所述当前待质检vr设备零件依次经过各所述预设固定监测工位，每经过一个所述预设固定监测工位时，对应获取一个所述当前部件实际图像，每个所述预设固定监测工位均设有特定工位标签，所述特定工位标签与对应的当前部件实际图像相关联；
112.特征数据生成模块，用于分别对各所述当前部件实际图像进行图像缺陷特征提取，并在图像缺陷特征提取完成后获取当前缺陷特征数据，其中，一个所述当前部件实际图
像对应一个当前缺陷特征数据；
113.预警报告生成模块，用于根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，同时对所述当前缺陷特征数据对应的当前待质检vr设备零件打上故障零部件标识，并基于所述故障零部件标识和所述待处理问题工位生成工位检测预警报告；
114.回收报告发送模块，用于基于预设的零部件抓取机械手对具有故障零部件标识的当前待质检vr设备零件进行抓取，并将抓取的当前待质检vr设备零件输送至零部件回收工位，同时生成零部件回收报告，并将所述零部件回收报告和所述工位检测预警报告发送至设备预警监测人员。
115.在一个实施例中，所述实际图像获取模块还用于：
116.基于预设的ccd相机获取当前待质检vr设备零件经过各所述预设固定监测工位时的零件内侧正面初始图像和零件侧角度初始图像，其中，一个所述预设固定监测工位对应的所述零件内侧正面初始图像和所述零件侧角度初始图像的数量均为多个；对一个所述预设固定监测工位对应的各所述零件内侧正面初始图像进行数据分析，并分别获取各所述零件内侧正面初始图像之间的第一相似度；根据所述第一相似度剔除各所述零件内侧正面初始图像中相似的图像，并在剔除后获取零件正面初筛图像；对各所述零件侧角度初始图像进行相似图像剔除，并在剔除完成后获取零件侧角度初筛图像；将所述零件正面初筛图像与所述零件侧角度初筛图像进行一一对比，并根据生成的对比结果对所述零件正面初筛图像与所述零件侧角度初筛图像进行相似图像剔除，并生成零件内侧正面图像和零件侧角度图像；在所述零件内侧正面图像和零件侧角度图像生成后，将所述零件内侧正面图像和所述零件侧角度图像对应的预设固定监测工位所具有的特定工位标签关联所述零件内侧正面图像和所述零件侧角度图像。
117.在一个实施例中，所述特征数据生成模块还用于：
118.基于预设的第一缺口缺陷特征对各所述当前部件实际图像进行缺口特征提取，并分别获取各所述当前部件实际图像的缺口图像特征；基于预设的第一特定增色角度对各所述当前部件实际图像进行增色处理，并分别获取初始增色后部件图像；判断所述初始增色后部件图像中是否存在预设的应力缺陷图像；若判断所述初始增色后部件图像中存在预设的应力缺陷图像，则对所述初始增色后部件图像进行预设的第二角度增色处理，并在处理完成后获取增色完成后部件图像；其中，所述第二角度增色处理包括按照预设预设的第二角度和第二亮度进行增色；基于预设的缺陷标准特征对各所述增色完成后部件图像进行应力损坏图像提取，并分别获取各所述增色完成后部件图像的应力损坏图像特征；
119.在一个实施例中，所述特征数据生成模块还用于：根据所述应力损坏图像特征，对所述应力损坏图像特征进行区域标定，并获取应力损坏表标定区域；根据所述应力损坏表标定区域生成当前损坏区域面积；根据所述当前损坏区域面积生成当前应力损坏等级；根据所述当前应力损坏等级从预设的标准工位监改方案中选中与所述当前应力损坏等级相匹配的标准工位监改方案，并将选中的标准工位监改方案设定为目标使用监改方案；将所述目标使用监改方案与所述待处理问题工位进行绑定，并在绑定后发送方案绑定成功指示至所述设备预警监测人员。
120.在一个实施例中，所述预警报告生成模块还用于：获取所述待处理问题工位对所
述当前待质检vr设备零件的实际处理工艺步骤，其中，所述实际处理工艺步骤包括多个细化分支处理步骤；分别获取各所述细化分支处理步骤对所述当前待质检vr设备零件的具体处理参数；对各所述具体处理参数进行细化核查，并在核查完成后筛选出有误的具体处理参数；根据筛选出的有误的具体处理参数生成工艺处理参数调整报告，并将所述工艺处理参数调整报告发送至所述设备预警监测人员。
121.在一个实施例中，如图6所示，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于人工智能的vr设备预警监测方法所述的步骤。
122.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人工智能的vr设备预警监测方法所述的步骤。
123.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
124.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
125.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。
技术特征：1.一种基于人工智能的vr设备预警监测方法，其特征在于，所述方法包括：获取当前待质检vr设备零件经过当前vr设备生产线上各预设固定监测工位时的当前部件实际图像，其中，所述当前vr设备生产线上具有多个所述预设固定监测工位，所述当前待质检vr设备零件依次经过各所述预设固定监测工位，每经过一个所述预设固定监测工位时，对应获取一个所述当前部件实际图像，每个所述预设固定监测工位均设有特定工位标签，所述特定工位标签与对应的当前部件实际图像相关联；分别对各所述当前部件实际图像进行图像缺陷特征提取，并在图像缺陷特征提取完成后获取当前缺陷特征数据，其中，一个所述当前部件实际图像对应一个当前缺陷特征数据；根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，同时对所述当前缺陷特征数据对应的当前待质检vr设备零件打上故障零部件标识，并基于所述故障零部件标识和所述待处理问题工位生成工位检测预警报告；基于预设的零部件抓取机械手对具有故障零部件标识的当前待质检vr设备零件进行抓取，并将抓取的当前待质检vr设备零件输送至零部件回收工位，同时生成零部件回收报告，并将所述零部件回收报告和所述工位检测预警报告发送至设备预警监测人员。2.根据权利要求1所述的基于人工智能的vr设备预警监测方法，其特征在于，所述当前部件实际图像包括零件内侧正面图像和零件侧角度图像；获取当前待质检vr设备零件经过当前vr设备生产线上各预设固定监测工位时的当前部件实际图像，其中，所述当前vr设备生产线上具有多个所述预设固定监测工位，所述当前待质检vr设备零件依次经过各所述预设固定监测工位，每经过一个所述预设固定监测工位时，对应获取一个所述当前部件实际图像，每个所述预设固定监测工位均设有特定工位标签，所述特定工位标签与对应的当前部件实际图像相关联；具体包括：基于预设的ccd相机获取当前待质检vr设备零件经过各所述预设固定监测工位时的零件内侧正面初始图像和零件侧角度初始图像，其中，一个所述预设固定监测工位对应的所述零件内侧正面初始图像和所述零件侧角度初始图像的数量均为多个；对一个所述预设固定监测工位对应的各所述零件内侧正面初始图像进行数据分析，并分别获取各所述零件内侧正面初始图像之间的第一相似度；根据所述第一相似度剔除各所述零件内侧正面初始图像中相似的图像，并在剔除后获取零件正面初筛图像；对各所述零件侧角度初始图像进行相似图像剔除，并在剔除完成后获取零件侧角度初筛图像；将所述零件正面初筛图像与所述零件侧角度初筛图像进行一一对比，并根据生成的对比结果对所述零件正面初筛图像与所述零件侧角度初筛图像进行相似图像剔除，并生成零件内侧正面图像和零件侧角度图像；在所述零件内侧正面图像和零件侧角度图像生成后，将所述零件内侧正面图像和所述零件侧角度图像对应的预设固定监测工位所具有的特定工位标签关联所述零件内侧正面图像和所述零件侧角度图像。3.根据权利要求2所述的基于人工智能的vr设备预警监测方法，其特征在于，所述当前缺陷特征数据包括缺口图像特征和应力损坏图像特征；分别对各所述当前部件实际图像进行图像缺陷特征提取，并在图像缺陷特征提取完成后获取当前缺陷特征数据，其中，一个所述当前部件实际图像对应一个当前缺陷特征数据；具体包括：基于预设的第一缺口缺陷特征对各所述当前部件实际图像进行缺口特征提取，并分别
获取各所述当前部件实际图像的缺口图像特征；基于预设的第一特定增色角度对各所述当前部件实际图像进行增色处理，并分别获取初始增色后部件图像；判断所述初始增色后部件图像中是否存在预设的应力缺陷图像；若判断所述初始增色后部件图像中存在预设的应力缺陷图像，则对所述初始增色后部件图像进行预设的第二角度增色处理，并在处理完成后获取增色完成后部件图像；其中，所述第二角度增色处理包括按照预设预设的第二角度和第二亮度进行增色；基于预设的缺陷标准特征对各所述增色完成后部件图像进行应力损坏图像提取，并分别获取各所述增色完成后部件图像的应力损坏图像特征。4.根据权利要求3所述的基于人工智能的vr设备预警监测方法，其特征在于，基于预设的缺陷标准特征对各所述增色完成后部件图像进行应力损坏图像提取，并分别获取各所述增色完成后部件图像的应力损坏图像特征之后，还包括：根据所述应力损坏图像特征，对所述应力损坏图像特征进行区域标定，并获取应力损坏表标定区域；根据所述应力损坏表标定区域生成当前损坏区域面积；根据所述当前损坏区域面积生成当前应力损坏等级；根据所述当前应力损坏等级从预设的标准工位监改方案中选中与所述当前应力损坏等级相匹配的标准工位监改方案，并将选中的标准工位监改方案设定为目标使用监改方案；将所述目标使用监改方案与所述待处理问题工位进行绑定，并在绑定后发送方案绑定成功指示至所述设备预警监测人员。5.根据权利要求1所述的基于人工智能的vr设备预警监测方法，其特征在于，根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，同时对所述当前缺陷特征数据对应的当前待质检vr设备零件打上故障零部件标识，并基于所述故障零部件标识和所述待处理问题工位生成工位检测预警报告，之后还包括：获取所述待处理问题工位对所述当前待质检vr设备零件的实际处理工艺步骤，其中，所述实际处理工艺步骤包括多个细化分支处理步骤；分别获取各所述细化分支处理步骤对所述当前待质检vr设备零件的具体处理参数；对各所述具体处理参数进行细化核查，并在核查完成后筛选出有误的具体处理参数；根据筛选出的有误的具体处理参数生成工艺处理参数调整报告，并将所述工艺处理参数调整报告发送至所述设备预警监测人员。6.一种基于人工智能的vr设备预警监测系统，其特征在于，所述系统包括：实际图像获取模块，用于获取当前待质检vr设备零件经过当前vr设备生产线上各预设固定监测工位时的当前部件实际图像，其中，所述当前vr设备生产线上具有多个所述预设固定监测工位，所述当前待质检vr设备零件依次经过各所述预设固定监测工位，每经过一个所述预设固定监测工位时，对应获取一个所述当前部件实际图像，每个所述预设固定监测工位均设有特定工位标签，所述特定工位标签与对应的当前部件实际图像相关联；特征数据生成模块，用于分别对各所述当前部件实际图像进行图像缺陷特征提取，并在图像缺陷特征提取完成后获取当前缺陷特征数据，其中，一个所述当前部件实际图像对应一个当前缺陷特征数据；预警报告生成模块，用于根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，同时对所述当前缺陷特征数据对应的当前待质检vr设备零件打上故障零部件标识，并基于所述故障零部件标识和所述待处理问题工位生成工位检测预警报告；
回收报告发送模块，用于基于预设的零部件抓取机械手对具有故障零部件标识的当前待质检vr设备零件进行抓取，并将抓取的当前待质检vr设备零件输送至零部件回收工位，同时生成零部件回收报告，并将所述零部件回收报告和所述工位检测预警报告发送至设备预警监测人员。7.根据权利要求6所述的基于人工智能的vr设备预警监测系统，其特征在于，所述实际图像获取模块还用于：基于预设的ccd相机获取当前待质检vr设备零件经过各所述预设固定监测工位时的零件内侧正面初始图像和零件侧角度初始图像，其中，一个所述预设固定监测工位对应的所述零件内侧正面初始图像和所述零件侧角度初始图像的数量均为多个；对一个所述预设固定监测工位对应的各所述零件内侧正面初始图像进行数据分析，并分别获取各所述零件内侧正面初始图像之间的第一相似度；根据所述第一相似度剔除各所述零件内侧正面初始图像中相似的图像，并在剔除后获取零件正面初筛图像；对各所述零件侧角度初始图像进行相似图像剔除，并在剔除完成后获取零件侧角度初筛图像；将所述零件正面初筛图像与所述零件侧角度初筛图像进行一一对比，并根据生成的对比结果对所述零件正面初筛图像与所述零件侧角度初筛图像进行相似图像剔除，并生成零件内侧正面图像和零件侧角度图像；在所述零件内侧正面图像和零件侧角度图像生成后，将所述零件内侧正面图像和所述零件侧角度图像对应的预设固定监测工位所具有的特定工位标签关联所述零件内侧正面图像和所述零件侧角度图像。8.根据权利要求6所述的基于人工智能的vr设备预警监测系统，其特征在于，所述特征数据生成模块还用于：基于预设的第一缺口缺陷特征对各所述当前部件实际图像进行缺口特征提取，并分别获取各所述当前部件实际图像的缺口图像特征；基于预设的第一特定增色角度对各所述当前部件实际图像进行增色处理，并分别获取初始增色后部件图像；判断所述初始增色后部件图像中是否存在预设的应力缺陷图像；若判断所述初始增色后部件图像中存在预设的应力缺陷图像，则对所述初始增色后部件图像进行预设的第二角度增色处理，并在处理完成后获取增色完成后部件图像；其中，所述第二角度增色处理包括按照预设预设的第二角度和第二亮度进行增色；基于预设的缺陷标准特征对各所述增色完成后部件图像进行应力损坏图像提取，并分别获取各所述增色完成后部件图像的应力损坏图像特征；所述特征数据生成模块还用于：根据所述应力损坏图像特征，对所述应力损坏图像特征进行区域标定，并获取应力损坏表标定区域；根据所述应力损坏表标定区域生成当前损坏区域面积；根据所述当前损坏区域面积生成当前应力损坏等级；根据所述当前应力损坏等级从预设的标准工位监改方案中选中与所述当前应力损坏等级相匹配的标准工位监改方案，并将选中的标准工位监改方案设定为目标使用监改方案；将所述目标使用监改方案与所述待处理问题工位进行绑定，并在绑定后发送方案绑定成功指示至所述设备预警监测人员。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
技术总结本申请涉及一种基于人工智能的VR设备预警监测方法及系统，包括获取当前待质检VR设备零件经过当前VR设备生产线上各预设固定监测工位时的当前部件实际图像；分别对各所述当前部件实际图像进行图像缺陷特征提取，并在图像缺陷特征提取完成后获取当前缺陷特征数据，根据所述当前缺陷特征数据获取与所述当前缺陷特征数据相对应的预设固定监测工位，并将该预设固定监测工位设定为待处理问题工位，基于预设的零部件抓取机械手对具有故障零部件标识的当前待质检VR设备零件进行抓取，并将抓取的当前待质检VR设备零件输送至零部件回收工位。本发明实现了对问题工位进行定位，进而方便了后续能够对工位进行溯源定位处理，以提升后续生产的可靠性。生产的可靠性。生产的可靠性。
技术研发人员：陈迅
受保护的技术使用者：陈迅
技术研发日：2022.07.18
技术公布日：2022/11/1
