5G环境下基于深度学习的云化PLC物料识别与定位系统

摘要：

为了解决智能制造领域中云化控制与视觉分选应用相结合的问题,提出了基于深度学习的云化可编程逻辑控制器(Programmable logic controller,PLC)物料识别与定位系统,并在端到端5G与时间敏感网络(Time sensitive networking,TSN)传输网络环境下,实现了对云化PLC架构和控制功能有效性的验证.首先,将传统PLC系统控制功能容器虚拟化,实现PLC的本地和云端自由部署;其次,在云端设计人工智能学习平台,采用基于You only look once v5(YOLOv5)的目标检测算法实现物料的定位和分类,获取目标的像素坐标和类别信息;然后,利用相机标定方法把像素坐标转换成物理世界坐标,并将目标类别、坐标、时间戳信息传输到云化PLC;最后,在5G和TSN融合网络环境下,实现云化PLC对天车设备的实时控制与复杂计算功能整合.结果表明,该系统能够有效的对多天车进行协同控制,物料定位均值平均精度(Mean average precision,mAP)达到99.65％,分选准确率达到96.67％,平均消耗时间225.99 s,满足工业低时延、高精度的视觉分选需求.

关键词：智能制造、视觉分选、深度学习、云化可编程逻辑控制器、5G、时间敏感网络

所属期刊栏目：45

分类号：TG142.71(金属学与热处理)

资助基金：国家重点研发计划;广东省重点研发计划资助项目;中央高校基本科研业务费专项资金资助项目;广东省基础与应用基础研究基金联合基金资助项目;中央高校基础研究基金资助项目;中国博士后科学基金资助项目

在线出版日期：2023-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1666-1673