摘要
近年来中国人口结构有老龄化的趋势，企业用工成本不断攀升，加速了传统制造业的智能化转型升级。在纺织行业中，现有的人工布匹生产订单报工管理面临着推广的困难，这些困难主要源于报工管理流程的复杂性，要求工人依赖于随布匹流转的纸质信息单来监控和管理各个生产环节。但这种依赖于纸质信息单的管理方式不仅效率低下，而且容易导致信息的混乱和管理上的困难。此外，工人在读取信息单号进行流程报工时，需要手动处理多个工序，大幅增加了人力成本。为了解决这些问题，本论文设计并实现了一款基于机器视觉的数码印花工厂自动报工软件，利用工业相机采集的正在生产的布匹图案，将其与订单库中的花型图案进行智能匹配，从而对生产订单进行快速准确的报工管理。论文的主要工作和成果如下： (1)自动报工软件总体设计。首先全面分析了自动报工系统的应用需求，包括工单管理、外设管理、检测精度和检测速度等功能需求，以及算力、接口、数据传输速度等性能需求。接着基于这些需求分析结果，选定了适合的硬件平台，并设计了系统的整体框架。该框架考虑到在工厂实际应用中的成本问题设计了基于C/S结构的分布式软件系统，将客户界面与计算资源进行分离。 (2)基于机器视觉的图案匹配算法设计。首先给出了算法的设计思路、数据集的生成与评估、图像预处理方法，以及视觉变换器(ViT)模型的特征融合方法。其中通过集成ViT模型和多层特征融合机制，应对布匹图案种类繁多和特征难以提取的难题，并采用MoCov3自监督学习方法克服训练数据标注有限的挑战，提高模型特征提取的准确性和泛化能力。接着对两个待匹配花型图所提取的特征图计算余弦相似度来确定匹配度，从而选出最高置信度的图片作为目标花型。最后通过实验验证设计算法的性能，与现有特征提取网络相比，精度与速度均有提升。 (3)基于TensorRT的印花图案匹配算法优化部署。鉴于匹配算法在服务器上的部署需求，本论文进行了针对性的高性能优化，主要包括对模型进行稀疏训练和全连接剪枝技术，尤其是针对多头自注意力模块后的前馈网络层，以压缩模型的大小并进行模型结构的优化和16比特量化。此外，本论文采用TensorRT加速库在服务器上部署模型，利用CUDA在NVIDIAGPU上对图像预处理算法及图像匹配任务进行加速。这一系列的优化不仅显著减小了模型的体积，还确保了模型的推理速度能满足实时匹配的需求。 (4)基于C/S结构的自动报工应用软件开发。根据软件需求分析和已设计的图片匹配算法，采用客户端/服务端的软件结构，开发包括基于Qt的客户端和基于HTTP协议的服务端，以实现用户友好的操作界面和高效的生产管理。
NETL