1.装配拧紧过程样本采集系统，其特征在于，包括视频采集装置（1）、可穿戴式肌电装置（2）、扭矩采集装置（3）以及第一计算机（4），所述视频采集装置（1）采集视频信息并发送给第一计算机（4），所述肌电装置（2）采集人体的肌电信号、惯性加速度信号和方位信号，然后发送给第一计算机（4），所述扭矩采集装置（3）将采集到的操作人员拧紧螺母时的扭矩信息发送给第一计算机（4），所述第一计算机（4）执行如下步骤：识别视频信息中人体的骨骼节点，并计算出各个骨骼节点的坐标信息；

将骨骼节点坐标信息以及接收到的肌电信号、惯性加速度信号、方位信号、扭矩信息、视频信息均按照时间标签存储；

从视频信息中按时间标签提取图片，将所述图片、肌电信号、惯性加速度信号、方位信号、骨骼节点坐标信息作为样本数据，将所述扭矩信息作为实测值，从而得到能用于机器学习的样本库。

2.根据权利要求1所述的装配拧紧过程样本采集系统，其特征在于：在样本库中创建图片信息集合和整合信息集合，将样本数据中的图片存入图片信息集合，将肌电信号、惯性加速度信号、方位信号、骨骼节点坐标信息存入整合信息集合；对图片信息集合和整合信息集合中的每一个样本数据设置扭矩标签，所述扭矩标签记载相同时间标签对应的扭矩信息。

3.根据权利要求1所述的装配拧紧过程样本采集系统，其特征在于：所述肌电装置（2）包括肌电测量单元、惯性测量单元以及通信单元，所述肌电测量单元测量人体的肌电信号，所述惯性测量单元测量人体的惯性加速度信号和方位信号，所述肌电信号、惯性加速度信号和方位信号通过所述通信单元发送给第一计算机（4）。

4.根据权利要求1所述的装配拧紧过程样本采集系统，其特征在于：所述扭矩采集装置（3）包括可更换式螺栓配件（31）、扭矩传感器（32）、工作台（33）以及信号处理单元（34），所述扭矩传感器（32）固定于所述工作台（33）上，所述可更换式螺栓配件（31）安装在扭矩传感器（32）的顶部，所述信号处理单元（34）的一端与扭矩传感器（32）的输出端口连接，另一端与第一计算机（4）连接，所述扭矩传感器（32）测量拧紧可更换式螺栓配件（31）时产生的扭矩信号并以电压形式输出，所述信号处理单元（34）接收所述电压信号并将其转化为数字信号，然后传输至所述第一计算机（4）。

5.根据权利要求4所述的装配拧紧过程样本采集系统，其特征在于：所述可更换式螺栓配件（31）由连接件（311）和螺杆（312）固定连接组成，所述连接件（311）可拆卸固定在所述扭矩传感器（32）上，测量时，在螺杆（312）上旋入螺母（5），拧紧螺母（5），由扭矩传感器（32）测得扭矩信号。

6.一种深度学习网络，其特征在于：采用权利要求1至5项所述的样本采集系统获得的样本库，通过如下训练步骤进行训练：

将样本库中的部分样本数据作为训练集，将训练集中的样本数据分为多组；

所述深度学习网络包括输入层、输出层、卷积层和全连接层，首先，所述输入层接收一组整合信息集合和图像信息集合，该组整合信息集合中的样本数据进行第一卷积层的卷积运算，再通过第一全连接层展开后，得到第一一维特征值，该组图像信息集合的样本数据进行第二卷积层的卷积运算，再通过第二全连接层展开后，得到第二一维特征值，将第一一维特征值和第二一维特征值按各自的权重值进行特征融合，将融合后的特征值通过第三卷积层输出给输出层，得到深度学习网络计算的与时间标签对应的预测扭矩值，使用交叉熵损失函数计算预测扭矩值与扭矩标签的损失值，通过误差反向传播算法，将损失值传给深度学习网络进行优化，使下一组养足数据计算得到的损失值减小；重复进行上述过程，输入下一组样本数据，不断优化深度学习网络，减小损失值，使损失值减小到预设范围内，完成深度学习网络的收敛。

7.根据权利要求6所述的一种深度学习网络，其特征在于：将样本库中的另一部分样本数据作为测试集，利用测试集判断训练后的深度学习网络的计算正确率，测试步骤如下：将测试集中的样本数据输入所述深度学习网络，输出各时间标签对应的预测扭矩值，根据时间标签，比较预测扭矩值和扭矩标签的差值是否小于预设的第一阈值，若是，则判定识别正确，否则，判定识别错误；统计测试集的计算正确率，若大于预设的第二阈值，则判定所述深度学习模型训练完成，否则，通过样本采集系统再次采集样本数据，重复执行所述训练步骤。

8.装配拧紧过程的监测系统，其特征在于：包括图像采集装置（6）、肌电穿戴设备（7）以及第二计算机（8），所述图像采集装置（6）采集监测现场操作人员装配拧紧时的操作视频并按设定的帧数转换为图像，然后发送给第二计算机（8），所述肌电穿戴设备（7）采集人体的肌电信号、惯性加速度信号和方位信号，然后发送给第二计算机（8），所述第二计算机（8）内加载权利要求6所述的深度学习网络，所述第二计算机（8）执行如下步骤：识别图像中的人体的骨骼节点，并计算出各个骨骼节点的坐标信息；

将骨骼节点的坐标信息、肌电信号、惯性加速度信号和方位信号输入到所述深度学习网络中，所述深度学习网络输出监测扭矩值，将监测扭矩值与预设的扭矩参考值进行比较，判断拧紧过程是否异常，若出现异常，则发出告警提示，实现对装配拧紧过程的实时监测和即时反馈。

9.根据权利要求8所述的装配拧紧过程的监测系统，其特征在于：所述第二计算机（8）还按照骨骼节点坐标信息生成骨骼节点的运动轨迹，根据骨骼节点的运动循环周期数计算出拧转螺栓的扭转圈数，将扭转圈数与预设的标准圈数阈值进行比较，如果监测扭矩值和扭转圈数均出现异常，则发出告警提示。

10.根据权利要求8或9所述的装配拧紧过程的监测系统，其特征在于：所述肌电穿戴设备（7）还包括震动输出单元，所述告警提示为第二计算机（8）发出信号控制所述震动输出单元产生震动，提示工人检查操作情况。