[发明专利]基于云端大数据的平面材料检测远程系统及检测方法

说明书

技术领域

本发明涉及基于云端大数据的平面材料检测远程系统及检测方法。

背景技术

平面材料在生产过程中由于各种原因，不可避免地会在其表面产生各种缺陷，及时发现此类缺陷非常关键，越早发现问题，就能越快地排除它们，从而避免出现更大的质量问题。由于平面材料种类繁多,不同材料的材质、纹理、颜色、光学特性等各有不同，产生的缺陷类型又会因生产设备、环境和工艺的不同千差万别。面对如此复杂多样的检测对象，市场上现有的检测设备一般仅能依靠客户厂方提供的数量种类有限的缺陷样本进行算法的构建和调试，对缺陷类型的覆盖率有限，无法应对实际工况中可能出现的特殊缺陷类型，并快速调整算法适用，普遍存在调试困难、稳定性差、检测准确率低等问题。同时，由于客户广泛散落在全国各地，对系统方案提供商的售后服务提出了严峻的挑战。如果一旦发生突发状况而不能及时响应解决，将会严重影响客户的生产计划，损害客户的利益。

发明内容

针对上述技术缺陷，本发明提出基于云端大数据的平面材料检测远程系统及检测方法。

为了解决上述技术问题，本发明的技术方案如下：

基于云端大数据的平面材料检测远程系统，包括分布式客户终端和云端服务器，所述分布式客户终端对生产线上运动的平面材料进行高频不间断采样，并转换为数字图形信号传送至客户终端的工控机，所述系统软件对数字图形信号进行分析处理，当材料表面出现缺陷时，记录其大小、位置和局部细节，信息输出显示，同时声光报警，当单卷材料检测完成后出具质量报表，并自动归档检测结果，所述系统软件根据需要自动抽样，或人工选择缺陷图像上传至云端服务器；

所述云端服务器与分布式客户终端通信，根据上传的图像自动进行机器学习，通过所述工控机上传的缺陷图像与标准模板图像进行偏差度对比判断分布式客户终端是否出现光路偏差,如果出现光路偏差,系统自动进行远程光路调节。

进一步的，所述分布式客户终端包括机械固定调节单元、图像采集单元、控制单元三个部分。

一种基于云端大数据的平面材料检测远程检测方法，包括如下步骤：

31）分布式客户终端对生产线上运动的平面材料进行高频不间断采样，并转换为数字图形信号传送至客户终端的工控机，所述系统软件对数字图形信号进行分析处理，当材料表面出现缺陷时，记录其大小、位置和局部细节，信息输出显示，同时声光报警，当单卷材料检测完成后出具质量报表，并自动归档检测结果；

32）所述系统软件根据需要自动抽样，或人工选择缺陷图像上传至云端服务器；

33）所述云端服务器与分布式客户终端通信，根据上传的图像自动进行机器学习，通过所述工控机上传的缺陷图像与标准模板图像进行偏差度对比判断分布式客户终端是否出现光路偏差，如果出现光路偏差，通知工作人员进行光路调节。

进一步的，所述机器学习包括如下步骤：

云端服务器保存的样本为包含缺陷点的100X100的局部灰度图像，利用局部灰度图像中亮度的分布直方图，梯度的分布直方图以及特定的几何特征构成表征样本的特征向量，利用支持向量机方法SVM进行学习，并采用串联结构的加强学习策略，串联结构中后一级的训练样本为前一级检测算子无法正确识别的样本，充分利用误检的样本数据，从而优化检测算子。

进一步的，云端服务器采用成树状结构分布的多个检测算子，根据新缺陷与已存在的缺陷的相似程度选择更新已存在的检测算子或者重新生成新的检测算子。

进一步的，所述光路调节方法，包括如下步骤：控制相机云台在5个自由度内固定轨迹内分别拍摄一组图像，通过对摄图片进行连续编号，并对应各电机的位移，在图像评估算法的辅助下获得其中高质量图像所对应的位置，最后指挥电机动作，使相机云台到达期望的位置，并锁定，同时调节可变光轴镜头调节光轴倾斜度，光路调节完毕后再将现有图像与标准模板图像进行一次偏差度对比，检测是否达到要求的图像质量。

本发明的有益效果在于：在现有普遍用于平面材料检测的线阵扫描方案基础上，增加机器学习功能（支持向量机SVM），通过架构云端的缺陷大数据中心，搜集各分布式客户终端采集到的疑难缺陷图片，运用神经网络筛选系统及必要的人工干预，将经过机器学习优化后的检测算子定期更新到各分布式客户端，

使系统能够不断积累各种类型缺陷的特征，并自动学习和适应，不断提高检测的准确度。同时，还可利用图像质量评估功能远程控制相机云台、可变光轴镜头等部件来调整光路，保证系统的稳定性。

附图说明

图1为客户终端模块示意图；