阅读说明：本技术 一种板材边缘缺陷检测装置、系统和方法 (Device, system and method for detecting edge defects of plate ) 是由 张雄斌 王罡 彭灿 梁迅 于 2019-11-15 设计创作，主要内容包括：本发明涉及一种板材边缘缺陷检测装置、系统和方法。一种板材边缘缺陷检测装置,包括：移动横轴、移动电机、移动支架、检测部件；所述移动支架装设在所述移动横轴上,通过所述移动电机驱动其在所述移动横轴上移动；所述移动支架具有U形凹槽；所述检测部件装设在所述凹槽内；所述检测部件包括两个检测相机和若干照明灯；两个所述检测相机装设在所述凹槽相对的两个内表面上,所述照明灯均匀排列在两个所述检测相机的周围。本装置通过多维空间结构光源以及分布式布置相机架构,对缺陷进行了多维分析,剔除了复杂环境带来的干扰,同时提高了对微小、隐蔽的缺陷的检测强度,对缺陷的检测和分类更加精准可靠,使得检测效率大大提升。(The invention relates to a device, a system and a method for detecting edge defects of a plate. A sheet edge defect detection apparatus, comprising: the device comprises a movable transverse shaft, a movable motor, a movable bracket and a detection component; the moving support is arranged on the moving transverse shaft and is driven to move on the moving transverse shaft by the moving motor; the movable bracket is provided with a U-shaped groove; the detection component is arranged in the groove; the detection part comprises two detection cameras and a plurality of illuminating lamps; two the detection camera is installed on two relative internal surfaces of recess, light align to grid is in two detection camera's periphery. This device arranges the camera framework through multidimension spatial structure light source and distributing type, has carried out multidimension analysis to the defect, has rejected the interference that the complex environment brought, has improved the detection intensity to small, hidden defect simultaneously, and is more accurate reliable to the detection and the classification of defect for detection efficiency promotes greatly.)

一种板材边缘缺陷检测装置、系统和方法

技术领域

本发明涉及板材缺陷检测，尤其涉及一种板材边缘缺陷检测装置、系统和方法。

背景技术

近年来，随着新技术的不断进步，板材、片材在消费市场、工业领域得到了广泛应用，尤其是新能源的发展使得以光伏玻璃为代表的新型片材进入高速发展期，市场需求与日剧增。同时，汽车玻璃、液晶平板玻璃、有机玻璃片材发展势头也是蒸蒸日上。这类玻璃对外形、尺寸、通透性等都有严格的要求。

对于此类玻璃来说，边缘的划伤、擦伤、过磨、过抛、雕刻印、砂崩会影响外观美观性；边缘的结石、气泡、断裂、爆边、夹杂物会直接影响到材料的稳定性。但是，由于材料边缘经过打磨处理，呈圆弧状，这些复杂工序的引入使得边缘缺陷位置、类型非常复杂，缺陷检测比较困难；另一方面，玻璃工件在产线上传送时，会在输送线上出现不可避免的左右偏转，使得其到达检测位置时边缘形态未知，这又给缺陷检测带来了进一步的困难。目前，异形材料目前应用越来越多，三角形、五边星等形状使得边缘检测难度进一步加大。

现有的针对边缘检测的装置有几种，但都有着自身局限性。申请号为201010130696.1的专利文献公开了板材边部通孔缺陷检测装置，通过使用光传感器接受板材下面光源能量来判断板材是否存在通孔。该方案只能检测通孔缺陷占比极其小的孔缺陷，且检测材料只适用于不透光材料。申请号为201610550031.3的专利文献公开了一种玻璃基板的边部检测系统及其检测方法，通过使用四个由线阵相机与LCD光源组成的检测器检测，其中左右检测器与玻璃流动方向平行，前后检测器与流动方向垂直。玻璃流动左右检测器检测，然后停止使用前后检测器检测。该方式能够检测玻璃四个边的缺陷，但是局限性明显。首先，一个检测器负责一条边，但由于很多玻璃边缘呈圆弧形，这将导致只由一个相机构成的检测器无法检测圆弧上的缺陷，尤其是对划伤、擦伤、沙崩、雕刻印等完全无法检测。其次，前后检测每次都需要玻璃停止运动，这样会极大削减产能，并且对辊道加减速有特殊要求，不节能并且稳定性差。再者，玻璃到达检测位时角度存在偏差的时候，该方案无法检测。申请号为201720552649.3的专利文献公开了基板边部检测设备，使用一个相机与三个三棱镜配合用来检测边缘，该方案通过三个方向来检测一个边，在某些种类缺陷检测上效果良好，但也存在诸多不足。首先，作为反射器件使用的三棱镜极易磨损甚至损坏，稳定性差。其次，方案中三棱镜角度固定后，同样会出现圆弧缺陷难以采集的问题，方案并没考量边缘的复杂情况，更多的是检测边部的正反面缺陷，这部分正反面缺陷检测设备已经能够做到检测好。再则，工件如果在运动方向有偏移，会使得在检测位置状态发生改变，该方案将无法实现缺陷精确检测。最后，无法实现在玻璃运动垂直方向的边缘检测。申请号为201721056128.5的专利文献公开了玻璃基板边部检测装置，使用距离传感器，感应玻璃与检测装置的距离，能够检测明显的缺口缺陷，但是局限性太大。无法检测除大缺口以外的任何缺陷，精度非常差。极容易受到传动带来抖动、偏转影响。

综上所述，本领域依然存在极大不足，亟需发明人再进一步的进行创造与发明。总的来看，目前方案普遍存在无法检测圆弧缺陷问题，并且稳定性差无法适应复杂的现场环境。同时，均没有考虑不同宽度玻璃同时在线的情况，且对异形玻璃均没有涉及。

发明内容

鉴于上述现有技术的不足之处，本发明的目的在于提供一种板材边缘缺陷检测装置、系统和方法，能够检测圆弧边缘的缺陷，同时能够检测不同宽度或者异性板材的边缘的缺陷，并提高系统稳定性，能够在复杂的现场环境中实现高效的边部检测。

为了达到上述目的，本发明采取了以下技术方案：

一种板材边缘缺陷检测装置，包括：移动横轴、移动电机、移动支架、检测部件；所述移动支架装设在所述移动横轴上，通过所述移动电机驱动其在所述移动横轴上移动；

所述移动支架具有U形凹槽；所述检测部件装设在所述凹槽内；

所述检测部件包括两个检测相机和若干照明灯；两个所述检测相机装设在所述凹槽相对的两个内表面上，所述照明灯均匀排列在两个所述检测相机的周围。

优选的所述的板材边缘缺陷检测装置，所述检测相机为高频高分辨率面阵相机或线阵相机。

优选的所述的板材边缘缺陷检测装置，所述检测相机的镜头与板材面形成的角度为30°-60°。

优选的所述的板材边缘缺陷检测装置，还包括移动PLC控制器，用于按照响应的指令驱动所述移动电机。

一种板材边缘缺陷检测系统，包括：定位组件、检测组件、控制组件；

所述控制组件包括预处理器和服务器；所述服务器与所述预处理器连接；

所述定位组件包括：定位相机、若干定位滚轮、定位PLC控制器；所述定位相机、所述定位PLC控制器分别与所述预处理器连接；若干所述定位滚轮分别与所述定位PLC控制器连接；所述定位滚轮用于夹紧板材并调整板材的形态，并将板材移动到所述检测组件上；

所述检测组件包括：第一检测装置、第二检测装置和移动装置，且分别与所述预处理器连接；所述移动装置，用于按照预定速度和预定方向移动板材；

所述第一检测装置和所述第二检测装置均采用所述的板材边缘缺陷检测装置。

优选的所述的板材边缘缺陷检测系统，所述检测组件还包括装设在第一预定位置的第一横向检测装置、装设在第二预定位置的第二横向检测装置，所述第一横向检测装置和所述第二横向检测装置为相同的横检装置，分别与所述预处理器连接；

所述横检装置包括：横向上检测带和横向下检测带；所述横向上检测带和所述横向下检测带为相同的横向检测带；

所述横向检测带，包括若干横检相机、分布在所述横检相机的若干横检照明灯，所述若干横检相机分别与所述预处理器连接；

所述第一横向检测装置的横检相机的朝向为对着板材运动方向；所述第二横向检测装置的横检相机的朝向为顺着板材运动方向。

优选的所述的板材边缘缺陷检测系统，所述服务器为塔式服务器。

一种用于所述的检测系统的板材边缘缺陷检测方法，其特征在于，包括步骤：

S1、将板材放入所述定位组件，所述定位组件将板材的图像发送到所述预处理器中，所述预处理器判断板材的形状，并向所述定位PLC控制器发送控制指令，驱动所述定位滚轮锁住所述板材并调整形态，将调整好形态的板材移动到所述移动装置上；

S2、所述预处理器根据板材的形状控制所述第一检测装置11和所述第二检测装置检测沿着板材两侧的边沿运动采集所述板材边缘的图像数据，并将所述图像数据发送到所述预处理器中；

S3、所述预处理器对所述图像数据进行预处理，将处理后的图像数据投入到深度学习网络中进行缺陷识别、分类和标记，得到板材边缘缺陷数据信息。

优选的所述的板材边缘缺陷检测方法，其特征在于，所述预处理包括滤波处理和图像拼接处理。

优选的所述的板材边缘缺陷检测方法，其特征在于，所述步骤S2还包括：

所述第一横向检测装置和所述第二横向检测装置根据预处理器的指令检测板材的横向边缘的图像数据，并将检测到的图像数据传送到所述预处理器中。

相较于现有技术，本发明提供的一种板材边缘缺陷检测装置、系统和方法，具有以下效果：

1、本装置通过多维空间结构光源以及分布式布置相机架构，对缺陷进行了多维分析，剔除了复杂环境带来的干扰，同时提高了对微小、隐蔽的缺陷的检测强度，对缺陷的检测和分类更加精准可靠，使得检测效率大大提升。同时由于两个不同角度的检测模块，可以全方位覆盖材料边缘，消除了以往技术有盲点的缺陷，使得检测更完整、准确、可靠。

2、本装置能够检测不同宽度的异形和非异形板材，能够检测其他技术无法检测的板材、片材，满足所有目前市场需求，同时由于材料在整个检测中并不需要停止或者是降低板材的移动速度，检测速度显著提升。

附图说明

图1是本发明提供的板材边缘缺陷检测装置结构的沿移动横轴的截面图；

图2是本发明提供的检测装置中检测部件的结构图；

图3是本发明提供的检测装置的一种使用方式图；

图4是本发明提供的板材边缘缺陷检测系统的结构框图；

图5是本发明提供的板材边缘缺陷检测系统的结构简图；

图6是本发明提供的板材边缘缺陷检测方法流程图。

具体实施方式

为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

实施例1

请着重参阅图1，本发明提供一种板材边缘缺陷检测装置，包括：移动横轴101、移动电机103、移动支架102、检测部件104；所述移动支架102装设在所述移动横轴101上，通过所述移动电机103驱动其在所述移动横轴101上移动；

所述移动支架102具有U形凹槽；所述检测部件104装设在所述凹槽内；

所述检测部件104包括两个检测相机1041和若干照明灯1042；两个所述检测相机1041装设在所述凹槽相对的两个内表面上，所述照明灯1042均匀排列在两个所述检测相机1041的周围。

具体的，在检测板材2边缘的时候，所述检测板材2的边缘经过所述凹槽的中间空间，所述检测部件104在所述凹槽内，其中的两个检测相机1041分别检测所述检测板材2边缘的半圆形的上半圆和下半圆；同时如果检测板材2的形状为矩形，则被检测的边缘为检测方向的直线，此时，只要匀速将检测板材2从所述凹槽中间即所述检测部件104的检测位置处通过即可；若所述检测板材2的形状不是矩形，或者所述检测板材2的边缘不是直线，是曲线或者是具有折点的线，那么就要控制所述移动电机103转动，控制素数移动支架102在所述移动横轴101上移动，配合所述检测板材2的边缘的形状进行左右移动，以保证所述检测板材2的边缘始终处于所述检测部件104中检测相机1041能够检测的位置。前述中，控制所述移动电机103转动可以是手动也可以是及其自动控制，本实施例中，优选为使用移动PLC控制器对所述移动电机103进行控制，实现所述移动支架102沿着所述检测板材2的边缘的形状进行移动。

作为优选方案，本实施例中，所述检测相机1041为高频高分辨率面阵相机或线阵相机。具体的，因为检测板材2是具有一定的速度进行移动，所以所述检测相机1041应当具有高频拍摄功能，在检测中，需要高清的图像采集，所以应当具有高分辨率，同时要保证检测板材2通过的时候，对边缘的无差别图像采集，根据需要所述检测相机1041优选为具有高频高分辨率的面阵相机或线阵相机。

作为优选方案，本实施例中，所述检测相机1041的镜头与检测板材2面形成的角度为30°-60°。具体的，因为所述检测板材2的边缘一般为半圆形，所以所述检测镜头与所述检测板材2的面所在的平面具有一定的角度，两个所述检测相机1041就可以完整的将所述检测板材2的边缘图像采集。一般情况下，所述角度优选为60°或45°；若是所述边缘不是半圆形，为一个平面，则使用30°的角度。

还包括移动PLC控制器，用于按照响应的指令驱动所述移动电机103。

实施例2

本发明还提供一种板材边缘缺陷检测系统，包括：定位组件3、检测组件1、控制组件4；

所述控制组件4包括预处理器41和服务器42；所述服务器42与所述预处理器41连接；

所述定位组件3包括：定位相机32、若干定位滚轮31、定位PLC控制器；所述定位相机32、所述定位PLC控制器分别与所述预处理器41连接；若干所述定位滚轮31分别与所述定位PLC控制器连接；所述定位滚轮31用于夹紧检测板材2并调整检测板材2的形态，并将检测板材2移动到所述检测组件1上；

所述检测组件1包括：第一检测装置11、第二检测装置12和移动装置，且分别与所述预处理器41连接；所述移动装置，用于按照预定速度和预定方向移动检测板材2；

所述第一检测装置11和所述第二检测装置12为两个所述的板材边缘缺陷检测装置。作为优选方案，本实施例中，所述第一检测装置11和所述第二检测装置12共用一根移动横轴101。

相应的，本发明还提供一种用于所述的检测系统的板材边缘缺陷检测方法，包括步骤：

S1、将板材放入所述定位组件3，所述定位组件3将板材的图像发送到所述预处理器41中，所述预处理器41判断板材的形状，并向所述定位PLC控制器发送控制指令，驱动所述定位滚轮31锁住所述板材并调整形态，将调整好形态的板材移动到所述移动装置上；

S2、所述预处理器41根据板材的形状控制所述第一检测装置11和所述第二检测装置12检测沿着板材两侧的边沿运动采集所述板材边缘的图像数据，并将所述图像数据发送到所述预处理器41中；

S3、所述预处理器41对所述图像数据进行预处理，将处理后的图像数据投入到深度学习网络中进行缺陷识别、分类和标记，得到板材边缘缺陷数据信息。所述预处理包括滤波处理和图像拼接处理。

具体的，当检测板材2的边缘时，首先将所述检测板材2放置在所述定位组件3上，所述定位相机32检测所述检测板材2的形状，采集所述检测板材2的整体图像数据并传送到所述控制组件4中，所述控制组件4识别所述检测板材2是规则矩形板材还是异形板材，并向所述定位PLC控制器发送形态数据；若是矩形板材，则所述定位PLC控制器驱动若干所述定位滚轮31将所述板材夹紧，并将所述检测板材2调整为以一条边平行于移动方向的位置，所述定位滚轮31随着所述检测板材2一并移动，直到将所述检测板材2移动所述检测组件1的移动装置上进行开始检测后，松开所述检测板材2并复位原来的位置；若所述检测板材2为异形板材，例如五边形或者所述边缘线为不规则曲线型，则根据所述控制组件4的指令控制所述定位滚轮31夹紧板材并调整所述检测板材2的位置，可以将其中一边或所述检测板材2的最长中线与移动方向平行，然后所述定位滚轮31与所述检测板材2移动到所述检测组件1的所述移动装置上，所述定位滚轮31松开所述检测板材2后复位。在本实施例中，所述检测组件1中有两个检测装置，分别为第一检测装置11、第二检测装置12，检测所述检测板材2的两边的边缘，两个所述检测装置将检测到的图像数据分别传送到所述预处理器41中进行预处理，然后投入到深度学习网络中进行缺陷识别，进而对缺陷进行标记，然后进行分类显示。在本实施例中，所述移动装置为现有技术中的移动检测板材2的装置，本实施例不做具体限定。

所述预处理具体为：先将采集的图像进行高斯滤波，然后将图像进行对比度增强，再对增强后的图像进行平场校正，接着采用基于卡尔曼滤波的图像分割方法，将缺陷图像与背景图像进行分离，提取缺陷图像块，对缺陷块图像进行分析和特征描述，形成缺陷图像数据。

在检测完成后，则取出所述检测板材2，90°旋转后再次放入所述定位组件3中，进而检测另外两个边缘。取出检测板材2进行旋转的步骤可以手动执行，或向所述定位PLC控制器发送控制指令，驱动若干所述定位滚轮31进行检测板材2位置的旋转调整。

作为优选方案，本实施例中，所述检测组件1还包括装设在第一预定位置的第一横向检测装置13、装设在第二预定位置的第二横向检测装置14，所述第一横向检测装置13和所述第二横向检测装置14为相同的横检装置，分别与所述预处理器41连接；所述第一预定位置和所述第二位置根据设备的具体情况进行设定，一般的优选方案为，所述第一预定位置和所述第二预定位置相距的长度为检测板材2的长度。

所述横检装置包括：横向上检测带和横向下检测带；所述横向上检测带和所述横向下检测带为相同的横向检测带；

所述横向检测带，包括若干横检相机、分布在所述横检相机的若干横检照明灯1042，所述若干横检相机分别与所述预处理器41连接；

所述第一横向检测装置13的横检相机的朝向为对着板材运动方向；所述第二横向检测装置14的横检相机的朝向为顺着板材运动方向。

相应的，所述步骤S2还包括：

所述第一横向检测装置13和所述第二横向检测装置14根据预处理器41的指令检测板材2的横向边缘的图像数据，并将检测到的图像数据传送到所述预处理器41中。

具体的，本实施例中，所述检测组件1在检测板材2两侧板材的边缘图像的时候，能够同时检测所述板材的所有边缘面，极大的节约检测时间。

所述深度学习网络为卷积神经网络，在使用之前包括：

对所述卷积神经网络进行板材边缘缺陷的分类型学习训练。

作为优选方案，本实施例中，所述服务器42为塔式服务器。所述深度学***移不变分类，对于图像中的缺陷分类问题，卷积神经网络可用于构建阶层分类器，也可以在精细分类识别中用于提取图像的判别特征以供其它分类器进行学习。对于后者，特征提取为将图像的不同部分分别输入卷积神经网络，由卷积神经网络通过非监督学习自行提取。

所述卷积神经网络通过学习将缺陷按照不同的类型进行特征提取后，在检测过程中，采集的图像输入卷积神经网络中，判断输入的图像是否包含相应的缺陷，并进行分类标识。

可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。