一种镀锌钢板坏点检测装置的制作方法

本发明属于镀锌钢板品质检测技术领域，尤其涉及一种镀锌钢板坏点检测装置。

背景技术：

镀锌钢板是表面有热浸镀或电镀锌层的焊接钢板，一般广泛用于建筑、家电、车船、容器制造业、机电业等；常见的镀锌钢板大致可分为普通电解板和耐指纹电解板。

镀锌钢板在自动化生产过程中，由于生产量非常大，存在瑕疵在所难免。目前，常规的人工检查、抽检等方式，已不足以满足对产品质量的管理、控制需求；且通过肉眼观看镀锌钢板的表面，存在劳动强度大，工人容易产生疲劳感，进而影响判断的准确度，容易漏检、误检，存在产品质量难以控制、检测效率低等问题。虽然，现在也有自动缺陷检测，但其设备自动化程度不高，对缺陷识别率低，且设备结构复杂，成本高。

技术实现要素：

有鉴于此，确有必要提供一种引入光学检查进行镀锌钢板坏点检测，在线全自动检测方便、快捷，判断准确、高效，光学检查在本领域替代人工检查将形成新的研发趋势，提高产品的成品率，降低生产成本，丰富、完善了镀锌钢板坏点检测装置及技术的一种镀锌钢板坏点检测装置。

为了克服现有技术存在的缺陷，本发明提供以下技术方案：

一种镀锌钢板坏点检测装置，其特征在于，包括：

照明装置安装框架1，用于安装照明装置，

拍摄装置安装框架3，用于安装拍摄装置4，

连接构件5，将照明装置安装框架1和拍摄装置安装框架3连为一体，且照明装置比拍摄装置4靠近被拍摄目标，

检测装置置于镀锌钢板检测工段，用于采集镀锌钢板表面外观图像，表面外观图像输出至电脑进行图像检测，电脑输出检测目标信息及位置信息，所述检测目标指属于表面外观缺陷的坏点。

作为优选，照明装置安装框架1呈圆形或多边形，所述多边形至少为四边形。

作为优选，所述照明装置包括若干led光源2，

led光源2沿被拍摄目标的周向，均匀排列于四周，用于在被拍摄目标表面产生均匀的照明区域，以提高目标照明的均匀性及光照度，同时抑制环境光干扰，

led光源2通过角度调整机构与照明装置安装框架1连接，角度调整机构用于避免被拍摄目标表面产生镜面反射光。

作为优选，每个led光源2均单独配置散热器、散热风扇及供电电源，提高系统可靠性。

作为优选，所述角度调整机构为金属定型软管。

作为优选，led光源2沿被拍摄目标长度方向每侧不少于2个，沿被拍摄目标宽度方向每侧不少于1个。

作为优选，所述拍摄装置4为具备快速拍照功能的工业相机。

作为优选，检测装置采用如下检测过程：

步骤1：建立缺陷学习模型，收集一定数量已知的、存在坏点的镀锌钢板图像，将其划分为学习组和测试组，对于学习组的镀锌钢板图像，人工标定缺陷位置及缺陷种类，并基于学习组建立缺陷检测的深度学习模型m，基于测试组验证缺陷检测的深度学习模型m的准确度；

步骤2：启动镀锌钢板坏点检测装置，通过拍摄装置4采集镀锌钢板表面外观图像；

步骤3，图像传输到电脑；

步骤4，基于缺陷检测的深度学习模型m，在20x20子窗口内判断是否存在缺陷特征；

步骤5，基于缺陷特征，通过级联分类器判定是否存在缺陷。

作为优选，学习组的镀锌钢板图像至少是测试组的四倍。

作为优选，在基于学习组建立缺陷检测的深度学习模型m时，按如下步骤确定模型m所有参数：设定图像训练次数，将图像缩放至448*448，采用基于梯度信息缩放，进行前向计算，修正计算误差，进行反向传播处理，模型参数调整，判断是否到达设定的图像训练次数，如未到达则重复上述过程，如已到达则输出模型。

与现有技术相比较，本发明的技术方案引入光学检查进行镀锌钢板坏点检测，在线全自动检测方便、快捷，判断准确、高效，光学检查在本领域替代人工检查将形成新的研发趋势，提高产品的成品率，降低生产成本，丰富、完善了镀锌钢板坏点检测装置及技术。

附图说明

图1为本发明结构示意图。

图2为镀锌钢板缺陷的检测的机器学习模型。

图3为确定模型m所有参数的流程图。

图4为检测流程图。

具体实施方式

以下将结合附图对本发明作进一步说明。

如图1所示，一种镀锌钢板坏点检测装置，包括：

照明装置安装框架1，用于安装照明装置，

拍摄装置安装框架3，用于安装拍摄装置4，

连接构件5，将照明装置安装框架1和拍摄装置安装框架3连为一体，且照明装置比拍摄装置4靠近被拍摄目标，

检测装置置于镀锌钢板检测工段，优选置于网带输送机上方，用于采集镀锌钢板表面外观图像，表面外观图像输出至电脑进行图像检测，电脑输出检测目标信息及位置信息，所述检测目标指属于表面外观缺陷的坏点，包括但不限于亮点、麻点。

在上述技术方案的基础上，照明装置安装框架1呈圆形或多边形，所述多边形至少为四边形。

在上述技术方案的基础上，所述照明装置包括若干led光源2，led光源2沿被拍摄目标的周向，均匀排列于四周，用于在被拍摄目标表面产生均匀的照明区域，以提高目标照明的均匀性及光照度，同时抑制环境光干扰，led光源2通过角度调整机构与照明装置安装框架1连接，角度调整机构用于避免被拍摄目标表面产生镜面反射光，更进一步，每个led光源2均单独配置散热器、散热风扇及供电电源，提高系统可靠性，具体如何配置、选型按现有技术实施，不再详述。

更进一步，所述角度调整机构为金属定型软管（可以任意弯曲一定角度并定型使用的金属件）。

更进一步，led光源2沿被拍摄目标长度方向每侧不少于2个，沿被拍摄目标宽度方向每侧不少于1个。

更进一步，作为可选择的方案之一，led光源2总数不少于10个，被拍摄目标长度方向每侧不少于3个，被拍摄目标宽度方向每侧不少于2个。

在上述技术方案的基础上，所述拍摄装置4为具备快速拍照功能的工业相机。工业相机的具体选型按现有技术实施，不再详述。

在上述技术方案的基础上，拍摄装置4的拍摄方向默认垂直于被拍摄目标表面。

针对上述镀锌钢板坏点检测装置，优选采用如下检测过程：

步骤1：建立缺陷学习模型：收集一定数量（不少于10000张）已知的、存在坏点的镀锌钢板图像，将其划分为学习组和测试组，对于学习组的镀锌钢板图像，人工标定缺陷位置及缺陷种类，并基于学习组建立缺陷检测的深度学习模型m，图2示出了一个可选的实施方案（nf为缺陷种类数量），具体缺陷检测的深度学习模型m可按现有技术实施，不再详述，基于测试组验证缺陷检测的深度学习模型m的准确度；

步骤2：启动镀锌钢板坏点检测装置，通过拍摄装置4采集镀锌钢板表面外观图像；

步骤3，图像传输到电脑；

步骤4，基于缺陷检测的深度学习模型m，在20x20子窗口内判断是否存在缺陷特征；

步骤5，基于缺陷特征，通过级联分类器判定是否存在缺陷。

在上述技术方案的基础上，学习组的镀锌钢板图像至少是测试组的四倍。例如，10000张有缺陷的镀锌面板镀锌钢板图像，对其中的8000张标注其缺陷位置和缺陷种类，其余2000张作为测试图像。

在上述技术方案的基础上，如图3、4所示，在基于学习组建立缺陷检测的深度学习模型m时，按如下步骤确定模型m所有参数：设定图像训练次数，将图像缩放至448*448，采用基于梯度信息缩放，进行前向计算，修正计算误差，进行反向传播处理，模型参数调整，判断是否到达设定的图像训练次数，如未到达则重复上述过程，如已到达则输出模型。

上述方案中：

针对图像尺寸大、计算量巨大的难点，需要先缩小原图再进行后续处理，本发明采用基于梯度图的缩放，相对于普通的检测方式中的缩放方式，好处是能保证微小特征不会因为缩小而消失。

与现有技术相比较，本发明的技术方案引入光学检查进行镀锌钢板坏点检测，在线全自动检测方便、快捷，判断准确、高效，光学检查在本领域替代人工检查将形成新的研发趋势，提高产品的成品率，降低生产成本，丰富、完善了镀锌钢板坏点检测装置及技术。

以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。