[实用新型]一种预制凸窗缺陷检测系统

说明书

本实用新型公开了一种预制凸窗缺陷检测系统，包括图像收集装置和后台PC，图像收集装置包括丝杆，丝杆表面的左右两端均螺纹连接有滑动螺母，滑动螺母的左右两侧均固定连接有延伸杆，延伸杆的表面从靠近丝杆到远离丝杆的方向分别套设有第一固定套、第二固定套和第三固定套，第一固定套与第二固定套之间和第二固定套与第三固定套之间且位于延伸杆的表面均固定连接有弹簧，本实用新型涉及技术领域。该基于改进Faster R‑CNN的预制凸窗缺陷检测模块系统，通过设置有丝杆，配合延伸杆、第一固定套、第二固定套、第三固定套、弹簧、工业相机，可以实现对不同规格的预制凸窗进行图像采集，并且每组收集组内的工业相机位置都会自适应调节。

技术领域

本实用新型涉及技术领域，具体为一种预制凸窗缺陷检测系统。

背景技术

随着计算机技术和图像处理技术的发展，机器视觉检测技术在工业缺陷检测中得到了广泛的应用。例如：Celik等人将基于双阈值二值化、小波变换和形态学运算的图像算法与前馈神经网络相结合，实现缺陷检测；Afshar等人利用统计方法检测出缺陷边缘，然后采用多策略支持向量机作为分类器对缺陷进行识别；郭慧等人提出了一种基于灰度共生矩阵和分层聚类算法实现缺陷检测。

近年来，深度学习技术作为机器学习的重要分支在工业界的应用日渐成熟。YJCha等人采用卷积神经网络识别出混凝土裂缝缺陷；FC Chen等人提出了一种基于朴素贝叶斯和卷积神经网络数据融合的深度学习框架，用于检测裂纹缺陷；余永维等人利用卷积神经网络提取可疑缺陷区域的本质特征，然后利用径向基网络识别出缺陷。

现有的质量是公司的生命，产品质量和生产效率成为公司发展的重中之重，因此预制凸窗质量检测对于保障预制凸窗的质量至关重要，日常预制凸窗生产过程中，产品表面可能存在缺陷，传统的表面检测方法主要是人工目视检查，长时间目视检测容易产生疲劳，误检率也随之增加，同时降低了工作效率，采用人工目视检测方法存在工作量大、检测效率低、误检率高等问题，传统的机器视觉检测方法通常采用工业相机采集图像，再利用数字图像技术对采集的图像进行预处理，然后设定分类器对缺陷图像进行分类检测，这类检测模型较为单一，需要人为手工制作特征工程或手工选取某些关键参数，受人为主观影响大，导致检测方法的泛化能力不高，无法应对预制凸窗缺陷种类多、生产环境复杂等不可控因素。

实用新型内容

针对现有技术的不足，本实用新型提供了一种预制凸窗缺陷检测系统，解决了采用人工目视检测方法工作量大、检测效率低、误检率高等，传统的机器视觉检测方法通常采用工业相机采集图像，这类检测模型较为单一，需要人为手工制作特征工程或手工选取某些关键参数，受人为主观影响大，导致检测方法的泛化能力不高，无法应对预制凸窗缺陷种类多、生产环境复杂等不可控因素的问题。

为实现以上目的，本实用新型通过以下技术方案予以实现：一种预制凸窗缺陷检测系统，包括图像收集装置和后台PC，所述图像收集装置包括丝杆，所述丝杆表面的左右两端均螺纹连接有滑动螺母，所述滑动螺母的左右两侧均固定连接有延伸杆，所述延伸杆的表面从靠近丝杆到远离丝杆的方向分别套设有第一固定套、第二固定套和第三固定套，所述第一固定套与第二固定套之间和第二固定套与第三固定套之间且位于延伸杆的表面均固定连接有弹簧，所述第一固定套、第二固定套和第三固定的表面均固定连接有工业相机。

优选的，所述丝杆的左右两端设置有不同方向的螺纹，所述丝杆表面的中间固定连接有限位杆，所述限位杆的左右两侧转动连接有连接杆，其中一个所述连接杆的底端与第三固定套的顶部转动连接，另一个所述连接杆的底端与第一固定套的顶部转动连接。

优选的，一个所述延伸杆、一个第一固定套、一个第二固定套、一个第三固定套、两个弹簧、三个工业相机、一个限位杆和两个连接杆形成一组收集组，所述图像收集装置设置有四组收集组，相邻两组收集组之间相互垂直。

优选的，所述丝杆的前侧设置有基板，所述基板的后侧固定连接有伺服电机，所述伺服电机的输出端与丝杆固定连接。