[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

摘要

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，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。

主权项

一种基于云端大数据的平面材料检测远程检测方法，其特征在于，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，所述工控机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)所述工控机根据需要自动抽样，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，通知相关人员暂停生产,系统自动进行光路调节；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；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。