一种阵列式连接件缺失检测系统

1.本实用新型涉及一种连接件检测系统，尤其是涉及一种阵列式连接件缺失检测系统。


背景技术：

2.阵列式连接件经常用于构件间连接，常见的阵列式连接件多用于钢桁架桥梁、钢结构建筑、机械结构。由于连接件数量多，构件复杂，其缺失检测面临多个挑战，一是人工检测效率低下，检测频率低；二是连接件位置不易接触；三是标准化记录问题，缺失的数量及形式难以标准化记录描述。
3.cn111986161a公开了一种零部件缺失检测方法及系统，方法包括拍摄待检测目标获得待检测目标图像；分别通过深度学习算法和图像处理算法对所述待检测目标图像中的待检测目标进行零部件缺失检测；输出所述深度学习算法的检测结果和图像处理算法的检测结果。
4.上述技术方案的缺陷为：1、面对多种多样的阵列式连接件的无法进行特定化的识别，即对复杂的连接件阵列无法进行准确的缺失识别。2、只是针对经过训练的缺失位置进行定量描述，无法在未训练的新场景下自动识别所检测的构件，对不易有训练样本的复杂场景，缺少易用性。3、采集的图像存在畸变，其测量得到的面积是不准确的。


技术实现要素：

5.本实用新型的目的就是为了克服上述现有技术存在的缺陷而提供一种阵列式连接件缺失检测系统，实现了移动或固定摄像平台精确获取连接件图片和对应信息，并实现缺失位置的快速提取，使得连接件的缺失检测实现智能化和自动化。
6.本实用新型的目的可以通过以下技术方案来实现：
7.本技术的目的是保护一种阵列式连接件缺失检测系统，包括编码、工作轨道、工作台、拍摄单元，其中具体地：
8.编码以载体的形式设于连接件阵列上或其附近的可视位置；
9.工作台设于所述工作轨道上，并可沿所述工作轨道进行位移；
10.拍摄单元设于所述工作台上，能够移动至工作轨道的特定位置并以特定姿态拍摄各个连接件阵列及对应编码的检测图像；
11.后台单元，与所述拍摄单元无线或有线通信连接。
12.进一步地，所述载体为高分子柔性材料或高分子板材，所述载体一面为打印面，另一面为固定面。
13.进一步地，所述固定面上设有连接固定件或胶黏层。
14.进一步地，所述编码为二维码、一维码、字符串、棋盘格中的一种或多种的组合。
15.进一步地，所述拍摄单元为工业相机。
16.进一步地，所述工作台上表面设有电缸，所述拍摄单元的下表面一端铰接于工作
台上表面，另一端与所述电缸的输出端连接，以此在所述电缸的举升力驱动下实现倾斜姿态的调整。
17.进一步地，所述工作台下表面设有与所述工作轨道匹配的限位件，所述限位件嵌于所述工作轨道中，以此使得工作台可沿工作轨道进行位移。
18.进一步地，所述工作轨道为导滑槽，工作台下表面设有与所述导滑槽匹配的滑块或滑轮，所述工作台还匹配有驱动模块。
19.进一步地，当工作台下表面设有滑块嵌入导滑槽时，驱动模块为伺服电机与丝杆的配合，即伺服电机设于工作轨道的一端，伺服电机的端部与丝杆一端传动连接，丝杆与工作台构成螺纹配合，实现直线驱动过程；当工作台下表面设有滑轮时，驱动模块为设于工作台中且与滑轮传动连接的电机，还可以对其中一对滑轮匹配舵机，以此实现与弧线型的工作轨道匹配。
20.进一步地，所述后台单元包括微处理器、ram和rom，所述微处理器与所述拍摄单元电连接。
21.进一步地，还包括无线信号收发单元，所述无线信号收发单元分别与微处理器和用户终端无线通信连接，以此实现检测数据向用户端的传输。
22.进一步地，还包括工作轨道固定件，所述工作轨道通过工作轨道固定件固定于结构本体下表面。
23.进一步地，后台单元对获取的检测图像进行预处理，解算预处理后检测图像中的编码，得到各个连接件阵列的预设的排列信息、数量信息，对预处理后检测图像中的每个连接件进行识别，得到各个连接件阵列的当前排列信息、数量信息，最后比较当前排列信息、数量信息与预设的排列信息、数量信息，得到缺失信息结果。
24.与现有技术相比，本实用新型具有以下技术优势：
25.1)实现了移动或固定摄像平台精确获取连接件图片和对应信息，并实现缺失位置的快速提取，使得连接件的缺失检测实现智能化和自动化。具体地，本技术方案使用编码进行标识，优点在于既能提供构件信息，方便归档记录，另一方面编码系统可以提供透视矫正所需的点坐标，将图像进行透视矫正，进而大幅减少误差。另外，针对阵列式连接件，本系统可以方便地定位到具体连接件的缺失位置，并定量描述单个连接件的缺失位置坐标。
26.2)在精度上，通过设置标识物，根据标识物的真实尺寸和实际检测出的图像真实点，可以将物体图像的像素尺寸和物理尺寸建立对应关系，并且对整个图像进行透视变换，消除法兰板表面因拍摄产生的透视误差，同时可以直接得到真实的缺失连接件位置。
27.3)在检测策略上，通过解算标识物的信息，可以获取金属表面的编号信息和连接件信息。结合透视变换的结果，一方面可以自动化地得到法兰板表面其他结构构件的缺失数量和分布，如连接件、组合结构；另一方面，在大规模场景中，如钢桁架桥梁的节点板，存在上千个节点板，其中大多数都是重复的，很难进行自动化定位和记录，通过本技术方案可以自动定位节点板的尺寸和位置信息，对连接件编号可以一一对应，检测后还可以自动化归档。
附图说明
28.图1为本技术方案中阵列式连接件缺失检测系统的结构示意图。
29.图2为本技术方案中信息编码的设置结构示意图；
30.图3为本技术方案中阵列式连接件缺失检测方法的流程示意图；
31.图中：0、结构本体，1、连接件阵列，11、单个连接件，2、编码，3、监测工作站，31、工作轨道，32、工作台，33、拍摄单元，34、驱动电机，35、丝杆，4、工作轨道固定件。
具体实施方式
32.下面结合附图和具体实施例对本实用新型进行详细说明。
33.实施例
34.本实施例中一种阵列式连接件缺失检测系统，包括：编码2、工作轨道31、工作台32、拍摄单元33、后台单元，参见图2和图3。
35.编码2以载体或直接标记的形式对应设于连接件阵列1上或其附近的可视位置。工作轨道31，工作轨道31作为工作台32的移动轨道，可根据检测区域的场景、面积进行定制化的设定，使得工作台32能够满足工作台32的监测巡检需求。具体实施时，工作轨道31可为导滑槽。
36.工作台32设于所述工作轨道31上，并可沿所述工作轨道31进行位移。具体实施时，工作台32下表面设有与所述导滑槽匹配的滑块，可嵌入导滑槽中进行位移，此外工作台32下表面还能设置滑轮，同样可实现理想的巡检移动需求。
37.具体实施时，工作台32上表面设有电缸，所述拍摄单元33的下表面一端铰接于工作台32上表面，另一端与所述电缸的输出端连接，以此在所述电缸的举升力驱动下实现倾斜姿态的调整。工作台32下表面设有与所述工作轨道31匹配的限位件，所述限位件嵌于所述工作轨道31中，以此使得工作台32可沿工作轨道31进行位移。工作轨道31为导滑槽，工作台32下表面设有与所述导滑槽匹配的滑块或滑轮，所述工作台32还匹配有驱动模块。
38.具体实施时，当工作台32下表面设有滑块嵌入导滑槽时，驱动模块为驱动电机34与丝杆35的配合，即驱动电机34设于工作轨道31的一端，驱动电机34的端部与丝杆35一端传动连接，丝杆35与工作台32构成螺纹配合，实现直线驱动过程；当工作台32下表面设有滑轮时，驱动模块为设于工作台32中且与滑轮传动连接的电机，还可以对其中一对滑轮匹配舵机，以此实现与弧线型的工作轨道31匹配。
39.拍摄单元33设于所述工作台32上，能够移动至工作轨道31的特定位置并以特定姿态拍摄各个连接件阵列1及对应编码2的检测图像。拍摄单元33可选为高分辨率的工业相机。
40.后台单元与所述拍摄单元33无线或有线通信连接，后台单元对获取的检测图像进行预处理，解算预处理后检测图像中的编码2，得到各个连接件阵列1的预设的排列信息、数量信息，对预处理后检测图像中的每个连接件进行识别，得到各个连接件阵列1的当前排列信息、数量信息，最后比较当前排列信息、数量信息与预设的排列信息、数量信息，得到缺失信息结果。后台单元包括微处理器、ram和rom，所述微处理器与所述拍摄单元33电连接。其中rom中存储有可执行的上述涉及的预处理程序、解算程序、对连接件进行识别的程序、比较当前排列数量信息与预设的排列数量信息所对应的程序。其中微处理器选择为arm处理器或者x86架构的处理器。此外，后台单元还包括信号收发单元，该信号收发单元与微处理器电连接，信号收发单元与外部的计算机终端无线通信连接，以此实现向用户端的信息发
送。信号收发单元采用现有的无线信号收发模块即可实现。
41.具体实施时，还包括工作轨道固定件4，所述工作轨道31通过工作轨道固定件4固定于结构本体0下表面。
42.本实施例中阵列式连接件缺失检测系统的使用及运行过程为，参见图1，包括以下步骤：
43.基于预设编码字典，生成各个区域的连接件阵列1对应的编码2，信息编码2为二维码、一维码、字符串、棋盘格中的一种或多种的组合，图2中展示了二维码编码及设置的形式，其他方式及组合方式均可实现。
44.将编码2以载体或直接标记的形式对应设于连接件阵列1上或其附近的可视位置，载体为能够在其上打印信息编码2的硬质或柔性材料，如高分子柔性材料或者高分子板材，其一面为打印面，另一面为胶黏面，或者采用卡扣也可实现上述载体的固定。具体应用场景中连接件阵列1可设于结构本体0的任意壁面上，图3中仅以设于下表面为例。
45.通过设于连接件阵列1附件的监测工作站3获取各个连接件阵列1及对应编码2的检测图像，监测工作站3包括工作轨道31、工作台32、拍摄单元33。工作台32设于所述工作轨道31上，并可沿所述工作轨道31进行位移。拍摄单元33设于所述工作台32上，能够移动至工作轨道31的特定位置并以特定姿态拍摄各个连接件阵列1及对应编码2的检测图像。
46.对获取的检测图像进行预处理，预处理过程为：对检测图像进行透视变换，得到连接件阵列1及对应信息编码2的正视图，实现图像的矫正。必要时预处理过程还包括二值化、灰度化等常见预处理步骤。
47.解算预处理后检测图像中的编码2，得到各个连接件阵列1的预设的排列信息、数量信息。排列信息包括连接件阵列1中每个连接件几何中心坐标；数量信息包括连接件阵列1的行数、列数及每行每列对应的连接件数。编码2还包括结构编码，所述结构编码包括透视变换所需要的标定信息、基于深度学习的目标检测算法或基于图形学的轮廓识别算法所需要特定的参数和/或阈值。本实施例中所涉及的图像透视变换采用现有的图像透视变换技术即可实现，本技术方案中所述的基于深度学习的目标检测算法或基于图形学的轮廓识别算法可在现有的成熟主流算法中进行选择，应为阵列式连接件的识别过程较为简单迅速，所以可以选择简便快捷的主流算法即可。
48.对预处理后检测图像中的每个连接件进行识别，得到各个连接件阵列1的当前排列信息、数量信息。对预处理后检测图像中的每个连接件进行识别过程中，通过基于深度学习的目标检测算法或基于图形学的轮廓识别算法识别连接件。
49.比较当前排列信息、数量信息与预设的排列信息、数量信息，得到缺失信息结果。比较当前排列信息、数量信息与预设的排列信息、数量信息过程中，包括：直接数量校核，基于各个连接件阵列1中连接件的数量与编码2中记录的连接件的数量进行对比，对特定连接件阵列1的缺失状态进行定性和定量；点阵匹配校核，基于对预处理后检测图像进行canny图像边缘检测或基于深度学习的目标检测算法，计算出边缘轮廓几何中心对应的坐标，与编码2中记录的每个连接件几何中心坐标进行匹配，得出精确的缺失位置，并实现对直接数量校核结果进行精确校核。上述canny图像边缘检测或基于深度学习的目标检测算法均采用现有技术中的算法即可。
50.上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和使用实用
新型。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本实用新型不限于上述实施例，本领域技术人员根据本实用新型的揭示，不脱离本实用新型范畴所做出的改进和修改都应该在本实用新型的保护范围之内。