一种表板为拼板的多层实木复合地板表面缺陷的识别方法技术

本发明专利技术提供一种分类标准基本一致、识别率高、差错率低、能够实现工业在线检测的表板为拼板的多层实木复合地板表面缺陷的识别方法，它能够准确识别出多层实木复合地板表面的三种缺陷：边角缺损、表面裂隙和拼接离缝。该识别方法，是将采集的实木复合地板表面的RGB彩色图像经过图像灰度化处理、图像灰度变换、图像平滑处理、图像分割、图像分割后处理提取目标缺陷；对目标缺陷提取缺陷特征后的特征值添加到支持向量机中进行训练；训练完成后，对目标缺陷提取缺陷特征后的特征值添加到支持向量机中进行识别。

【技术实现步骤摘要】

本专利技术属于实木复合地板表面缺陷识别领域，涉及到木地板表面缺陷检测。
技术介绍
由于木地板行业用工多、人工成本高以及行业转型的迫切需要，将机器视觉引入木地板行业已经成为必然趋势。一方面可以减少人工以及人工在检测工段造成的误差，另一方面可以为企业降低制造成本。目前，木地板行业基本上都是在用人工对木地板进行检测，由于以拼板为表板的实木复合地板表面缺陷的多样性和无规律性，企业在地板检测工段工人较多，占整个工段的一大半以上，加上人工检测效率低、强度大以及标准不统一，所以用机器视觉对木地板检测一直是木地板行业急需解决的问题。对木地板表面缺陷的研究，目前主要是针对实木地板和强化木地板。实木地板研究的缺陷有：死节、活节、虫眼和裂纹，强化木地板研究的缺陷有：干花、缺纸、污垢和纸裂。《实木地板缺陷形态学分割与聚类识别方法研究》利用梯度算子与Otsu阈值融合的方法对实木地板表面的死节、活节、虫眼和裂纹四种缺陷进行了分割，解决了死节误识、活节漏识的不足，并基于几何与区域特征、灰度纹理特征、不变矩特征等23个特征对缺陷特征进行了提取，同时运用比较法选出16个线性较高的特征，进行了主成分降维，最终通过SOM分类器对这四种缺陷进行了分类，准确率在85％以上。但是在分割算法上还需要改进，同时实木地板表面缺陷的纹理特征和颜色特征也可以作为识别的输入特征，可以大大提高识别率。《实木地板图像差分和形态学分割算法研究》针对以水曲柳为表板的实木地板表面的活节、死节和裂纹等缺陷，分别拍摄了目标图像和背景图像，对目标图像进行了求补操作，对背景图像进行了低通滤波，再将补图像和滤波图像求差分，通过形态学处理将细小的噪声进行了清除，最终得到了目标缺陷。通过灰色聚类决策模型，得到了缺陷的分割精度，分别为92.63％、94.31％、93.88％。该算法很好的解决了传统算法分割时间长、精度比较差的缺点，但是由于不同种类的木材，背景图像也有一定的差异，在差分后的图像噪声的差异也很明显，但不妨碍识别的精度。《基于矛盾解决理论与物质——场分析的实木地板节子识别新方法研究》针对以松木、杨木为表板的实木地板表面的节子缺陷，利用场分析，提出一种分水岭、区域生长以及边缘检测的算法。该算法解决了传统区域生长方法存在准确率低且速度慢的问题，能够大大提高节子的分割速率，而且能够找到更合适的种子区域和区域生长的阈值，平均识别率在90％以上，能够满足在线检测的要求。但是在识别精度上还有待进一步的改进。《实木地板图像融合分割与BP-SOM网络识别方法研究》针对实木地板死节、活节、裂纹和虫眼等缺陷，设计了禁忌搜索的分割方法，过滤了图像噪声，并提取了几何、形状、纹理和不变矩等21个特征，同时利用类间方差法对这21个特征进行了降维，最终选择13个特征作为模式识别的输入特征。最后，利用BP、SOM、BP-SOM神经网络进行识别，准确率分别为87.5％、90％和95％。但是在缺陷分割和特征提取时，忽略了颜色特征，对识别率有一定的影响。《基于机器视觉的强化木地板表面质量检测方法研究》和《基于机器视觉的强化木地板表面瑕疵检测方法研究》对强化木地板表面的干花、缺纸、污垢和纸裂四种缺陷进行了缺陷分类。在图像分割环节，试验了最大类间方差算法、蚁群算法和最大熵的遗传算法这三种算法，其中最大类间方差法对浅色干花缺陷分割效果不理想；而蚁群算法对深色缺纸、污斑和纸裂分割效果不理想；基于最大熵的遗传算法对浅色和深色的缺陷分割效果都比较理想。在特征提取时，选取了颜色特征和纹理特征，并采用PCA对这些参数进行降维。最后运用RBF神经网络和BP神经网络对缺陷进行了识别分类。识别率分别为76.67％和73.33％。但由于是静态采集图像，不能够满足在线检测的要求，同时在算法上提高稳定性，识别率也比较低。以上针对的强化木地板和实木地板表面缺陷，都是木地板本有的缺陷，研究方法均利用BP神经网络进行识别，优点在于识别速度快，缺点是与RBF、SOM神经网络比，识别率低。
技术实现思路
本专利技术的目的是提供一种分类标准基本一致、识别率高、差错率低、能够实现工业在线检测的表板为拼板的多层实木复合地板表面缺陷的识别方法，它能够准确识别出多层实木复合地板表面的三种缺陷：边角缺损、表面裂隙和拼接离缝。本专利技术所述的表板为拼板的多层实木复合地板表面缺陷的识别方法，是将采集的实木复合地板表面的RGB彩色图像经过图像灰度化处理、图像灰度变换、图像平滑处理、图像分割、图像分割后处理提取目标缺陷；对目标缺陷提取缺陷特征后的特征值添加到支持向量机中进行训练；训练完成后，对目标缺陷提取缺陷特征后的特征值添加到支持向量机中进行识别。上述的识别方法，采用加权平均法将RGB彩色图像进行图像灰度化处理，R、G、B三个通道的权重分别为0.299、0.587和0.114。上述的识别方法，图像灰度变换包括图像反转、图像直方图均衡化、图像逆反转、图像底帽操作。上述的识别方法，所述图像平滑处理是对图像采用加权中值滤波平滑。上述的识别方法，采用动态阈值法对图像进行分割。上述的识别方法，图像分割后处理提取目标缺陷包括闭操作、连通区域计算和最大面积法提取目标缺陷。上述的识别方法，以方差分析对目标缺陷提取的缺陷特征包括：面积、矩形度、周长、相关、一致性、对比度和均值。上述的识别方法，以主成分分析对目标缺陷提取的5个主成分缺陷特征为：面积、圆形度、矩形度、复杂度、周长。上述的识别方法，支持向量机参数为：核函数为RBF，样本的类别数为3类，分类模式为一对一，训练停止参数为0.001。本专利技术的识别方法所识别的缺陷即表面裂隙、边角缺损和拼接离缝主要是木地板生产过程中的缺陷，而不是本有的内部缺陷，利用动态阈值法均适用这三种缺陷，分割效果好，支持向量机的方法识别率比较高；与人工检测方法相比，机器视觉检测效率更高，标准一致，提高了自动化生产线的水平，能够实现工业在线检测。附图说明图1是实木复合地板三种缺陷图像；图2是三种缺陷图像灰度化图像；图3是三种缺陷图像反转后图像；图4是三种缺陷图像直方图均衡化后图像；图5是三种缺陷均衡化后再反转后图像；图6是三种缺陷图像底帽变换后图像；图7是三种缺陷图像加权中值平滑滤波后图像；图8是动态阈值分割三种缺陷图像的图像；图9是三种缺陷图像闭操作时的图像；图10是三种缺陷图像进行连通区域计算时图像；图11是三种缺陷图像提取目标缺陷时图像；图12是三种缺陷在原图上的显示的图像；图13是SVM对实木复合地板识别流程图；图14是三种缺陷的识别结果。具体实施方式下面将结合本专利技术专利实施例中的附图，对本专利技术专利实施例中的技术方案进行清楚、完整地描述，所描述的实施例仅仅是本专利技术专利一部分实施例，而不是全部的实施例。基于本专利技术专利中的实施例，本领域的技术人员在没有做出创新性劳动前提下所获得的所有实施例，都属于本专利技术专利保护的范围。本专利技术所述的识别边角缺损、表面裂隙和拼接离缝的主要过程是，将采集的实木复合地板表面的RGB彩色图像进行处理(包括图像灰度化处理、图像灰度变换、图像平滑处理、图像分割、图像分割后形态学处理)；提取缺陷特征(几何特征、纹理特征以及矩特征)并选择；以SVM进行训练(把选择的缺陷特征添加到支持向量机中进行训练)和识别(对目标缺陷提取缺陷特征后的添加到本文档来自技高网...

【技术保护点】
一种表板为拼板的多层实木复合地板表面缺陷的识别方法，其特征是：将采集的实木复合地板表面的RGB彩色图像经过图像灰度化处理、图像灰度变换、图像平滑处理、图像分割、图像分割后处理提取目标缺陷；对目标缺陷提取缺陷特征后的特征值添加到支持向量机中进行训练；训练完成后，对目标缺陷提取缺陷特征后的特征值添加到支持向量机中进行识别。

【技术特征摘要】
1.一种表板为拼板的多层实木复合地板表面缺陷的识别方法，其特征是：将采集的实木复合地板表面的RGB彩色图像经过图像灰度化处理、图像灰度变换、图像平滑处理、图像分割、图像分割后处理提取目标缺陷；对目标缺陷提取缺陷特征后的特征值添加到支持向量机中进行训练；训练完成后，对目标缺陷提取缺陷特征后的特征值添加到支持向量机中进行识别。2.如权利要求1所述的识别方法，其特征是：采用加权平均法将RGB彩色图像进行图像灰度化处理，R、G、B三个通道的权重分别为0.299、0.587和0.114。3.如权利要求1所述的识别方法，其特征是：图像灰度变换包括图像反转、图像直方图均衡化、图像逆反转、图像底帽操作。4.如权利要求1所述的识别方法，其特征是...

【专利技术属性】
技术研发人员：周捍东，卞益骏，徐兆军，李绍成，朱南峰，丁涛，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：江苏;32