一种基于人工智能的单板缺陷检测方法、系统及设备技术方案

本申请公开了一种基于人工智能的单板缺陷检测方法、系统及设备。通过获取经背面透过性照射的待检测单板图像，根据经过机器学习的缺陷检测模型对所述待检测单板图像进行识别和匹配，并根据所述识别和匹配的结果得到所述待检测单板的质量信息。解决了传统的机器视觉方法只能检测木皮的颜色或纹理缺陷，无法检测木皮的厚薄均匀度等问题。

【技术实现步骤摘要】
一种基于人工智能的单板缺陷检测方法、系统及设备
本申请属于人工智能光学检测
，具体涉及一种基于人工智能的单板缺陷检测方法、系统及设备。
技术介绍
在木材加工领域，木板分成实木木板以及人造板。其中人造板中的胶合板和其它胶合层基材是通过多张木皮黏合而成的。一般优质单板用于胶合板、细木工板、模板、贴面板等人造板的面板，等级较低的单板用作背板和芯板。本申请是针对木皮等单板加工的基于人工智能的自动化木皮质量检测和分类方法。以木皮为例，由于木皮加工本身的限制，使得木皮的质量呈现出一定的随机性。其中最重要的一个特征在于加工后的木皮的厚薄不均匀，这是由于木材本身生长的随机性导致木材的硬度不均匀，在通过切刀的时候，硬度较高的部分产生的木皮厚度较大，质量较高。然而硬度较低的部分产生的木皮厚度较薄，质量较差。当一整块木皮的厚薄度严重不均匀时，该木皮就需要经过修补后才可以进入下一步工序，甚至整张变成等外材不适合加工。除此之外，木材本身也可能由于其他因素出现一些缺陷，例如虫眼、矿物线、色差等缺陷，这样的木皮不适合作为面板使用。因此，对木皮质量的检测是木皮加工中重要的一个环节。然而，传统的机器视觉方法可以检测木皮的颜色或纹理缺陷，无法检测木皮的厚薄均匀度的问题。
技术实现思路
本申请实施例提供一种基于人工智能的单板缺陷检测技术方案，适用于木皮、竹皮等单板质量的自动化检测。在一种可能的实施方式中，提供了一种基于人工智能的单板缺陷检测方法，所述方法包括：获取经背面透过性照射的待检测单板图像；根据缺陷检测模型对所述待检测单板图像进行识别和匹配；根据所述识别和匹配的结果得到所述待检测单板的质量信息。进一步地，所述背面透过性照射的辐射源为光源。进一步地，所述缺陷检测模型利用机器学习获得，具体包括如下步骤：获取经背面透过性照射的单板样本图像；接收对所述单板样本图像的标注信息；将标注后的图像样本输入到需进行机器学习的初始模型中；根据所述单板样本图像和对应的所述标注信息进行训练，获得经过机器学习的缺陷检测模型。进一步地，所述获取经背面透过性照射的单板样本图像的步骤进一步包括：通过传送装置将单板样本传输到图像采集区，所述图像采集区与产生背面透过性照射的透过性照射系统的照射区处于同一区域。进一步地，所述获取经背面透过性照射的单板样本图像的步骤进一步包括：透过性照射系统通过光源，从单板样本的背面投射光线，该光源的光照强度通过控制，使得光线可以穿透单板样本，在置于单板正面的图像采集装置中呈现图像。进一步地，该光照强度通过控制器来控制，使得在加工的单板的既定厚度下总是能够穿透单板样本；或者，通过图像采集装置的输入或反馈自动调节光照强度，使得光照强度能够自适应不同的单板厚度；使得光线穿透单板之后所形成的图像能够反映该单板样本的厚度分布。进一步地，所述获取经背面透过性照射的单板样本图像的步骤进一步包括：利用正面照射光源正面照射单板样本；控制器控制正、反面的光照强度，使得透射光源发射的光线透过木皮后能够呈现更清晰的图像。进一步地，所述标注信息包括样本图像数据、样本的厚度等级数据和背面光照强度数据中的一个或多个。进一步地，所述接收对所述单板样本图像的标注信息的步骤进一步包括：接收对单板厚度存在问题的区域和强度的标注信息；和/或，接收对通过背面光照系统得到的图像中呈现的单板虫眼和/或矿物线缺陷的标注信息。进一步地，所述待检测单板的质量信息的输出结果包括：直接输出不同质量等级的判断；或者，输出不同质量等级的判断、并标注出厚度或厚度分布不均匀的区域。进一步地，所述输出结果进一步包括：缺陷类型的识别，和/或单板的用途分类。在另一种可能的实施方式中，提供了一种基于人工智能的单板缺陷检测系统，所述系统包括：图像采集装置，用于获取单板的透过性照射图像；透过性照射装置，所述透过性照射装置包括用于产生能够穿透单板的辐照的辐射源，并使得透过性辐照能够被图像采集装置获取；以及，质量检测装置，用于通过图像采集装置获取的图像，对单板的缺陷进行识别，并输出识别结果。进一步地，所述识别结果包括：质量等级的判断、厚度或厚度分布不均匀的区域、缺陷类型的识别、单板的用途分类中的至少一个。进一步地，所述辐射源为可见光光源，所述单板为木皮。进一步地，所述光源为可调光源，使得光线穿透单板之后所形成的图像能够反映该单板样本的厚度分布。进一步地，所述光源的光照强度通过控制器来控制，使得在加工单板的既定厚度下光线总是能够穿透单板样本；或者，所述光照强度通过图像采集装置的输入或反馈自动调节，使得光照强度能够自适应不同的单板样本厚度。进一步地，所述透过性照射装置还包括一个正面的光照模块，控制器控制正、反面光照强度，使得透射光源发射的光线透过单板后能够呈现更清晰的图像。进一步地，所述质量检测装置还包括：标注模块，用于标注能够通过透过性照射装置的透过性辐照呈现在图像采集装置的图像样本中的单板特征。进一步地，所述质量检测装置还包括：具有自动检测模型的自动检测模块，用于将标注模块标注后的图像样本输入到自动检测模型中。进一步地，自动检测模型结合相应的属性对神经网络进行训练，所述相应的属性为预设的检测属性或自定义检测的属性。进一步地，将光照强度作为一个单独的输入，与图像样本一起输入至所述神经网络，归一化该光照强度的影响。在又一种可能的实施方式中，提供了一种基于人工智能的单板缺陷检测设备，包括：传送装置，用于携带单板通过图像采集区域；用于与远端服务器连接的通信模块；以及与检测设备连接的服务器；其特征在于，所述检测设备能够执行上文所述的基于人工智能的单板缺陷检测方法；或者，所述检测设备还包括上文所述的基于人工智能的单板缺陷检测系统。在又一种可能的实施方式中，提供了一种计算机可读介质，其中存储有多条指令，所述指令适用于由处理器加载并执行如上文所述的基于人工智能的单板缺陷检测方法。比如：获取经背面透过性照射的待检测单板图像；根据缺陷检测模型对所述待检测单板图像进行识别和匹配；根据所述识别和匹配的结果得到所述待检测单板的质量信息。在又一种可能的实施方式中，提供了一种基于人工智能的单板缺陷检测系统，其特征在于，所述系统包括：存储器，用于存放指令；处理器，用于执行所述存储器存储的指令，所述指令使得所述处理器执行如上文所述的基于人工智能的单板缺陷检测方法。比如：获取经背面透过性照射的待检测单板图像；根据缺陷检测模型对所述待检测单板图像进行识别和匹配；根据所述识别和匹配的结果得到所述待检测单板的质量信息。本申请实施例提供的方法、系统及设备在满足单板厚度相关缺陷检测的前提下，还能够对一些缺陷类型进行识别，例如木皮中虫眼、矿物线等缺陷类型。相对于传统的缺陷检测方式，本申请提供的技术方案更加智能，大大降低了人力成本；同时，检测结果更加准确快速。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例。图1为本申请实施例通过背部透过性照射系统得到木皮样本图像；图2为依照本申请实施例使用正面投射光源得到的木皮样本图像；图3为本申请一个实施例中带有木皮质量标注的示例图；图4为本申请一个实施例中卷积神经网络示意图；图5为本申请本文档来自技高网...

【技术保护点】
1.一种基于人工智能的单板缺陷检测方法，其特征在于，所述方法包括：获取经背面透过性照射的待检测单板图像；根据缺陷检测模型对所述待检测单板图像进行识别和匹配；根据所述识别和匹配的结果得到所述待检测单板的质量信息。

【技术特征摘要】
1.一种基于人工智能的单板缺陷检测方法，其特征在于，所述方法包括：获取经背面透过性照射的待检测单板图像；根据缺陷检测模型对所述待检测单板图像进行识别和匹配；根据所述识别和匹配的结果得到所述待检测单板的质量信息。2.如权利要求1所述的方法，其特征在于，所述缺陷检测模型利用机器学习获得，具体包括如下步骤：获取经背面透过性照射的单板样本图像；接收对所述单板样本图像的标注信息；将标注后的图像样本输入到需进行机器学习的初始模型中；根据所述单板样本图像和对应的所述标注信息进行训练，获得经过机器学习的缺陷检测模型。3.如权利要求2所述的方法，其特征在于，所述获取经背面透过性照射的单板样本图像的步骤进一步包括：透过性照射系统通过光源，从单板样本的背面投射光线，该光源的光照强度通过控制，使得光线可以穿透单板样本，在置于单板正面的图像采集装置中呈现图像。4.如权利要求3所述的方法，其特征在于，该光照强度通过控制器来控制，使得在加工的单板的既定厚度下总是能够穿透单板样本；或者，通过图像采集装置的输入或反馈自动调节光照强度，使得光照强度能够自适应不同的单板厚度；使得光线穿透单板之后所形成的图像能够反映该单板样本的厚度分布。5.如权利要求4所述的方法，其特征在于，所述获取经背面透过性照射的单板样本图像的步骤进一步包括：利用正面照射光源正面照射单板样本；控制器控制正、反面的光照强度，使得透射光源发射的光线透过木皮后能够呈...

【专利技术属性】
技术研发人员：丁磊，张先耀，
申请(专利权)人：北京木业邦科技有限公司，
类型：发明
国别省市：北京,11