木材缺陷检测方法、设备、介质及计算机程序产品技术

本申请公开了一种木材缺陷检测方法、设备、介质及计算机程序产品，获取待检测木材的图像信息，基于预训练的深度神经网络模型对图像信息进行缺陷检测，得到缺陷检测结果；若缺陷检测结果为待检测木材存在缺陷，则基于图像信息确定待检测木材的缺陷尺寸；若缺陷尺寸大于预设缺陷尺寸阈值，则基于缺陷尺寸输出待检测木材的缺陷信息。本申请基于预训练的深度神经网络模型对待检测木材的图像信息进行缺陷检测，可以快速且准确地确定出待检测木材是否存在缺陷，在待检测木材存在缺陷时，基于缺陷尺寸确定缺陷是否在用户允许范围内，若不在用户允许范围内，则基于缺陷尺寸将待检测目标的缺陷信息输出，有效提高木材缺陷检测结果的准确度。确度。确度。

【技术实现步骤摘要】
木材缺陷检测方法、设备、介质及计算机程序产品


[0001]本申请涉及检测
，尤其涉及一种木材缺陷检测方法、设备、介质及计算机程序产品。

技术介绍

[0002]木质板材以其坚固、美观等优点，在我国工业生产及人们的办公、家居环境中得到了广泛应用。不少木质板材都采用了封边工艺，封边可以起到减小摩擦力和提高视觉美观效果。但是在木质板材生产过程中，由于存在不可控因素，不可避免地会产生切斜、过长、磕伤、缝隙、针孔、开胶、刮白或爆边等多种缺陷，严重影响木质板材下级产品的美观程度，同时给生产厂家造成较大的经济损失。所以在木质板材的生产过程中将缺陷实时检测出来并及时反馈是十分有必要的。当前采用人工识别的方式对木质板材进行缺陷识别，但是由于缺陷种类繁多，人工识别速度慢、效率低，同时人眼无法识别出缺陷的具体尺寸，使得对于某些较小的缺陷，人工误判几率高，导致木材缺陷检测结果的准确度较低。

技术实现思路

[0003]本申请的主要目的在于提供一种木材缺陷检测方法、设备、介质及计算机程序产品，旨在解决当前木材缺陷检测结果的准确度较低的技术问题。
[0004]为实现上述目的，本申请实施例提供一种木材缺陷检测方法，所述木材缺陷检测方法包括：获取待检测木材的图像信息，基于预训练的深度神经网络模型对所述图像信息进行缺陷检测，得到缺陷检测结果；若所述缺陷检测结果为所述待检测木材存在缺陷，则基于所述图像信息确定所述待检测木材的缺陷尺寸；若所述缺陷尺寸大于预设缺陷尺寸阈值，则输出所述待检测木材的缺陷信息。
[0005]优选地，所述基于所述图像信息确定所述待检测木材的缺陷尺寸的步骤包括：基于所述图像信息中的各图像，获取所述待检测木材中缺陷的点云信息；基于所述点云信息确定所述待检测木材的缺陷尺寸。
[0006]优选地，所述基于所述图像信息中的各图像，获取所述待检测木材中缺陷的点云信息的步骤包括：基于双目视觉算法对所述图像信息中的各图像进行处理，得到所述待检测木材中缺陷的点云信息。
[0007]优选地，所述基于所述图像信息确定所述待检测木材的缺陷尺寸的步骤之后，还包括：将所述缺陷尺寸与预设缺陷尺寸阈值进行对比，确定所述缺陷尺寸与所述预设缺陷尺寸阈值之间的大小关系。
[0008]优选地，所述获取待检测木材的图像信息的步骤包括：
检测是否存在来料信号；若存在所述来料信号，则基于预设摄像装置获取待检测木材的图像信息。
[0009]优选地，所述获取待检测木材的图像信息的步骤之后，还包括：基于所述图像信息检测所述预设摄像装置是否被污染；若所述预设摄像装置被污染，则输出报警信息。
[0010]优选地，所述基于预训练的深度神经网络模型对所述图像信息进行缺陷检测，得到缺陷检测结果的步骤之前，还包括：获取历史检测木材的历史图像信息以及所述历史检测结果作为训练数据集；根据所述训练数据集对预设深度神经网络模型进行训练，得到预训练的深度神经网络模型。
[0011]进一步地，为实现上述目的，本申请还提供一种木材缺陷检测设备，所述木材缺陷检测设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的木材缺陷检测程序，所述木材缺陷检测程序被所述处理器执行时实现上述的木材缺陷检测方法的步骤。
[0012]进一步地，为实现上述目的，本申请还提供一种介质，所述介质为计算机可读存储介质，其上存储有木材缺陷检测程序，所述木材缺陷检测程序被处理器执行时实现上述的木材缺陷检测方法的步骤。
[0013]进一步地，为实现上述目的，本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述的木材缺陷检测方法的步骤。
[0014]本申请实施例提供一种木材缺陷检测方法、设备、介质及计算机程序产品，获取待检测木材的图像信息，基于预训练的深度神经网络模型对所述图像信息进行缺陷检测，得到缺陷检测结果；若所述缺陷检测结果为所述待检测木材存在缺陷，则基于所述图像信息确定所述待检测木材的缺陷尺寸；若所述缺陷尺寸大于预设缺陷尺寸阈值，则基于所述缺陷尺寸输出所述待检测木材的缺陷信息。本申请基于预训练的深度神经网络模型对待检测木材的图像信息进行缺陷检测，可以快速且准确地确定出待检测木材是否存在缺陷，在待检测木材存在缺陷时，通过确定待检测木材的缺陷尺寸并基于缺陷尺寸与预设缺陷尺寸阈值的比较确定缺陷是否在用户允许范围内，若不在用户允许范围内，则基于缺陷尺寸将待检测目标的缺陷信息输出，有效提高木材缺陷检测结果的准确度。
附图说明
[0015]图1为本申请木材缺陷检测方法实施例方案涉及的硬件运行环境的结构示意图；图2为本申请木材缺陷检测方法第一实施例的流程示意图；图3为本申请木材缺陷检测方法第一实施例中的相机布局侧视图；图4为本申请木材缺陷检测方法第二实施例的流程示意图。
[0016]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0017]应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0018]本申请实施例提供一种木材缺陷检测方法、设备、介质及计算机程序产品，获取待
检测木材的图像信息，基于预训练的深度神经网络模型对所述图像信息进行缺陷检测，得到缺陷检测结果；若所述缺陷检测结果为所述待检测木材存在缺陷，则基于所述图像信息确定所述待检测木材的缺陷尺寸；若所述缺陷尺寸大于预设缺陷尺寸阈值，则基于所述缺陷尺寸输出所述待检测木材的缺陷信息。本申请基于预训练的深度神经网络模型对待检测木材的图像信息进行缺陷检测，可以快速且准确地确定出待检测木材是否存在缺陷，在待检测木材存在缺陷时，通过确定待检测木材的缺陷尺寸并基于缺陷尺寸与预设缺陷尺寸阈值的比较确定缺陷是否在用户允许范围内，若不在用户允许范围内，则基于缺陷尺寸将待检测目标的缺陷信息输出，有效提高木材缺陷检测结果的准确度。
[0019]如图1所示，图1是本申请实施例方案涉及的硬件运行环境的木材缺陷检测设备结构示意图。
[0020]在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
[0021]本申请实施例木材缺陷检测设备可以是PC，也可以是平板电脑、便携计算机等可移动式终端设备。
[0022]如图1所示，该木材缺陷检测设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如WI
‑
FI接口）。存储器1005可以是高速RAM存储器，也可以是稳定的存储器（non
‑
volati本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种木材缺陷检测方法，其特征在于，所述木材缺陷检测方法包括：获取待检测木材的图像信息，基于预训练的深度神经网络模型对所述图像信息进行缺陷检测，得到缺陷检测结果；若所述缺陷检测结果为所述待检测木材存在缺陷，则基于所述图像信息确定所述待检测木材的缺陷尺寸；若所述缺陷尺寸大于预设缺陷尺寸阈值，则基于所述缺陷尺寸输出所述待检测木材的缺陷信息。2.如权利要求1所述的木材缺陷检测方法，其特征在于，所述基于所述图像信息确定所述待检测木材的缺陷尺寸的步骤包括：基于所述图像信息中的各图像，获取所述待检测木材中缺陷的点云信息；基于所述点云信息确定所述待检测木材的缺陷尺寸。3.如权利要求2所述的木材缺陷检测方法，其特征在于，所述基于所述图像信息中的各图像，获取所述待检测木材中缺陷的点云信息的步骤包括：基于双目视觉算法对所述图像信息中的各图像进行处理，得到所述待检测木材中缺陷的点云信息。4.如权利要求2所述的木材缺陷检测方法，其特征在于，所述基于所述图像信息确定所述待检测木材的缺陷尺寸的步骤之后，还包括：将所述缺陷尺寸与预设缺陷尺寸阈值进行对比，确定所述缺陷尺寸与所述预设缺陷尺寸阈值之间的大小关系。5.如权利要求1所述的木材缺陷检测方法，其特征在于，所述获取待检测木材的图像信息的步骤包括：检测是否存在来料信号；若存在所述来料信号，则基于预设摄像装置获取待检测木材的图像信...

【专利技术属性】
技术研发人员：杨超，黄雪峰，蔡恩祥，朱琦，胡亘谦，
申请(专利权)人：深圳市信润富联数字科技有限公司，
类型：发明
国别省市：