一种基于图像处理的纤维板质量评估方法技术

本发明专利技术涉及人工智能领域，具体涉及一种基于图像处理的纤维板质量评估方法，包括：获取纤维板灰度图；获取背景灰度值；获取各像素点的关注程度；根据关注程度获取疑似缺陷点，利用区域生长法对疑似缺陷点进行分类，得到第一疑似缺陷区域；计算第一疑似缺陷区域中各像素点的可信度，利用区域生长法将第一疑似缺陷区域中可信度较高的像素点进行保留，得到第二疑似缺陷区域；根据第二疑似缺陷区域中边缘像素点到中心点的距离，得到第二疑似缺陷区域为粉尘斑缺陷的概率，进而得到粉尘斑缺陷区域；根据粉尘斑缺陷区域对纤维板进行质量评估。上述方法用于对纤维板进行质量评估，通过上述方法可提高质量评估的准确度。可提高质量评估的准确度。可提高质量评估的准确度。

【技术实现步骤摘要】
一种基于图像处理的纤维板质量评估方法


[0001]本专利技术涉及人工智能领域，具体涉及一种基于图像处理的纤维板质量评估方法。

技术介绍

[0002]中密度纤维板具有易加工、耐腐蚀、产品使用期长等优点被广泛应用于建筑、装修等方面。在纤维板的生产过程中由于工作环境和操作不当会导致纤维板表面出现粉尘斑、水斑、杂质等缺陷，这些缺陷不仅影响纤维板的美观，还会影响纤维板的使用寿命。因此，对生产后的纤维板进行质量评估必不可少。
[0003]目前用于纤维板的质量评估手段主要是人工方式和阈值分割方式。人工方式是对生产后的纤维板进行抽样检测，检测人员进行人眼识别；阈值分割方式是根据缺陷与背景的差异，将缺陷区域进行分割，根据缺陷对纤维板进行质量评估。
[0004]然而，人工方式的缺陷漏检率高，检测效率低，人工成本高且人眼对于缺陷等级尺寸的判定无法达到准确量化；而阈值分割方式仅能针对空域特征明显的缺陷如杂质、水斑、斑点等缺陷，对于粉尘斑缺陷肉眼观察困难，难以检测。因此，亟需一种方法用于提高纤维板质量评估的准确度和效率。

技术实现思路

[0005]本专利技术提供一种基于图像处理的纤维板质量评估方法，包括：获取纤维板灰度图；获取背景灰度值；获取各像素点的关注程度；根据关注程度获取疑似缺陷点，利用区域生长法对疑似缺陷点进行分类，得到第一疑似缺陷区域；计算第一疑似缺陷区域中各像素点的可信度，利用区域生长法将第一疑似缺陷区域中可信度较高的像素点进行保留，得到第二疑似缺陷区域；根据第二疑似缺陷区域中边缘像素点到中心点的距离，得到第二疑似缺陷区域为粉尘斑缺陷的概率，进而得到粉尘斑缺陷区域；根据粉尘斑缺陷区域对纤维板进行质量评估，相较于现有技术，本专利技术通过分析中密度纤维板表面图像的像素点间的关系计算缺陷概率，代替传统阈值分割的方法，可以检测空域特征不明显的缺陷，使检测结果更加准确，提高产品分类的准确性，同时结合计算机视觉可以有效降低劳动强度，提高生产效率，对提高产品合格率有着非常重要的意义。
[0006]为达到上述目的，本专利技术采用以下技术方案，一种基于图像处理的纤维板质量评估方法，包括：
[0007]获取中密度纤维板表面图像及其灰度图。
[0008]根据灰度图中频数最大的灰度值和灰度值均值建立高斯分布，得到背景灰度值。
[0009]计算灰度图中各像素点及其邻域像素点的灰度值均值与背景灰度值的差异，得到各像素点的关注程度。
[0010]将各像素点的关注程度与关注程度阈值进行对比，获取疑似缺陷像素点。
[0011]利用区域生长法对疑似缺陷像素点进行分类，得到所有第一疑似粉尘斑缺陷区域。
[0012]根据第一疑似粉尘斑缺陷区域中各像素点的梯度方向和各像素点与中心像素点的连线方向，得到各第一疑似粉尘斑缺陷区域中所有像素点的可信度。
[0013]利用区域生长法将各第一疑似粉尘斑缺陷区域中可信度较高的像素点进行保留，得到所有第二疑似粉尘斑缺陷区域。
[0014]根据各个第二疑似粉尘斑缺陷区域中边缘像素点到中心点的距离，得到所有第二疑似粉尘斑缺陷区域为粉尘斑缺陷的概率。
[0015]根据各个第二疑似粉尘斑缺陷区域为粉尘斑缺陷的概率得到粉尘斑缺陷区域。
[0016]根据粉尘斑缺陷区域的数量与大小对中密度纤维板进行质量评估。
[0017]进一步的，所述一种基于图像处理的纤维板质量评估方法，所述背景灰度值是按照如下方式得到：
[0018]计算中密度纤维板表面灰度图中各个灰度级的频率和灰度值均值。
[0019]建立高斯分布，根据频率最大灰度值与灰度值均值计算得到高斯分布的均值和方差。
[0020]根据高斯分布的均值和方差得到灰度图中各灰度级属于背景的概率。
[0021]选取概率最大值所对应的灰度级为背景，得到灰度图中的背景灰度值。
[0022]进一步的，所述一种基于图像处理的纤维板质量评估方法，所述各像素点的关注程度的表达式如下：
[0023][0024]式中，C表示第e个像素点的关注程度，F
im
表示背景像素的灰度值，e表示目标像素点，e
j
表示目标像素点e第j个像素点的灰度值，J表示目标像素点e邻域像素点的个数，tanh为双曲线正切函数，ψ为超参数。
[0025]进一步的，所述一种基于图像处理的纤维板质量评估方法，所述所有第一疑似粉尘斑缺陷区域是按照如下方式得到：
[0026]将疑似缺陷点中关注程度最大的像素点作为生长种子点。
[0027]将生长种子点的8邻域内的疑似缺陷点进行合并得到一个区域。
[0028]将得到的区域作为新的生长种子点，将该新的生长种子点的8邻域内的疑似缺陷点进行合并得到更新后的一个区域，将更新后的一个区域作为新的生长种子点不断迭代合并，直到更新后的生长种子点的8邻域内无疑似缺陷点，得到第一疑似粉尘斑缺陷区域。
[0029]按照得到第一疑似粉尘斑缺陷区域的方法得到所有第一疑似粉尘斑缺陷区域。
[0030]进一步的，所述一种基于图像处理的纤维板质量评估方法，所述各第一疑似粉尘斑缺陷区域中所有像素点的可信度是按照如下方式得到：
[0031]获取各第一疑似粉尘斑缺陷区域的中心点。
[0032]获取中心点n
×
n范围内所有像素点与中心点的连线方向。
[0033]计算中心点n
×
n范围内灰度图的梯度，得到中心点n
×
n范围内各像素点的梯度方向。
[0034]根据中心点n
×
n范围内所有像素点与中心点的连线方向与中心点n
×
n范围内各像素点的梯度方向，计算得到各第一疑似粉尘斑缺陷区域中所有像素点的可信度。
[0035]进一步的，所述一种基于图像处理的纤维板质量评估方法，所述所有第二疑似粉
尘斑缺陷区域是按照如下方式得到：
[0036]将各第一疑似粉尘斑缺陷区域n
×
n范围内的中心点为生长种子点。
[0037]设置阈值，将生长种子点的8邻域内的可信度大于等于阈值的像素点进行保留，将保留的像素点作为新的生长种子点，将该新的生长种子点的8邻域内的可信度大于等于阈值的像素点进行保留，将新保留的像素点作为更新后的生长种子点不断迭代保留，直到更新后的生长种子点的8邻域内无可信度大于等于阈值的像素点，得到第二疑似粉尘斑缺陷区域。
[0038]按照得到第二疑似粉尘斑缺陷区域的方法得到所有第二疑似粉尘斑缺陷区域。
[0039]进一步的，所述一种基于图像处理的纤维板质量评估方法，所述所有第二疑似粉尘斑缺陷区域为粉尘斑缺陷的概率的表达式如下：
[0040][0041]式中，G表示各个第二疑似粉尘斑缺陷区域为粉尘斑缺陷的概率，tanh为双曲线正切函数，ψ
’
为超参数，K为连通域边缘点个数，g表示边缘像素点到中心点的距离，g
k
表示第k个边缘点到中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的纤维板质量评估方法，其特征在于，包括：获取中密度纤维板表面图像及其灰度图；根据灰度图中频数最大的灰度值和灰度值均值建立高斯分布，得到背景灰度值；计算灰度图中各像素点及其邻域像素点的灰度值均值与背景灰度值的差异，得到各像素点的关注程度；将各像素点的关注程度与关注程度阈值进行对比，获取疑似缺陷像素点；利用区域生长法对疑似缺陷像素点进行分类，得到所有第一疑似粉尘斑缺陷区域；根据第一疑似粉尘斑缺陷区域中各像素点的梯度方向和各像素点与中心像素点的连线方向，得到各第一疑似粉尘斑缺陷区域中所有像素点的可信度；利用区域生长法将各第一疑似粉尘斑缺陷区域中可信度较高的像素点进行保留，得到所有第二疑似粉尘斑缺陷区域；根据各个第二疑似粉尘斑缺陷区域中边缘像素点到中心点的距离，得到所有第二疑似粉尘斑缺陷区域为粉尘斑缺陷的概率；根据各个第二疑似粉尘斑缺陷区域为粉尘斑缺陷的概率得到粉尘斑缺陷区域；根据粉尘斑缺陷区域的数量与大小对中密度纤维板进行质量评估。2.根据权利要求1所述的一种基于图像处理的纤维板质量评估方法，其特征在于，所述背景灰度值是按照如下方式得到：计算中密度纤维板表面灰度图中各个灰度级的频率和灰度值均值；建立高斯分布，根据频率最大灰度值与灰度值均值计算得到高斯分布的均值和方差；根据高斯分布的均值和方差得到灰度图中各灰度级属于背景的概率；选取概率最大值所对应的灰度级为背景，得到灰度图中的背景灰度值。3.根据权利要求1所述的一种基于图像处理的纤维板质量评估方法，其特征在于，所述各像素点的关注程度的表达式如下：式中，C表示第e个像素点的关注程度，F
im
表示背景像素的灰度值，e表示目标像素点，e
j
表示目标像素点e第j个像素点的灰度值，J表示目标像素点e邻域像素点的个数，tanh为双曲线正切函数，ψ为超参数。4.根据权利要求1所述的一种基于图像处理的纤维板质量评估方法，其特征在于，所述所有第一疑似粉尘斑缺陷区域是按照如下方式得到：将疑似缺陷点中关注程度最大的像素点作为生长种子点；将生长种子点的8邻域内的疑似缺陷点进行合并得到一个区域；将得到的区域作为新的生长种子点，将该...

【专利技术属性】
技术研发人员：杨长键，
申请(专利权)人：江苏泰和木业有限公司，
类型：发明
国别省市：