一种基于机器视觉的纤维板质量分类方法技术

本发明专利技术涉及人工智能领域，具体涉及一种基于机器视觉的纤维板质量分类方法。包括获取纤维板表面灰度图像；对纤维板表面灰度图滑窗处理得到多个滑窗区域；计算滑窗中心像素点的平滑度；以最小平滑度对应的像素点为目标像素点，获取多个目标连通域；获取各目标连通域中像素点的梯度幅值构建对应的梯度直方图，计算各目标连通域为缺陷区域的概率，确定出所有缺陷区域；计算各灰度值作为标准灰度值的概率，确定标准灰度值；根据各缺陷区域的灰度均值计算纤维板的质量系数，对纤维板的质量进行分类。本发明专利技术分析纤维板表面图像的光泽度能够检测出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以及修复的及时性；有效提高生产效率。有效提高生产效率。有效提高生产效率。

【技术实现步骤摘要】
一种基于机器视觉的纤维板质量分类方法


[0001]本专利技术涉及人工智能领域，具体涉及一种基于机器视觉的纤维板质量分类方法。

技术介绍

[0002]在生产纤维板时，需经切片、蒸煮、纤维分离、干燥后施加脲醛树脂或其他适用的胶粘剂，再经热压后制成。
[0003]在生产过程中，原料不好，蒸煮时间过短，进料量过大或者进料量不均匀等会造成板面粗糙，影响后续加工。
[0004]在传统的纤维板表面缺陷检测中，通常通过人工观察进行检测筛选的，这种方法效率低、成本高，检测效果易受工作人员状态影响；为了提高检测效率，会利用机器视觉的方法提取板表面图像特征，根据提取到的特征采用阈值分割对缺陷进行判断或分类。但对于纤维板表面缺陷，由于其缺陷没有方向上以及形态上的规则性，且该缺陷可能整板出现也可能局部出现，难以通过阈值分割直接获取板面缺陷情况。

技术实现思路

[0005]本专利技术提供一种基于机器视觉的纤维板质量分类方法，以解决现有的在进行缺陷判断或分类时，没有对缺陷方向以及形态上的特征进行分析，导致出现对缺陷进行判断时，难以直接通过阈值分割获取纤维板表面的缺陷情况的问题。
[0006]本专利技术的一种基于机器视觉的纤维板质量分类方法，采用如下技术方案，包括以下步骤：
[0007]获取纤维板表面灰度图像；
[0008]对获取的灰度图像进行滑窗处理，利用每个滑窗中每个像素点的灰度值获取每一个像素点的平滑度；
[0009]提取最小平滑度所对应的像素点作为目标像素点，利用区域生长法将与符合阈值的目标像素点的邻域像素点与目标像素点进行合并得到多个目标连通域；
[0010]获取每一个目标连通域中每个像素点的梯度幅值构建该目标连通域的梯度直方图；
[0011]利用每一个目标连通域梯度直方图中每一梯度幅值对应的像素点的数量计算目标连通域的缺陷概率，通过每一目标连通域的缺陷概率对该目标区域是否属于缺陷区域进行判断；
[0012]获取纤维板表面灰度图像中各灰度值的频数和频率计算各灰度值作为标准灰度值的概率，选择概率最大值对应的灰度值作为标准灰度值；
[0013]提取属于缺陷区域的灰度均值，根据各缺陷区域的灰度均值与标准灰度值计算纤维板的质量系数；
[0014]根据纤维板质量系数对纤维板的质量进行分类。
[0015]利用每个滑窗中每个像素点的灰度值获取每一个像素点的平滑度的方法如下：
[0016][0017]式中：Lx为滑窗区域对应的像素点的平滑程度，W
α
表示滑窗中第α个像素点的灰度值，α为滑窗内像素点的序号，N2为滑窗的面积，即滑窗内像素点的数量，tanh表示双曲线正切函数，起归一化的作用，ψ为超参数。
[0018]利用区域生长法和设定的平滑度阈值得到多个目标连通域的过程为：
[0019]选取平滑度最小的像素点作为目标像素点，利用区域生长法在目标像素点的八邻域区域范围进行搜索，设定平滑度阈值，将平滑度小于平滑度阈值的像素点连接得到一个目标连通域，然后对目标像素点进行更新，按照上述方法获取下一个目标连通域，迭代至没有符合条件的像素点时停止，得到多个目标连通域。
[0020]所述计算目标连通域的缺陷概率，确定出所有缺陷区域的方法如下：
[0021]计算目标连通域的缺陷概率的公式为：
[0022][0023]式中：P
k
为第k个目标连通域的缺陷概率，tanh为双曲线正切函数，起归一化作用，ω为超参数，g
j
表示第k个目标连通域中第j组的幅值大小，即梯度直方图第j组的柱的高度，n表示第k个目标连通域中梯度直方图的组数，j为目标连通域中梯度直方图中分组的序号；
[0024]设定缺陷阈值，当目标连通域的缺陷概率大于等于缺陷阈值时，将该目标连通域判定为缺陷区域，根据此方法确定出所有的缺陷区域。
[0025]根据各缺陷区域的灰度均值与标准灰度值计算纤维板的质量系数的过程如下：
[0026]提取每个缺陷区域中所有像点的灰度值，计算各缺陷区域的灰度均值，纤维板的质量系数的计算方法为：将各缺陷区域的灰度均值分别与标准灰度值作差得到的结果累加求和，得到纤维板的质量值，利用tanh、对纤维板的质量值进行归一化处理，得到纤维板的质量系数，其中tanh为双曲线正切函数，为超参数，起归一化作用。
[0027]标准灰度值的计算过程包括：
[0028]计算各灰度值为标准灰度值的概率的计算公式如下：
[0029][0030]式中：F
i
为第i个灰度值为标准灰度值的概率，i为灰度值的序号，μ0为标准均值，σ
02
为标准方差；
[0031]选择各灰度值为标准灰度值的概率中最大概率对应的灰度值作为标准灰度值F
im
，即F
im
＝max(F
i
)；
[0032]标准均值的计算公式为：
[0033][0034]式中：p
i
为第i个灰度值的频率，为灰度值均值，i
m
为频数最大的灰度值；
[0035]标准方差的计算公式为：
[0036][0037]根据纤维板质量系数对纤维板的质量进行分类的方法为：设定纤维板质量分类范围，根据纤维板质量系数和纤维板质量分类范围对纤维板质量进行分类；
[0038]当V∈(0，0.3)，该纤维板质量属于优质品；
[0039]当V∈(0.3，0.6)，该纤维板质量属于合格品；
[0040]当V∈(0.7，1)，该纤维板质量属于瑕疵品。
[0041]所述获取每一个目标连通域中每个像素点的梯度幅值构建该目标连通域的梯度直方图的方法如下：
[0042]利用Sobel算子获得像素点的水平梯度以及竖直梯度，像素点的梯度赋值为利用Sobel算子获得像素点的水平梯度以及竖直梯度，像素点的梯度赋值为其中g表示梯度幅值大小，其对应的梯度方向为：g
x
表示像素点的水平梯度，g
y
表示像素点的竖直梯度；
[0043]根据上述方法获取各目标连通域中每个像素点的梯度幅值和梯度方向，将角度范围分为A组，每组单元为10<A<20，通过像素点的梯度角度将目标连通域中的像素点分为A组，将每组中所有像素点的梯度值进行累加，即可得到A个数值，将组别作为横轴，每组中所有像素点的梯度值进行累加的结果作为纵轴构建目标连通域的梯度直方图。
[0044]本专利技术的有益效果是：本专利技术通过分析人造板表面图像的光泽度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以及修复的及时性；能够达到有效降低劳动强度，提高生产效率的效果，对提高产品合格率有着非常重要的意义。
附图说明
[0045]为了更清楚地说明本专利技术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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的纤维板质量分类方法，其特征在于：包括以下步骤：获取纤维板表面灰度图像；对获取的灰度图像进行滑窗处理，利用每个滑窗中每个像素点的灰度值获取每一个像素点的平滑度；提取最小平滑度所对应的像素点作为目标像素点，利用区域生长法将与符合阈值的目标像素点的邻域像素点与目标像素点进行合并得到多个目标连通域；获取每一个目标连通域中每个像素点的梯度幅值构建该目标连通域的梯度直方图；利用每一个目标连通域梯度直方图中每一梯度幅值对应的像素点的数量计算目标连通域的缺陷概率，通过每一目标连通域的缺陷概率对该目标区域是否属于缺陷区域进行判断；获取纤维板表面灰度图像中各灰度值的频数和频率计算各灰度值作为标准灰度值的概率，选择概率最大值对应的灰度值作为标准灰度值；提取属于缺陷区域的灰度均值，根据各缺陷区域的灰度均值与标准灰度值计算纤维板的质量系数；根据纤维板质量系数对纤维板的质量进行分类。2.根据权利要求1所述的一种基于机器视觉的纤维板质量分类方法，其特征在于：所述利用每个滑窗中每个像素点的灰度值获取每一个像素点的平滑度的方法为：提取该滑窗内的每个像素点的灰度值，计算该滑窗的平滑度，对该滑窗的平滑度进行归一化处理后的结果作为该滑窗的中心像素点的平滑度；滑窗的中心像素点的平滑度计算公式如下：式中：Lx为滑窗对应的中心像素点的平滑程度，W
α
表示滑窗中第α个像素点的灰度值，α为滑窗内像素点的序号，N2为滑窗的面积，即滑窗内像素点的数量，tanh表示双曲线正切函数，起归一化的作用，ψ为超参数。3.根据权利要求1所述的一种基于机器视觉的纤维板质量分类方法，其特征在于：所述利用区域生长法和设定的平滑度阈值得到多个目标连通域的过程为：选取平滑度最小的像素点作为目标像素点，利用区域生长法在目标像素点的八邻域区域范围进行搜索，设定平滑度阈值，将平滑度小于平滑度阈值的像素点连接得到一个目标连通域，然后对目标像素点进行更新，按照上述方法获取下一个目标连通域，迭代至没有符合条件的像素点时停止，得到多个目标连通域。4.根据权利要求1所述的一种基于机器视觉的纤维板质量分类方法，其特征在于：所述计算目标连通域的缺陷概率，确定出所有缺陷区域的方法如下：计算目标连通域的缺陷概率的公式为：式中：P
k
为第k个目标连通域的缺陷概率，tanh为双曲线正切函数，起归一化作用，ω为
超参数，g
j
表示第k个目标连通域中第j组的幅值大小，即梯度直方图第j组的柱的高度，n表示第k个目标连通域中梯度直方图的组数，j为目标连通域中梯度直方图中分组的序号；设定缺陷阈值，当目标连通域的缺陷概率大于等于缺陷阈值时，将...

【专利技术属性】
技术研发人员：谢正富，
申请(专利权)人：泗阳富艺木业股份有限公司，
类型：发明
国别省市：