【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。