一种基于图像处理的木板质量分类方法技术

本发明专利技术涉及人工智能技术领域，具体涉及一种基于图像处理的木板质量分类方法。该方法采集木材表面图像以得到木材灰度图像；获取木材灰度图像中的异常区域，基于像素点的连生性计算异常区域中每个像素点的异常概率；基于异常概率选取异常区域中的多个目标像素点，基于死节的脱环特性，根据目标像素点的纹理走向计算异常区域为死节的概率；根据概率确认死节，由木材表面图像中死节的面积和数量对木材质量进行评估以进行质量等级的划分。根据节子与其周边木材的连生性以及死节本身的脱环性进行节子类型判断，能够克服不同种类的木材因颜色差异导致阈值分割结果所判断的节子类型不准的问题，同时降低木材质量分类的误差。同时降低木材质量分类的误差。同时降低木材质量分类的误差。

【技术实现步骤摘要】
一种基于图像处理的木板质量分类方法


[0001]本专利技术涉及人工智能
，具体涉及一种基于图像处理的木板质量分类方法。

技术介绍

[0002]木制家具生产中，木材的质量决定了家具的品质，节子是木材缺陷中对木材质量、价值影响最大的一种。节子可分为活节与死节，活节是正常的木质结构，材质坚硬，同时存在一定的观赏价值；死节材质松软或坚硬，易与周围木材脱离或部分脱离，加工过程中可能会使死节脱落留下空洞，导致木材强度降低，大大影响使用寿命。
[0003]传统木板缺陷分类方式是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，而现有技术多利用机器视觉进行缺陷检测：采集木材图像以获取节子区域，获取节子区域的灰度直方图，基于灰度直方图采用阈值分割进行处理以检测死节。由于死节和活节颜色均较深，且转化为灰度图像后差异较小，不同材料的节子颜色也不同，单纯采用阈值分割分析节子类型并不准确，进而无法较为准确的对木材品质进行分类。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于图像处理的木板质量分类方法，所采用的技术方案具体如下：本专利技术实施例提供了一种基于图像处理的木板质量分类方法，该方法包括以下步骤：采集木材表面图像，获取所述木材表面图像的木材灰度图像；对所述木材灰度图像进行阈值分割得到异常区域，基于像素点的像素值得到所述异常区域的对比度图，根据对比度图中像素点的对比度值计算所述异常区域中每个像素点的连生性指标；建立所述异常区域的灰度直方图，结合所述灰度直方图和每个像素点的所述连生性指标计算所述异常区域中每个像素点的异常概率；根据所述异常概率选取所述异常区域中的多个目标像素点，对目标像素点进行圆拟合，获取圆上每个目标像素点的目标特征向量以及该目标像素点处的切线方向向量，所述特征向量表示目标像素点处的纹理走向，计算每个目标像素点对应的所述目标特征向量和所述切线方向向量之间的余弦相似度，根据每个目标像素点对应的所述余弦相似度得到该圆对应的余弦相似度均值；对所述异常区域中的目标像素点进行多次圆拟合，根据多个圆对应的所述余弦相似度均值得到所述异常区域为死节的概率；根据所述概率确认死节，由所述木材表面图像中死节的面积和数量对木材质量进行评估，根据评估结果对木材进行质量等级的划分。
[0005]进一步地，所述基于像素点的像素值得到所述异常区域的对比度图的方法，包括：设定固定大小的滑窗，分别以所述异常区域中每个像素点为滑窗的中心像素点，
获取 滑窗大小的子影响图像的灰度共生矩阵，通过灰度共生矩阵计算对比度，将该窗口所获取的对比度的值赋值给该窗口的中心像素点。
[0006]进一步地，所述根据对比度图中像素点的对比度值计算所述异常区域中每个像素点的连生性指标的方法，包括：根据像素点对应的对比度值计算单一滑窗内所有像素点的对比度均值，利用所述对比度均值和滑窗内每个像素点的对比度值计算该滑窗对应的连生性指标，将计算的所述连生性指标赋值于该滑窗的中心像素点。
[0007]进一步地，所述结合所述灰度直方图和每个像素点的所述连生性指标计算所述异常区域中每个像素点的异常概率的方法，包括：根据所述灰度直方图计算每个灰度级的频率；计算所述灰度直方图对应的灰度值均值；以频率最大值所对应的灰度值与灰度值均值之间灰度值的均值为高斯分布均值，以频率最大所对应的灰度值与灰度值均值之间灰度值的方差为高斯分布方差；根据所述高斯分布均值和所述高斯分布方差计算每个灰度级属于背景的概率，选取所述概率的最大值所对应的灰度级为背景灰度级；结合背景灰度级、像素点的灰度值及其所述连生性指标计算所述异常区域中每个像素点的异常概率。
[0008]进一步地，所述获取圆上每个目标像素点的目标特征向量的方法，包括：获取目标像素点的海森矩阵以得到该海森矩阵的特征向量和特征值，选取最大特征值所对应的特征向量作为目标像素点的目标特征向量。
[0009]进一步地，所述根据多个圆对应的所述余弦相似度均值得到所述异常区域为死节的概率的方法，包括：结合每个圆对应的所述余弦相似度均值计算平均值，将平均值作为所述异常区域为死节的概率。
[0010]进一步地，所述由所述木材表面图像中死节的面积和数量对木材质量进行评估的方法，包括：结合木材面积、死节的面积和数量计算死节对木材质量的影响程度，且死节的数量与所述影响程度呈正相关、死节的面积与所述影响程度呈正相关。
[0011]本专利技术实施例至少具有如下有益效果：根据节子与其周边木材的连生性以及死节本身的脱环性进行节子类型判断，能够克服不同种类的木材因颜色差异导致阈值分割结果所判断的节子类型不准的问题，同时降低木材质量分类的误差。
附图说明
[0012]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和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0013]图1为本专利技术一个实施例提供的一种基于图像处理的木板质量分类方法的步骤流程图；
图2为本专利技术实施例所提供的关于节子类型的示意图。
具体实施方式
[0014]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于图像处理的木板质量分类方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0015]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0016]下面结合附图具体的说明本专利技术所提供的一种基于图像处理的木板质量分类方法的具体方案。
[0017]请参阅图1，其示出了本专利技术一个实施例提供的一种基于图像处理的木板质量分类方法的步骤流程图，该方法包括以下步骤：步骤S001，采集木材表面图像，获取木材表面图像的木材灰度图像。
[0018]具体的，原木由切割设备分割为木材后，对切割好的木材进行图像采集，相机位于木材的正上方，保证采集到较为清晰的木材表面图像。调整相机视角，保证采集到的图像仅包含木材表面图像，调整传送带运行速度与相机采样频率，让采样频率与传送带运行速度适配，使得能够采集整个木材的表面图像。进而将采集到的木材表面图像转化为木材灰度图像。
[0019]步骤S002，对木材灰度图像进行阈值分割得到异常区域，基于像素点的像素值得到异常区域的对比度图，根据对比度图中像素点的对比度值计算异常区域中每个像素点的连生性指标；建立异常区域的灰度直方图，结合灰度直方图和每个像素点的连生性指标计算异常区域中每个像素点的异常概率。
[0020]具体的，参见图2，木材中活节1的质地健全，且与周边木材紧密连生，颜色较深，活节内部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的木板质量分类方法，其特征在于，该方法包括：采集木材表面图像，获取所述木材表面图像的木材灰度图像；对所述木材灰度图像进行阈值分割得到异常区域，基于像素点的像素值得到所述异常区域的对比度图，根据对比度图中像素点的对比度值计算所述异常区域中每个像素点的连生性指标；建立所述异常区域的灰度直方图，结合所述灰度直方图和每个像素点的所述连生性指标计算所述异常区域中每个像素点的异常概率；根据所述异常概率选取所述异常区域中的多个目标像素点，对目标像素点进行圆拟合，获取圆上每个目标像素点的目标特征向量以及该目标像素点处的切线方向向量，所述特征向量表示目标像素点处的纹理走向，计算每个目标像素点对应的所述目标特征向量和所述切线方向向量之间的余弦相似度，根据每个目标像素点对应的所述余弦相似度得到该圆对应的余弦相似度均值；对所述异常区域中的目标像素点进行多次圆拟合，根据多个圆对应的所述余弦相似度均值得到所述异常区域为死节的概率；根据所述概率确认死节，由所述木材表面图像中死节的面积和数量对木材质量进行评估，根据评估结果对木材进行质量等级的划分。2.如权利要求1所述的方法，其特征在于，所述基于像素点的像素值得到所述异常区域的对比度图的方法，包括：设定固定大小的滑窗，分别以所述异常区域中每个像素点为滑窗的中心像素点，获取 滑窗大小的子影响图像的灰度共生矩阵，通过灰度共生矩阵计算对比度，将该滑窗所获取的对比度的值赋值给该滑窗的中心像素点。3.如权利要求2所述的方法，其特征在于，所述根据对比度图中像素点的对比度值计算所述异常区域中每个像素点的连生性指标的方法，包括：根据像素点对应的对比度值计算单...

【专利技术属性】
技术研发人员：陈佳彬，张学娜，
申请(专利权)人：江苏绿泉装饰工程有限公司，
类型：发明
国别省市：