基于机器视觉的木材切削表面去毛刺质量评估方法及系统技术方案

本发明专利技术涉及去毛刺质量评估技术领域，具体涉及一种基于机器视觉的木材切削表面去毛刺质量评估方法及系统。方法包括：获得木材切削表面去毛刺前的第一深度图像；获得木材切削表面去毛刺后的第二深度图像；得到第一深度图像对应的多个毛刺簇区域，计算各毛刺簇区域对应的毛刺密度和毛刺平均面积，从而计算各毛刺簇区域对应的第一毛刺缺陷融合特征；计算第二深度图像对应的各毛刺簇区域对应的第二毛刺缺陷融合特征；根据各毛刺簇区域对应的第一缺毛刺陷融合特征与第二毛刺缺陷融合特征，得到木材切削表面的去毛刺质量。本发明专利技术通过对木材切削表面去毛刺质量进行自动化判断，减少了检测人员的劳动强度，从而提高去毛刺质量检测的效率。率。率。

【技术实现步骤摘要】
基于机器视觉的木材切削表面去毛刺质量评估方法及系统


[0001]本专利技术涉及去毛刺质量评估
，具体涉及一种基于机器视觉的木材切削表面去毛刺质量评估方法及系统。

技术介绍

[0002]在家具、地板等产品的生产过程中，实木板材是一个重要的生产原料，其中木材切削是木材加工中占比重最大的一项基本工艺，而木材切削的效果，不仅受木材的力学性质、几何形状、刀具质量和切削方法的影响，还和刀具与木材之间的相对运动、切削机构及切削力等息息相关。常规的切削器械在切削加工时很容易出现缺陷，其中最常见且对木材质量影响较大的缺陷就是毛刺缺陷。
[0003]解决毛刺问题的方法往往是对木制品的木料进行刨光，但是不可避免的还会有没有完全脱离的木质纤维留在表面上，这些木制纤维一旦吸收水分或溶剂，就会因湿润膨胀而竖立起来。在涂刷涂料时，由于这些毛刺的存在，颜色会聚集在它的周围，影响着色的均匀性并且对后续工序如胶合、拼接、表面装饰等也会有影响。
[0004]现有技术往往是通过人工的方式来对去毛刺质量进行检测，使得劳动强度大，从而导致去毛刺质量检测效率低的问题。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木材切削表面去毛刺质量评估方法，其特征在于，该方法包括以下步骤：获得木材切削表面去毛刺前的深度图像，记为第一深度图像；获得木材切削表面去毛刺后的深度图像，记为第二深度图像；对第一深度图像中的毛刺进行聚类，得到第一深度图像对应的多个毛刺簇区域，计算各毛刺簇区域对应的毛刺密度和毛刺平均面积；根据所述各毛刺簇区域对应的毛刺密度和毛刺平均面积，计算各毛刺簇区域对应的毛刺缺陷融合特征，记为第一毛刺缺陷融合特征；根据第一深度图像对应的各毛刺簇区域匹配第二深度图像对应的各毛刺簇区域，计算第二深度图像对应的各毛刺簇区域对应的毛刺缺陷融合特征，记为第二毛刺缺陷融合特征；根据各毛刺簇区域对应的第一缺毛刺陷融合特征与第二毛刺缺陷融合特征，判断木材切削表面的去毛刺质量。2.根据权利要求1所述的基于机器视觉的木材切削表面去毛刺质量评估方法，其特征在于，对第一深度图像中的毛刺进行聚类，得到第一深度图像对应的多个毛刺簇区域的方法包括：对所述第一深度图像进行二值化处理，得到对应的二值图像；利用均值漂移算法对二值图中的毛刺进行聚类，得到多个毛刺簇；根据所述多个毛刺簇对所述二值图像进行分割，得到多个毛刺簇区域。3.根据权利要求2所述的基于机器视觉的木材切削表面去毛刺质量评估方法，其特征在于，所述计算各毛刺簇区域对应的毛刺缺陷融合特征的方法包括：将所述第一深度图像与所述二值图做乘运算，得到毛刺深度图像；根据所述毛刺深度图像，得到各毛刺簇区域对应的深度共生矩阵；根据各毛刺簇区域对应的深度共生矩阵，得到各毛刺簇区域对应的熵深度特征矩阵和能量深度特征矩阵；根据各毛刺簇区域对应的熵深度特征矩阵和能量深度特征矩阵，得到各毛刺簇区域对应的能量值与熵值；根据各毛刺簇区域对应的能量值、熵值、毛刺密度和毛刺平均面积，计算各毛刺簇区域对应的毛刺缺陷融合特征。4.根据权利要求3所述的基于机器视觉的木材切削表面去毛刺质量评估方法，其特征在于，毛刺缺陷融合特征的计算公式为：其中，F为毛刺缺陷融合特征值，为毛刺簇区域的能量值，为毛...

【专利技术属性】
技术研发人员：曹占坡，
申请(专利权)人：曹占坡，
类型：发明
国别省市：