基于数据处理的建筑板材分类方法技术

本发明专利技术涉及数据处理技术领域，具体涉及一种基于数据处理的建筑板材分类方法，该方法采集建筑板材的表面图像，并获取表面图像的灰度图像；获取灰度图像的二值图像，通过像素点的分布情况自适应获取形态学结构元的类型，对二值图像进行腐蚀去噪，得到去噪图像，利用去噪图像的像素点构建行和曲线和列和曲线，通过行和曲线和列和曲线获取纹理类型概率；通过设置多个概率阈值对纹理类型概率进行分段，得到多段概率区间，每段概率区间对应建筑板材的一个类别。本发明专利技术通过分析不同去噪效果下的行和曲线和列和曲线的变化情况判断纹理类型，在不同程度的噪声影响下均可准确完成纹理分类，提高了建筑板材分类判断的准确性。了建筑板材分类判断的准确性。了建筑板材分类判断的准确性。

【技术实现步骤摘要】
基于数据处理的建筑板材分类方法


[0001]本专利技术涉及数据处理
，具体涉及一种基于数据处理的建筑板材分类方法。

技术介绍

[0002]随着社会的发展，人们对实木板材的运用越来越频繁，但由于木材的生长环境与生长周期不同，会存在不同类型的纹理，常见的建筑板材均需要进行拼接，不同类型的纹理进行拼接会破坏板材的美感，降低板材质量等级，降低经济效益，由此对板材进行分类，将相似纹理的板材进行拼接组合是十分有必要的。
[0003]传统描述纹理特征与纹理分类的方法较多，但对于纹理的提取不够准确，在采集建筑板材图像过程中，纹理极易受到外界干扰因素的影响，给纹理提取带来较大的困难，外界干扰及噪声影响极易导致纹理提取不完整，纹理断断续续，若不去除环境干扰及其噪声干扰，所提取的纹理特征难以表征纹理属性，导致分类结果不准确，影响后续板材拼接的质量。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提供一种基于数据处理的建筑板材分类方法，所采用的技术方案具体如下：本专利技术一个实施例提供了一种基于数据处理的建筑板材分类方法，该方法包括以下步骤：采集建筑板材的表面图像，并获取表面图像的灰度图像；获取所述灰度图像的二值图像，通过像素点的分布情况自适应获取形态学结构元的类型，对二值图像进行腐蚀去噪，得到去噪图像，利用去噪图像的像素点构建行和曲线和列和曲线，通过行和曲线和列和曲线获取纹理类型概率；通过设置多个概率阈值对纹理类型概率进行分段，得到多段概率区间，每段概率区间对应建筑板材的一个类别。
[0005]优选的，所述二值图像的获取方法为：采用自适应阈值分割的方法对所述灰度图像进行分割，对灰度图像中所有像素点的灰度值依据自适应阈值赋值，得到对应的二值图像。
[0006]优选的，所述通过像素点的分布情况自适应获取形态学结构元的类型，包括：在所述二值图像中获取目标像素点的连通域，采用骨架提取算法提取连通域骨架，获取骨架的主方向，选取所有主方向的众数作为最终方向，基于所述最终方向选取对应的结构元。
[0007]优选的，所述骨架的主方向的获取方法为：采用最小二乘法对骨架中的像素点进行拟合，获取拟合直线，对于获取到的直线方程与水平轴的夹角即为骨架的主方向。
[0008]优选的，所述最终方向选取之前，还包括：基于骨架中的像素点数量筛除小面积连通域。
[0009]优选的，所述利用去噪图像的像素点构建行和曲线和列和曲线，包括：将去噪图像中第一列像素点的像素值进行累加，得到列和序列中的第一个列序列值，将图像中第二列像素点的值进行累加，得到列和序列中的第二个序列值，直至将所有列的像素点的值进行累加后停止，得到列和序列，将列和序列构建为列和曲线；将去噪图像中第一行像素点的像素值进行累加，得到行和序列中的第一个行序列值，将图像中第二行像素点的值进行累加，得到行和序列中的第二个行序列值，直至将所有行的像素点的值进行累加后停止，得到行和序列，将行和序列构建为行和曲线。
[0010]优选的，所述通过行和曲线和列和曲线获取纹理类型概率，包括：根据行和序列中的序列值获取每条行和曲线的波动程度，所有行和曲线的波动程度组成行波动程度序列；根据行和曲线中的峰值获取每条行和曲线的周期性，所有行和曲线的周期性组成行周期性序列；根据列和序列中的序列值获取每条列和曲线的波动程度，所有列和曲线的波动程度组成列波动程度序列；根据列和曲线中的峰值获取每条列和曲线的周期性，所有列和曲线的周期性组成列周期性序列；通过对波动程度序列和周期性序列进行线性拟合得到序列的离散程度，所述离散程度即为所述纹理类型概率。
[0011]本专利技术实施例至少具有如下有益效果：通过分析纹理的分布类型，构建行和曲线和列和曲线，通过行和列和曲线的变化进行纹理类型的判断，从而提高纹理判断的准确性；通过像素点的分布情况自适应获取形态学结构元的类型，能够利用不同类型的结构元对二值图像进行不同程度的去噪，使得二值图像受噪声影响逐渐变小，通过分析不同去噪效果下的行和曲线和列和曲线的变化情况判断纹理类型，在不同程度的噪声影响下均可准确完成纹理分类，提高了建筑板材分类判断的准确性。
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数据处理的建筑板材分类方法的步骤流程图；图2为本专利技术一个实施例提供的5
×
5大小不同类型的线性结构元示意图；图3为本专利技术一个实施例提供的行和曲线和列和曲线示意图。
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数据处理的建筑板材分类方法，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数据处理的建筑板材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数据处理的建筑板材分类方法的步骤流程图，该方法包括以下步骤：步骤S001，采集建筑板材的表面图像，并获取表面图像的灰度图像。
[0018]具体的步骤包括：采集建筑板材表面图像，所述图像采集装置包括输入辊台、视觉采集系统、输出辊台与光源模块。建筑板材由输入辊台往视觉采集系统进行输送，到达指定位置后，对板材表面进行打光，所述光源采用条形LED光源，通过调节相机采样频率与相机参数，采集板材表面图像，图像采集完成后，板材由输出辊台运送到分拣区域，根据分析结果进行板材分类。
[0019]为了减少不必要的计算以及外界其他区域的干扰，本专利技术首先采用DNN技术来识别图像中的待分类的建筑板材。
[0020]该DNN网络的相关内容如下：使用的数据集为本专利技术所述采集过程得到的建筑板材表面图像数据集，待检测建筑板材的样式形态为多种多样的。需要分割的像素共分为两类，即训练集对应标签标注过程为：单通道的语义标签，对应位置像素属于背景类的标注为0，属于待检测用于建筑板材的标注为1。网络的任务是分类，所以使用的loss函数为交叉熵损失函数。
[0021]对识别表面图像中的建筑板材的分割后的图像进行灰度化处理，灰度化为现有技术，此处不予以详细概述。并采用中值滤波对灰度图像进行去噪处理。
[0022]步骤S002，获取灰度图像的二值图像，通过像素点的分布情况自适应获取形态学结构元的类型，对二值图像进行腐蚀去噪，得到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于数据处理的建筑板材分类方法，其特征在于，该方法包括以下步骤：采集建筑板材的表面图像，并获取表面图像的灰度图像；获取所述灰度图像的二值图像，通过像素点的分布情况自适应获取形态学结构元的类型，对二值图像进行腐蚀去噪，得到去噪图像，利用去噪图像的像素点构建行和曲线和列和曲线，通过行和曲线和列和曲线获取纹理类型概率；通过设置多个概率阈值对纹理类型概率进行分段，得到多段概率区间，每段概率区间对应建筑板材的一个类别。2.根据权利要求1所述的基于数据处理的建筑板材分类方法，其特征在于，所述二值图像的获取方法为：采用自适应阈值分割的方法对所述灰度图像进行分割，对灰度图像中所有像素点的灰度值依据自适应阈值赋值，得到对应的二值图像。3.根据权利要求1所述的基于数据处理的建筑板材分类方法，其特征在于，所述通过像素点的分布情况自适应获取形态学结构元的类型，包括：在所述二值图像中获取目标像素点的连通域，采用骨架提取算法提取连通域骨架，获取骨架的主方向，选取所有主方向的众数作为最终方向，基于所述最终方向选取对应的结构元。4.根据权利要求3所述的基于数据处理的建筑板材分类方法，其特征在于，所述骨架的主方向的获取方法为：采用最小二乘法对骨架中的像素点进行拟合，获取拟合直线，对于获取到的直线方程与水平轴的夹角即为骨架的主方向。5.根据权利要求3所述的基于数据处理的建筑板材分类方法，其特征在于，所述最终方向选取之...

【专利技术属性】
技术研发人员：王宏飞，梁娜，
申请(专利权)人：南通宏梁建筑科技有限公司，
类型：发明
国别省市：