一种基于线激光图像的竹条缺陷检测方法及终端技术

本发明专利技术涉及一种基于线激光图像的竹条缺陷检测方法及终端，涉及缺陷检测算法技术领域，获取竹条的一张或多张线激光图像；S2、根据竹条的线激光图像提取激光异常线段，若存在激光异常线段，则执行步骤S3；S3、根据激光异常线段判断是否存在缺陷，并对缺陷分类；所述缺陷包括缩水、缺边以及竹黄中的一者或多者。利用激光线采图的特性，完善了竹条物理缺陷的检测方法，能实现对于竹条的缩水、缺边以及竹黄缺陷进行检测，完善了产业化应用，完善竹条缺陷逻辑，降低误检率，提高缺陷检出率。提高缺陷检出率。提高缺陷检出率。

【技术实现步骤摘要】
一种基于线激光图像的竹条缺陷检测方法及终端


[0001]本专利技术涉及缺陷检测算法
，特别涉及一种基于线激光图像的竹条缺陷检测方法及终端。

技术介绍

[0002]随着产业纵深发展，竹加工业已经实现从粗加工到二次加工，再到精深加工的转变趋势。
[0003]在竹坯板生产中，竹条分选是前道工序和后道工序的衔接部分，竹条必须要经过分选，才能进行刷胶，上压，成型等环节，由于竹木是天然生长，缺陷种类繁多且千变万化。竹条的缺陷主要包含两种类型，一种为颜色缺陷：竹青、竹黄、虫洞、霉斑、黑节、内炭等；另一种为物理缺陷：裂片、缺边、刀疤、缩水等。其中颜色缺陷中竹青、竹黄、虫洞又存在物理形变。而每一种缺陷的形态大小、颜色深浅等又因竹条生长地，竹条加工工艺不同而变化。目前，传统情况下竹坯板生产中颜色分选和缺陷检测多以人工为主。
[0004]为了提高竹条产业的自动化水平，国内已应用机器视觉技术实现了部分自动化生产，同时有很多研究工作已经开展，专利文献CN105158258B利用滤波、小波变换、形态学操作对竹条颜色缺陷进行检测；专利文献CN105466950B中主要利用轮廓提取、HSV颜色空间色差计算来检测竹块颜色缺陷；专利文献CN110766681A和CN112184698A中主要利用神经网络来学习检测竹条的颜色缺陷和部分物理缺陷，这些方法可以检测大部分颜色缺陷和物理缺陷，但依旧无法检测缩水、缺边以及竹黄。

技术实现思路

[0005]本专利技术所要解决的技术问题是：提供一种基于线激光图像的竹条缺陷检测方法及终端，以检测竹条的缩水、缺边以及竹黄缺陷。
[0006]为了解决上述技术问题，本专利技术采用的技术方案为：一种基于线激光图像的竹条缺陷检测方法，包括步骤：S1、获取竹条的一张或多张线激光图像；S2、根据竹条的线激光图像提取激光异常线段，若存在激光异常线段，则执行步骤S3；S3、根据激光异常线段判断是否存在缺陷，并对缺陷分类；所述缺陷包括缩水、缺边以及竹黄中的一者或多者。
[0007]为了解决上述技术问题，本专利技术采用的另一种技术方案为：一种基于线激光图像的竹条缺陷检测终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：S1、获取竹条的一张或多张线激光图像；S2、根据竹条的线激光图像提取激光异常线段，若存在激光异常线段，则执行步骤S3；
S3、根据激光异常线段判断是否存在缺陷，并对缺陷分类；所述缺陷包括缩水、缺边以及竹黄中的一者或多者。
[0008]本专利技术的有益效果在于：一种基于线激光图像的竹条缺陷检测方法及终端，利用激光线采图的特性，完善了竹条物理缺陷的检测方法，能实现对于竹条的缩水、缺边以及竹黄缺陷进行检测，完善了产业化应用，完善竹条缺陷逻辑，降低误检率，提高缺陷检出率。
附图说明
[0009]图1为本专利技术实施例的一种基于线激光图像的竹条缺陷检测方法的流程示意图；图2为本专利技术实施例涉及的激光线条图的采集结构示意图；图3为本专利技术实施例的一种基于线激光图像的竹条缺陷检测终端的结构示意图。
[0010]标号说明：1、一种基于线激光图像的竹条缺陷检测终端；2、处理器；3、存储器；4、激光；5、工业相机。
具体实施方式
[0011]为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图予以说明。
[0012]请参照图1至图2，一种基于线激光图像的竹条缺陷检测方法，包括步骤：S1、获取竹条的一张或多张线激光图像；S2、根据竹条的线激光图像提取激光异常线段，若存在激光异常线段，则执行步骤S3；S3、根据激光异常线段判断是否存在缺陷，并对缺陷分类；所述缺陷包括缩水、缺边以及竹黄中的一者或多者。
[0013]由上述描述可知，本专利技术的有益效果在于：一种基于线激光图像的竹条缺陷检测方法及终端，利用激光线采图的特性，完善了竹条物理缺陷的检测方法，能实现对于竹条的缩水、缺边以及竹黄缺陷进行检测，完善了产业化应用，完善竹条缺陷逻辑，降低误检率，提高缺陷检出率。
[0014]进一步地，所述步骤S2具体包括：S21、对竹条的线激光图像使用OTSU二值化得到竹条的二值化图mask；S22、对竹条的二值化图mask统计得到二值化图mask的平均值meanv和标准差stdv，根据下式计算阈值thresh：；根据阈值thresh对二值化图mask进行二值化，得到激光的二值图，从激光的二值图中提取激光点序列，n为自然数；S23、根据提取的激光点序列拟合直线Line；S24、计算激光点序列中各个激光点到拟合直线Line的垂直距离dist
n
，汇总各个垂直距离dist
n
得到激光点序列的距离序列；S25、根据激光点序列和距离序列得到连续点组成的且满足以下条
件的激光异常线段：；式中，MIN_LENGTH为最小线段长度，为最小距离，i、j和m均为自然数，length为获取线段长度的函数；S26、计算激光异常线段的深度信息、位置信息和是否凹陷,其中，深度信息具体是激光异常线段中各点垂直距离dist
i
最大值；位置信息具体是判断激光异常线段中各点的最大ID值MAX_ID是否小于设定值MINID或最小ID值MIN_ID是否小于设定值MAXID，若一者为真，则表示激光异常线段位于边缘位置；计算激光异常线段是否凹陷具体是判断激光异常线段中各点是否存在小于0的垂直距离dist
i
，若有，则判断激光异常线段凹陷。
[0015]由上述描述可知，实现了对于激光异常线段的提取和对于激光异常线段信息的统计。
[0016]进一步地，所述步骤S3具体包括：S31、获取所有线激光图像的激光线异常线段以形成各线激光图像的激光线异常线段集{}；S32、遍历=，对于任意，若下一个线激光图像存在相同位置的，则两个激光线异常线段归入同一个异常区域，否则单独归入异常区域；S33、统计各个异常区域中激光线异常线段的总个数count；统计各个异常区域的激光区域的缺陷平均宽度outlier_length；统计各个异常区域中和边缘位置属性相同情况的数量edge_count；统计各个异常区域中和凹陷属性相同情况的数量cave_count；S34、判断各个异常区域是否满足以下条件，若满足，则为缺边缺陷：；判断各个异常区域是否满足以下条件，若满足，则为竹黄缺陷：；判断各个异常区域是否满足以下条件，若满足，则为缩水缺陷：；
其中，和根据下式获得：。
[0017]由上述描述可知，实现了对于缺陷的判断和缺陷类型的区分。
[0018]进一步地，所述相同位置具体是满足下式：；式中，是的起始y坐标信息，是的结束y坐标信息，是的起始y坐标信息，是的结束y坐标信息。
[0019]由上述描述可知，实现了对于相同位置的判断。
[0020]进一步地，所述步骤S3还包括：根据下式计算各个异常区域的平均深度：；式中，为异常区域内激光异常线段的深度信息。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于线激光图像的竹条缺陷检测方法，其特征在于，包括步骤：S1、获取竹条的一张或多张线激光图像；S2、根据竹条的线激光图像提取激光异常线段，若存在激光异常线段，则执行步骤S3；S3、根据激光异常线段判断是否存在缺陷，并对缺陷分类；所述缺陷包括缩水、缺边以及竹黄中的一者或多者。2.根据权利要求1所述的一种基于线激光图像的竹条缺陷检测方法，其特征在于，所述步骤S2具体包括：S21、对竹条的线激光图像使用OTSU二值化得到竹条的二值化图mask；S22、对竹条的二值化图mask统计得到二值化图mask的平均值meanv和标准差stdv，根据下式计算阈值thresh：；根据阈值thresh对二值化图mask进行二值化，得到激光的二值图，从激光的二值图中提取激光点序列，n为自然数；S23、根据提取的激光点序列拟合直线Line；S24、计算激光点序列中各个激光点到拟合直线Line的垂直距离dist
n
，汇总各个垂直距离dist
n
得到激光点序列的距离序列；S25、根据激光点序列和距离序列得到连续点组成的且满足以下条件的激光异常线段：；式中，MIN_LENGTH为最小线段长度，为最小距离，i、j和m均为自然数，length为获取线段长度的函数；S26、计算激光异常线段的深度信息、位置信息和是否凹陷,其中，深度信息具体是激光异常线段中各点垂直距离dist
i
最大值；位置信息具体是判断激光异常线段中各点的最大ID值MAX_ID是否小于设定值MINID或最小ID值MIN_ID是否小于设定值MAXID，若一者为真，则表示激光异常线段位于边缘位置；计算激光异常线段是否凹陷具体是判断激光异常线段中各点是否存在小于0的垂直距离dist
i
，若有，则判断激光异常线段凹陷。3.根据权利要求2所述的一种基于线激光图像的竹条缺陷检测方法，其特征在于，所述步骤S3具体包括：S31、获取所有线激光图像的激光线异常线段以形成各线激光图像的激光线异常线段集{}；S32、遍历=，对于任意，若下一个线激光图像存在相同位置的，则两个激光线异常线段归入同一个异常区域，否则单独归入异常区域；
S33、统计各个异常区域中激光线异常线段的总个数count；统计各个异常区域的激光区域的缺陷平均宽度outlier_length；统计各个异常区域中和边缘位置属性相同情况的数量edge_count；统计各个异常区域中和凹陷属性相同情况的数量cave_count；S34、判断各个异常区域是否满足以下条件，若满足，则为缺边缺陷：；判断各个异常区域是否满足以下条件，若满足，则为竹黄缺陷：；判断各个异常区域是否满足以下条件，若满足，则为缩水缺陷：；其中，和根据下式获得：。4.根据权利要求3所述的一种基于线激光图像的竹条缺陷检测方法，其特征在于，所述相同位置具体是满足下式：；式中，是的起始y坐标信息，是的结束y坐标信息，是的起始y坐标信息，是的结束y坐标信息。5.根据权利要求2所述的一种基于线激光图像的竹条缺陷检测方法，其特征在于，所述步骤S3还包括：根据下式计算各个异常区域的平均深度：；式中，为异常区域内激光异常线段的深度信息。6.一种基于线激光图像的竹条缺陷检测终端，包括存储器、处理器及存...

【专利技术属性】
技术研发人员：杨和，刘文哲，童同，高钦泉，
申请(专利权)人：福建帝视智能科技有限公司，
类型：发明
国别省市：