一种基于深度学习的木材缺陷检测方法和系统技术方案

本发明专利技术提出了一种基于深度学习的木材缺陷检测方法和系统。所述木材缺陷检测方法包括：针对待检测木材进行唯一编码，并按照所述唯一编码的顺序对所述待检测木材进行图像采集，获取所述待检测木材的图像信息；对所述待检测木材的图像信息进行图片处理，获取待测木材对应的待测目标图片；将所述待测目标图片输入至深度学习模型进行缺陷检测，获得缺陷检测结果，将所述缺陷检测结果发送至工作人员终端进行展示。所述系统包括与所述方法步骤对应的模块。模块。模块。

【技术实现步骤摘要】
一种基于深度学习的木材缺陷检测方法和系统


[0001]本专利技术提出了一种基于深度学习的木材缺陷检测方法和系统，属于缺陷检测


技术介绍

[0002]木材是非常重要的一种资源，现有木材生产过程中，对于带有缺陷的木材往往需要依靠人工肉眼对木材表面的缺陷信息进行检索和人工进行对比，这种情况往往导致工作效率较低，对于不明显缺陷无法实现有效检查。

技术实现思路

[0003]本专利技术提供了一种基于深度学习的木材缺陷检测方法和系统，用以解决现有技术中人工进行木材缺陷检测导致工作效率低，缺陷发现准确性低的问题：
[0004]一种基于深度学习的木材缺陷检测方法，所述木材缺陷检测方法包括：
[0005]针对待检测木材进行唯一编码，并按照所述唯一编码的顺序对所述待检测木材进行图像采集，获取所述待检测木材的图像信息；
[0006]对所述待检测木材的图像信息进行图片处理，获取待测木材对应的待测目标图片；
[0007]将所述待测目标图片输入至深度学习模型进行缺陷检测，获得缺陷检测结果，将所述缺陷检测结果发送至工作人员终端进行展示。
[0008]进一步地，针对待检测木材进行唯一编码，并按照所述唯一编码的顺序对所述待检测木材进行图像采集，获取所述待检测木材的图像信息，包括：
[0009]针对待检测木材进行唯一编码，并按照编码顺序对所述待检测木材的唯一编码进行排序；
[0010]按照所述唯一编码的顺序对所述待检测木材进行图像采集，获得所述待检测木材的图像信息；
>[0011]将所述唯一编码与其对应的所述待检测木材的图像信息进行关联绑定，建立所述待检测木材的图像信息与所述唯一编码之间的调用索引关系。
[0012]进一步地，对所述待检测木材的图像信息进行图片处理，获取待测木材对应的待测目标图片，包括：
[0013]根据所述唯一编码依次调取与所述待检测木材对应的图像信息；
[0014]将所述待检测木材对应的图像分割成像素尺寸为16
×
16的多个矩形图像块；
[0015]将所述矩形图像块按照分割顺序进行二次编码，获得带有二次编码的多个矩形图像块；其中，所述带有二次编码的多个矩形图像块即为待测目标图片。
[0016]进一步地，将所述待测目标图片输入至深度学习模型进行缺陷检测，获得缺陷检测结果，将所述缺陷检测结果发送至工作人员终端进行展示，包括：
[0017]将所述带有二次编码的待测目标图片按照二次编码的序号顺序依次输入至深度
学习模型进行缺陷检测，获得每个待测目标图片的缺陷检测；
[0018]将所述缺陷检测结果表示带有木材缺陷的待测目标图片进行提取，并按照所述二次编码的顺序进行拼接，形成所述待检测木材的木材缺陷部位的缺陷图像；
[0019]将所述缺陷图像连同所述待检测木材对应的唯一编码一并发送至工作人员终端进行展示。
[0020]一种基于深度学习的木材缺陷检测系统，所述木材缺陷检测系统包括：
[0021]唯一编码模块，用于针对待检测木材进行唯一编码，并按照所述唯一编码的顺序对所述待检测木材进行图像采集，获取所述待检测木材的图像信息；
[0022]待测目标图片模块，用于对所述待检测木材的图像信息进行图片处理，获取待测木材对应的待测目标图片；
[0023]展示模块，用于将所述待测目标图片输入至深度学习模型进行缺陷检测，获得缺陷检测结果，将所述缺陷检测结果发送至工作人员终端进行展示。
[0024]进一步地，所述唯一编码模块包括：
[0025]编码排序模块，用于针对待检测木材进行唯一编码，并按照编码顺序对所述待检测木材的唯一编码进行排序；
[0026]图像采集模块，用于按照所述唯一编码的顺序对所述待检测木材进行图像采集，获得所述待检测木材的图像信息；
[0027]索引关系调用模块，用于将所述唯一编码与其对应的所述待检测木材的图像信息进行关联绑定，建立所述待检测木材的图像信息与所述唯一编码之间的调用索引关系。
[0028]进一步地，所述待测目标图片模块包括：
[0029]图像信息调取模块，用于根据所述唯一编码依次调取与所述待检测木材对应的图像信息；
[0030]矩形图像块获取模块，用于将所述待检测木材对应的图像分割成像素尺寸为16
×
16的多个矩形图像块；
[0031]二次编码信息，用于将所述矩形图像块按照分割顺序进行二次编码，获得带有二次编码的多个矩形图像块；其中，所述带有二次编码的多个矩形图像块即为待测目标图片。
[0032]进一步地，所述展示模块包括：
[0033]缺陷检测模块，用于将所述带有二次编码的待测目标图片按照二次编码的序号顺序依次输入至深度学习模型进行缺陷检测，获得每个待测目标图片的缺陷检测；
[0034]缺陷图像形成模块，用于将所述缺陷检测结果表示带有木材缺陷的待测目标图片进行提取，并按照所述二次编码的顺序进行拼接，形成所述待检测木材的木材缺陷部位的缺陷图像；
[0035]缺陷展示模块，用于将所述缺陷图像连同所述待检测木材对应的唯一编码一并发送至工作人员终端进行展示。
[0036]本专利技术有益效果：
[0037]本专利技术提出的一种基于深度学习的木材缺陷检测方法和系统通过深度学习技术对缺陷木材数据集进行运算，实现木材缺陷的全类型检索，可以提高木材缺陷的检测效率和准确率，对于众多木材缺陷种类均可进行识别，避免因人工失误造成缺陷木材通过检测。
附图说明
[0038]图1为本专利技术所述方法的流程图；
[0039]图2为本专利技术所述系统的系统框图。
具体实施方式
[0040]以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。
[0041]本专利技术实施例提出了一种基于深度学习的木材缺陷检测方法，如图1所示，所述木材缺陷检测方法包括：
[0042]S1、针对待检测木材进行唯一编码，并按照所述唯一编码的顺序对所述待检测木材进行图像采集，获取所述待检测木材的图像信息；
[0043]S2、对所述待检测木材的图像信息进行图片处理，获取待测木材对应的待测目标图片；
[0044]S3、将所述待测目标图片输入至深度学习模型进行缺陷检测，获得缺陷检测结果，将所述缺陷检测结果发送至工作人员终端进行展示。
[0045]S4、上述技术方案的工作原理为：首先，针对待检测木材进行唯一编码，并按照所述唯一编码的顺序对所述待检测木材进行图像采集，获取所述待检测木材的图像信息；然后，对所述待检测木材的图像信息进行图片处理，获取待测木材对应的待测目标图片；最后，将所述待测目标图片输入至深度学习模型进行缺陷检测，获得缺陷检测结果，将所述缺陷检测结果发送至工作人员终端进行展示。
[0046]上述技术方案的效果为：本实施例明提出的一种基于深度学习的木材缺陷检测方法通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的木材缺陷检测方法，其特征在于，所述木材缺陷检测方法包括：针对待检测木材进行唯一编码，并按照所述唯一编码的顺序对所述待检测木材进行图像采集，获取所述待检测木材的图像信息；对所述待检测木材的图像信息进行图片处理，获取待测木材对应的待测目标图片；将所述待测目标图片输入至深度学习模型进行缺陷检测，获得缺陷检测结果，将所述缺陷检测结果发送至工作人员终端进行展示。2.根据权利要求1所述木材缺陷检测方法，其特征在于，针对待检测木材进行唯一编码，并按照所述唯一编码的顺序对所述待检测木材进行图像采集，获取所述待检测木材的图像信息，包括：针对待检测木材进行唯一编码，并按照编码顺序对所述待检测木材的唯一编码进行排序；按照所述唯一编码的顺序对所述待检测木材进行图像采集，获得所述待检测木材的图像信息；将所述唯一编码与其对应的所述待检测木材的图像信息进行关联绑定，建立所述待检测木材的图像信息与所述唯一编码之间的调用索引关系。3.据权利要求1所述木材缺陷检测方法，其特征在于，对所述待检测木材的图像信息进行图片处理，获取待测木材对应的待测目标图片，包括：根据所述唯一编码依次调取与所述待检测木材对应的图像信息；将所述待检测木材对应的图像分割成像素尺寸为16
×
16的多个矩形图像块；将所述矩形图像块按照分割顺序进行二次编码，获得带有二次编码的多个矩形图像块；其中，所述带有二次编码的多个矩形图像块即为待测目标图片。4.据权利要求1所述木材缺陷检测方法，其特征在于，将所述待测目标图片输入至深度学习模型进行缺陷检测，获得缺陷检测结果，将所述缺陷检测结果发送至工作人员终端进行展示，包括：将所述带有二次编码的待测目标图片按照二次编码的序号顺序依次输入至深度学习模型进行缺陷检测，获得每个待测目标图片的缺陷检测；将所述缺陷检测结果表示带有木材缺陷的待测目标图片进行提取，并按照所述二次编码的顺序进行拼接，形成所述待检测木材的木材缺陷部位的缺陷图像；将所述缺陷图像连同所述待检测木材对应的唯一编码一并发送至工作人员终端进行展示。5.一...

【专利技术属性】
技术研发人员：兰雨晴，余丹，曾大龙，张腾怀，赵蒙蒙，
申请(专利权)人：慧之安信息技术股份有限公司，
类型：发明
国别省市：