[发明专利]基于机器视觉的竹条缺陷在线检测方法

权利要求书

1、基于机器视觉的竹条缺陷在线检测方法，其特征在于包括下述步骤：

(a)沿竹条长度方向，使用相机对竹条的四个表面连续拍摄，获取竹条表面的灰度图像；

(b)对捕获的每一帧数字图像进行图像处理，根据竹条缺陷检测方法，判断此帧图像中的小段竹条上是否存在缺陷；

(c)如果此帧图像中的小段竹条存在缺陷，则认为整根竹条存在缺陷，同时向分拣机构发送存在缺陷的指令；

(d)如果整根竹条的所有帧图像中的小段竹条都没有缺陷，则认为此根竹条没有缺陷；同时向分拣机构发送没有缺陷的指令。

2、根据权利要求1的基于机器视觉的竹条缺陷在线检测方法，其特征在于所述的竹条缺陷检测方法包括以下步骤：

(a)对整幅灰度图像，通过边缘检测获取竹条的边界，去除背景，得到竹条区域的图像f，并复制竹条区域的图像数据f’，获取图像f中竹条的两条边界直线L1和L2；计算L1和L2之间的夹角θ，如果θ≥判定阀值Tp，Tp≤2°，则认为该竹条两条边界直线不平行，存在缺陷，转至步骤(f)，给出竹条存在缺陷的检测结果信号；否则认为该幅图像中竹条的两条边界直线近似平行，继续进行下一步的检测；

(b)对图像f，进行均值滤波，去除噪声点的干扰，得到图像f1；

(c)对图像f1，进行滤除纹理操作：以当前像素点为中心，用当前像素行的左右邻近像素灰度值中的最大值，代替当前像素点的灰度值。左右邻域像素的总宽度，大于等于图像中竹子纹理的一半像素宽度d_H，小于等于图像中竹子相邻两个纹理之间的像素宽度d_B；对图像f1中所有像素逐点处理，最终可获得滤除竹子纹理后的图像f2；

(d)竹条大缺陷的检测，包括以下步骤：

A.对图像f2，采用最大类间距方法求得分割阈值Th以及两个类的平均灰度值u1、u2；

B.如果图像f2所求得的u1与u2之间的灰度差值小于预先测定的实验值D，则认为该幅图像不含有竹条大缺陷，跳转至步骤(e)，进行竹条小缺陷的检测；

C.在图像f2中，灰度值小于等于Th的像素即为缺陷区域，统计图像f2中缺陷区域像素点的总数num和图像f2中所有像素点的总数sum，如果num与sum的比值小于判定阈值Pe，则认为该幅图像无缺陷，跳转至步骤(e)，进行竹条小缺陷的检测，否则认为该幅图像存在缺陷，并对图像f2进行二值化处理，转至步骤(f)，给出竹条存在缺陷的检测结果信号；

(e)竹条小缺陷的检测，包括以下步骤：

A.对于竹条区域的图像f’，沿着竹条的长度方向，按n个像素宽划分为有限个小区域，n小于等于10；

B.使用梯度算子，计算每个像素点的梯度值；

C.分别统计每个小区域中梯度最大值所对应像素点的灰度值Gi；

D.对于所有小区域中的Gi，找出其中的最小值Gmin；

E.计算竹条区域图像f’的灰度平均值u，如果u与Gmin的差值小于合格竹条图像的灰度差值d，则认为该幅图像不存在缺陷，转至步骤(f)，给出该图像没有缺陷的检测结果信号；

F.取分割阈值为Gmin，对图像f’进行二值化处理，得到二值图像f”。在图像f’中，灰度值小于等于Gmin的像素即为缺陷区域；对二值图像f”中的缺陷区域进行贴标签处理，计算每个缺陷区域的面积Area、长宽比Scale，如果Area≥Ta并且{|Scale-1|≤ξ或Scale≥Tb}，其中Ta、Tb、ξ分别为检测精度要求下的最小虫蛀孔的像素点总数、最短裂缝的长宽比、虫蛀孔的圆形度范围，则认为该图像存在缺陷，转至步骤(f)，给出竹条存在缺陷的检测结果信号；否则认为该幅图像不存在缺陷，转至步骤(f)，给出该幅图像没有缺陷的检测结果信号；(f)给出竹条图像的检测结果信号。