[发明专利]基于机器视觉的竹条缺陷在线检测方法

说明书

技术领域

本发明属于视觉检测领域，具体是一种竹条缺陷的非接触式检测方法。

背景技术

我国竹子有39属，500多种，分布面积500多万公顷，竹类资源丰富且再生能力强，从而被越来越广泛采用。一般竹子造林5-10年以后，就可以年年砍伐利用。然而由于地理环境、气候、湿度等原因，有些竹子在生长过程中会从根部开始腐烂，会生虫；若砍伐下来后没有储存保管得当，会发霉以及会出现裂纹；而且在竹子加工中还会出现斜切、过切等缺损情况，因而竹条上会出现腐烂、蛀孔、发霉、裂纹和斜切等缺陷。竹产品生产工艺主要由两大步骤组成：第一步是基材加工，第二步是基材组合后加工。在第一、二步之间必须对基材(即竹条)进行缺陷检测，否则会严重影响竹产品的合格率。随着竹产品的自动化加工能力的提高，越来越多的竹条在第二步前需要等待缺陷检测，而目前仅靠人工肉眼检查，不但人为因素影响较大，而且多种不同程度的缺陷容易使人产生视觉疲劳，从而造成对竹条缺陷的误判和漏检。目前国内还没有利用视觉图像对竹条缺陷进行自动在线检测的方法。

发明内容

为了克服现有技术不能自动检测竹条缺陷的不足，本发明提供一种基于机器视觉的竹条缺陷在线检测方法，能够对竹条沿长度方向的四个表面上的腐烂、蛀孔、发霉、裂纹和斜切等缺陷进行在线自动检测。

本发明解决其技术问题所采用的技术方案包括以下步骤：

一.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；预定义：对于灰度图像，像素点的灰度值越小亮度越暗，灰度值越大亮度越亮；

二.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；

三.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；

四.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。

所述的竹条缺陷检测方法包括以下步骤：

一、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“三角条”的缺陷，转至步骤六，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。

二、对图像f，进行均值滤波，去除噪声点的干扰，得到图像f1。

三、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(预先通过实验，测定d_H和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。

四、竹条大缺陷的检测，包括以下步骤：

1.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；

2.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(D为预先通过实验，对合格的竹条图像采用最大类间距方法处理，求得的u1与u2之间的灰度差值)，则认为该幅图像不含有竹条大缺陷，跳转至步骤五，进行竹条小缺陷的检测；

3.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(Pe为检测精度要求下，缺陷面积占竹条总面积百分比的最小判定阈值)，则认为该幅图像无缺陷，跳转至步骤五，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，转至步骤六，给出竹条存在缺陷的检测结果信号。

对竹条的表面进行垂直打光，在竹条图像中，竹条缺陷：虫蛀孔、发霉、竹青区域与竹条表面的正常区域相比亮度较暗；平行四边形缺陷区域和斜切缺陷区域，在图像中表现为竹条侧边的阴影区域，与竹条表面的正常区域相比亮度较暗。由于以上五种竹条缺陷区域在灰度图像中，灰度值较小，面积相对较大，经步骤四可判断竹条是否存在这五种缺陷。

五、竹条小缺陷的检测，包括以下步骤：

1.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(n小于等于10)划分为有限个小区域；