[发明专利]一种基于机器视觉的竹条缺陷检测方法

说明书

本发明公开一种基于机器视觉的竹条缺陷检测方法，先将采集到的彩色图像转为灰度图，之后进行中值滤波去除噪声，平滑后将灰度图转为二值图像，然后用sobel算子提取竹条边缘，最后对竹条边缘进行分段处理，结合最小二乘法对每一段进行直线拟合；依据拟合之后直线的斜率大小来判断是否存在缺陷。本发明达到了较高的检测准确度；实现方便、对竹条噪声有较强的抗干扰能力,达到了很高的分类准确率。

技术领域

本发明涉及竹条加工方法技术领域，特别涉及一种的竹条缺陷检测方法。

背景技术

在现代竹制品生产中，对于竹条制品的质量已经提出了越来越高的要求。自然界中竹子的个体生长存在较大的差异，将竹子制成竹条的过程中经常会存在缺陷。目前，国内竹制品生产中缺陷检测多以人工为主，但人眼分辨速度有限，易受主观因素影响，易发生误检，错检等。以先进的机器视觉技术代替人工检测竹条缺陷，是提高生产效率、减少劳动力、降低人工劳动强度和保证竹条检测质量的重要措施。

目前，基于机器视觉的竹条缺陷检测方法，有些方法易于受到噪声的影响，易将噪声造成的突变也检成缺陷；有些方法对于种类繁多的竹条，前期特征提取比较困难，因此该方法的适应性较差。

发明内容

本发明的目的在于针对现有竹条颜色分类技术的不足，提供了一种新的竹条缺陷检测方法，提取竹条显著的斜率特征，进行运算处理，提高了检测的性能和精确度，能够有效节省劳力，降低劳动强度，提高工作效率，且检测精度较高。

为达到上述发明目的，本发明采用的技术方案是：一种基于机器视觉的竹条缺陷检测方法，具体步骤如下：

步骤一：采用工业线阵相机对工业生产当中的竹条进行图像采集，相机下方，平行于镜头放置线型光源以保证图像采集质量。

步骤二：将竹条图像从RGB颜色空间转成单通道的灰度图像。

步骤三：用中值滤波将竹条图像中的噪声点去除。

步骤四：采用自适应阈值，将灰度图像转成二值图像，将竹条分离出来。

步骤五：采用sobel算子对二值化的竹条边缘进行提取。

步骤六：对提取出的竹条边缘进行自适应分段，分段结束之后采用最小二乘法对每一段边缘进行直线拟合。

步骤七：计算拟合得到的的每一条直线的斜率，如果大于规定的阈值，则判定为存在缺陷。

上述步骤六中的自适应分段方法如下：依据竹条边缘上每个点的坐标，计算一条边缘的首尾两点(，)和(，)所形成的直线：,计算(，)和(，)之间所有的点 (，)到直线的距离，如果存在大于敏感度D,则取使得最大的点(，)，该点把原始边缘拆分成两条边缘，取(，)和(，)以及之间的所有点为一组，(，)和(，)以及之间所有点为一组分别重复上述过程，直到每一组边缘上的点所得到的d都小于敏感度D，结束迭代。

本发明与现有技术相比具有下列优点：本发明通过将竹条图像的边缘提取之后采用自适应分割算法与最小二乘法相结合，能有效的对于缺陷的竹条进行检测，且达到了较高的检测准确度；实现方便、对竹条噪声有较强的抗干扰能力,达到了很高的分类准确率；用于大规模的生产当中，以先进的自动缺陷检测技术代替人工竹条缺陷检测，能够提高生产效率、减少劳动力，降低人工劳动强度和保证竹条检测质量。

附图说明：

图1为本发明的实施流程图。

图2为本发明的缺陷竹条和正常竹条的算法处理过程及检测结果实例。

具体实施方式