[发明专利]基于神经网络的木材缺陷检测方法、系统及存储介质

说明书

本申请实施例中提供了一种基于神经网络的木材缺陷检测方法、系统及存储介质，基于神经网络的木材缺陷检测方法包括：获取木材的图像数据；通过构造缺陷分割神经网络，然后训练缺陷分割神经网络，其次木材图像数据输入到训练后的缺陷分割神经网络进行缺陷分割预测得到缺陷预测掩码图，最后根据缺陷预测掩码图进行后处理计算得到结构化的缺陷描述数据即木材缺陷检测数据，实现了在木材缺陷检测中对木材缺陷的分割，解决了现有技术中基于神经网络进行木材缺陷检测时，不能对木材缺陷进行分割的问题。

技术领域

本申请属于图像处理技术领域，具体地，涉及一种基于神经网络的木材缺陷检测方法、系统及存储介质。

背景技术

木板在树木生长、木材加工、运输过程中，可能产生多种表面缺陷，包括节子、边材、虫眼、色差、裂缝等，这些表面缺陷带来的观感问题和物理性能问题会对木板的后续加工或使用产生负面影响，如用作地板的木板出现了边材会影响地板的外观，出现裂缝会影响地板的可靠性，因此木板厂通常要对木板表面缺陷进行质检。

目前，大部分木板厂都是通过人工目检的方式检测木板表面缺陷，但人工目检存在很大的问题：人工成本高，熟练工培养时间长；质检员在高强度的质检工作下容易出现视觉、心理疲劳的问题，进而影响缺陷检测的准确率和检出率，这些问题都影响着木板厂的效率和收益。

机器视觉是通过视觉传感器成像代替人眼完成观察，并通过图像或视频处理算法来完成特定的视觉任务。机器视觉需要的硬件设备包括多种光源、光源控制器、工业相机、相机镜头、ISP模组和图像处理服务器等。机器视觉的图像处理算法包含数字图像处理技术和卷积神经网络即深度学习等。数字图像处理以数学手段对图片进行一系列变换、增强和特征提取，包括空域图像处理、频域图像处理、小波变换、形态学处理等。卷积神经网络是神经网络的一种，它仿照大脑皮层的结构，由大量基础神经元构成，神经元以层的形式组织起来，神经元的基本功能是在多个单位像素上计算卷积，即图像滤波器在图像局部位置的响应信号，这些响应信号通过逐层的变换提取形成各种空间尺度上的特征。卷积神经网络常用于图像分类、目标检测、语义分割等视觉任务中，不同的任务将卷积网络提取的特征接入不同的后端网络中以构建完整的任务，并基于大量的有标签样本进行学习，学习的过程是通过调整网络中的参数以最小化预测错误。

少数木板厂用机器视觉的方式进行缺陷检测，包括使用数字图像处理技术或分类神经网络进行缺陷识别，但木板本身复杂的纹理会导致数字图像处理技术的准确率和检出率不高，此外，木板厂通常都有一套复杂的缺陷描述和木板片检规范，详细阐述每种缺陷的形态测量方法，如木板长度、宽度和缺陷的数量对木板品质分等结果都有影响。