[发明专利]板材视觉检测方法及系统

说明书

本发明公开了一种板材视觉检测方法，包括：获取3D轮廓仪所采集的目标板材的三维点云信息，根据所述三维点云信息构建三维模型，根据所述三维模型及预设基准尺寸识别所述目标板材的尺寸缺陷；获取线阵相机所采集的目标板材的二维彩色图像信息，将所述二维彩色图像信息输入事先训练的缺陷识别模型以识别所述目标板材的自然缺陷，并将所述二维彩色图像信息输入事先训练的颜色分类模型以识别所述目标板材的颜色类别。本发明还公开了一种板材视觉检测系统。采用本发明，可对板材的缺陷进行全面的精准检测。

技术领域

本发明涉及实木检测技术领域，尤其涉及一种板材视觉检测方法及一种板材视觉检测系统。

背景技术

当前实木业内挑板工序，仍采用人工检测的方式，整个生产产线上需要人工进行板材的搬运与肉眼检测，工人作业强度普遍较高，挑板工序需要耗费大量的人力资源；众所周知，工人对于质量标准的判断较为主观，存在随意性、误差大等缺点，因此，无法保证实木挑板的质量标准；而且，在整个实木生产过程中，需设置多道工序进行人工检测，生产整个体质量检测效率较低，且成本较高；另外，板材检测对于工人的经验要求较高，有相关熟练经验的人才可以快速检测出板材的缺陷点，进行调优和处理，熟练工人的培养周期过长。因此，人工检测已经是濒临淘汰的最原始检测方式。

相应地，当前各厂商都开始在自动化测量设备、图像预处理、算法上努力，试图能解决地板测量和质量检测的问题。目前，部分企业开始采用图像测量模式识别缺陷检测，但是普遍存在时延高，性能较差等问题。

发明内容

本发明所要解决的技术问题在于，提供一种板材视觉检测方法及系统，可对板材的缺陷进行全面的精准检测。

为了解决上述技术问题，本发明提供了一种板材视觉检测方法，包括：获取3D轮廓仪所采集的目标板材的三维点云信息，根据所述三维点云信息构建三维模型，根据所述三维模型及预设基准尺寸识别所述目标板材的尺寸缺陷；获取线阵相机所采集的目标板材的二维彩色图像信息，将所述二维彩色图像信息输入事先训练的缺陷识别模型以识别所述目标板材的自然缺陷，并将所述二维彩色图像信息输入事先训练的颜色分类模型以识别所述目标板材的颜色类别。

作为上述方案的改进，所述板材视觉检测方法还包括缺陷识别模型训练，具体包括：获取原始彩色图像；对所述原始彩色图像进行截取合并处理，以形成基础彩色图像；在所述基础彩色图像中标注缺陷位置及缺陷类别，以形成标注彩色图像，所述缺陷类别包括死活节、树脂囊、夹皮及腐朽；对所述标注彩色图像进行泛化扩增处理，以形成样本彩色图像；将所有样本彩色图像整合成样本彩色图像集；根据所述样本彩色图像集训练所述缺陷识别模型。

作为上述方案的改进，所述缺陷识别模型采用DNN模型对输入的样本彩色图像进行多尺度特征提取，并结合语义信息和位置信息对所述多尺度特征进行融合，再结合注意力机制和空间金字塔结构提取特征以识别并输出缺陷类别、缺陷位置及置信度信息。

作为上述方案的改进，所述板材视觉检测方法还包括颜色分类模型训练，具体包括：获取原始彩色图像；通过视觉算法提取所述原始彩色图像的目标前景区域，以形成RO I彩色图像；对所述RO I彩色图像的目标前景区域进行缩放处理，并切割成多个局部图像；在所述局部图像中标注色彩类别，以形成标注分类图像，所述色彩类别包括蓝变、深色、中色及浅色；对所述标注分类图像进行泛化扩增处理，以形成样本分类图像；将所有样本分类图像整合成样本分类图像集；根据所述样本分类图像集训练所述颜色分类模型。

作为上述方案的改进，所述颜色分类模型采用DNN模型对输入的样本分类图像进行多尺度特征提取，并对高维特征向量进行分类，再识别图像语义分类信息以输出色彩类别及置信度信息。

作为上述方案的改进，将所述二维彩色图像信息输入事先训练的缺陷识别模型及颜色分类模型之前，对所述二维彩色图像信息进行预处理，所述预处理的步骤包括：对所述二维彩色图像信息进行SVD分解；对经SVD分解后的二维彩色图像信息进行Gabor滤波；采用迭代差影法对经Gabor滤波后的二维彩色图像信息进行差影运算。