[发明专利]一种基于计算机视觉的木板表面缺陷检测方法及系统

说明书

本发明涉及人工智能和图像处理技术领域，具体涉及一种基于计算机视觉的木板表面缺陷检测方法及系统。该方法通过多个全局阈值获得多个木板图像的阈值分割图像。根据阈值图像中像素连通域的形状和面积筛选出木节连通域，以木节连通域的最大拟合椭圆作为外轮廓。通过缩放外轮廓，获得多个判断椭圆，根据判断椭圆内像素的分布获得分割比，进一步筛选出内轮廓。根据分割比，内轮廓和外轮廓获得木节连通域的圆环率。通过分析不同阈值分割图像中木节连通域的圆环率的差异特征获得死节概率，根据死节概率判断木节类型。本发明有效的识别了木材表面木节，并进行分类，提高检测过程的准确性。

技术领域

本发明涉及人工智能和图像处理技术领域，具体涉及一种基于计算机视觉的木板表面缺陷检测方法及系统。

背景技术

木节为木材存在的天然缺陷，是因为树木生长的生理过程、遗传因子、外界环境等因素的影响导致的。木节的存在严重影响了木材材质，木节对木材的顺纹抗拉强度影响最大，会降低木材的顺纹拉伸、顺纹压缩和弯曲强度一般来说木节区域的颜色在木板上要比正常区域颜色深，因此可以通过图像处理的方法根据图像中不同位置灰度值的差异筛选出木节区域。因为木节分为活节和死节，活节与周围正常区域有完整的纹理连接，未形成断裂，没有髓心结构；死节与周围正常区域发生环形或半环形分离，在木板干燥后易收缩漏空，大大损害木板质量。但是通过分析像素值差异的方法无法准确的将活节死节区分开来，无法准确的分析表明缺陷。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于计算机视觉的木板表面缺陷检测方法及系统，所采用的技术方案具体如下：

本发明提出了一种基于计算机视觉的木板表面缺陷检测方法，所述方法包括：

获得检测图像；分割出所述检测图像中的木板区域，获得木板图像；预设多个全局阈值处理所述木板图像，获得多个阈值分割图像；

获得所述阈值分割图像中的像素连通域；根据所述像素连通域的形状和面积筛选出木节连通域；以所述木节连通域的最大拟合椭圆作为外轮廓；

将所述外轮廓根据预设缩放尺度进行缩放，获得多个判断椭圆；以所述判断椭圆内像素点数量与所述外轮廓到所述判断椭圆之间的像素点数量的比值作为分割比；根据不同所述判断椭圆的所述分割比的变化特征筛选出内轮廓；根据所述分割比、所述外轮廓和所述内轮廓获得所述木节连通域的圆环率；

根据不同所述阈值分割图像中所述木节连通域的圆环率绘制圆环率阈值曲线；根据所述圆环率阈值曲线上每个极大值与最大极大值的差异获得死节概率；若所述死节概率大于预设概率阈值，则对应的所述木节连通域为死节；反之，则对应的所述木节连通域为活节。

进一步地，所述分割出所述检测图像中的木板区域包括：

将所述检测图像送入预先训练好的木板区域分割网络中，输出所述木板区域。

进一步地，所述根据所述像素连通域的形状和面积筛选出木节连通域包括：

获得所述像素连通域内像素点间的第一距离，以所述第一距离最大的两个像素点间的连线作为第一连线；

以所述第一连线的中点作为所述像素连通域的中心点；以所述中心点构建于第一连线垂直的参考直线；获取所述参考直线上的像素点与所述中心点的第二距离；在所述参考直线上以所述中心点为中心截取第二连线；所述第二连线长度为最大的所述第二距离的二倍；

若所述像素连通域面积大于预设面积阈值且所述第一连线与所述第二连线的长度比小于预设比例阈值，则对应的所述像素连通域为所述木节连通域。

进一步地，所述以所述木节连通域的最大拟合椭圆作为外轮廓包括：

以所述第一连线作为长轴，所述第二连线作为短轴构建椭圆曲线作为所述最大拟合椭圆。