[发明专利]一种基于计算机视觉的木板缺陷检测方法

权利要求书

1.一种基于计算机视觉的木板缺陷检测方法，其特征在于，该方法包括以下步骤：

步骤一：获取木板的初始图像，对获取到的初始图像进行语义分割处理，得到木板图像；

步骤二：对语义分割后得到的木板图像进行灰度化得到灰度图，对所述灰度图进行边缘检测，得到木纹纹理的边缘检测图像，获取所述边缘检测图像中木纹纹理的间距与方向确定瓦片的尺寸与瓦片的布置，根据所述尺寸将所述灰度图分割为多块瓦片，对瓦片内的木纹进行变化的描述，得到描述数据，所述描述数据包括密集程度、纹理间距比和纹理倾斜程度；所述密集程度、纹理间距比和纹理倾斜程度的乘积为对应的瓦片内节子区域的概率，进而得到概率图像；所述密集程度为所述瓦片中木纹纹理的像素比，所述纹理间距比为在所述瓦片中任意两条纹理之间的平均长度差异比，所述纹理倾斜程度为所述瓦片中木纹纹理的相对倾斜角度；

其中，根据所述尺寸将所述灰度图分割为多块瓦片包括：采用直线检测得到图像中直线，然后统计直线的倾角得到木板木纹纹理的大方向；根据纹理的大方向对图片进行转正，让纹理与水平面垂直；确定瓦片尺寸，根据行序列，背景像素为0，纹理像素为1，对两个1之间的距离进行间距判断，为了确保每个瓦片中至少包含两条纹理，根据两条纹理的间距比确定纹理走向，取最大间距的2倍作为瓦片分割的尺寸；

步骤三：对所述灰度图的进行阈值分割得到节子的阈值分割图，根据概率图像所确定的节子与阈值分割图像所确定的节子的交集，得到节子的位置。

2.根据权利要求1所述的一种基于计算机视觉的木板缺陷检测方法，其特征在于，所述步骤一中采用语义分割网络进行语义分割处理，所述语义分割网络使用的数据集为俯视采集的木板图像数据集，将数据集中的木板图像中属于背景类的像素标注为0，属于木板的像素标注为1；语义分割网络的loss函数为交叉熵损失函数。

3.根据权利要求1或2所述的一种基于计算机视觉的木板缺陷检测方法，其特征在于，所述密集程度为所述瓦片中木纹纹理的像素比的获取步骤为：根据瓦片中0、1像素个数的比值得到密集程度；

所述纹理间距比为在所述瓦片中任意两条纹理之间的长度差异比的获取步骤为：获取木纹纹理与瓦片边缘的交点，获取同一条纹理中两交点之间的像素点数量为纹理间距，任意两纹理之间的差异与纹理间距之比为所述纹理间距比。

4.根据权利要求1或2所述的一种基于计算机视觉的木板缺陷检测方法，其特征在于，所述纹理倾斜程度为所述瓦片中木纹纹理的相对倾斜角度的步骤包括：将瓦片中直线的斜率记为K，由求得夹角，则对夹角概率进行归一化处理，以90度为临界点对夹角进行分段处理；当α∈（0°，90°）时，纹理倾斜程度为

当α∈（90°，180°）时，纹理倾斜程度为

。

5.根据权利要求1或2所述的一种基于计算机视觉的木板缺陷检测方法，其特征在于，得到概率图像具体为：根据瓦片的概率值与瓦片八邻域间的概率变化情况得到节子的概率图像；所述瓦片的概率值为所述节子区域的概率；由每块瓦片的概率结合矢量图可得到整张图像的节子概率分布图。

6.根据权利要求1或2所述的一种基于计算机视觉的木板缺陷检测方法，其特征在于，结合概率图像所确定的节子与阈值分割图像所确定的节子判断是否存在关联瓦片的步骤包括：结合阈值分割图与节子概率图最终确定节子位置，设定阈值，当概率时，为阈值：

；

I是和当前阈值分割连通域相关联的瓦片数量，为I个关联瓦片内第i个瓦片的节子概率；判断是否关联的过程为：得到阈值分割的连通域；求各瓦片和当前连通域的交集占比zb，

；

式中，J为当前瓦片和连通域的交集面积，W为当前瓦片的面积；判断是否为关联瓦片若是,为经验值，则该瓦片为该连通域的关联瓦片。