[发明专利]一种基于计算机视觉的木板缺陷检测方法

说明书

本发明公开了一种基于计算机视觉的木板缺陷检测方法，包括步骤一：获取木板的初始图像，对初始图像进行语义分割处理；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，对灰度图进行边缘检测，得到木纹纹理的边缘检测图像，获取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，根据尺寸将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；结合描述数据得到对应的瓦片内节子区域的概率，进而得到概率图像；步骤三：对灰度图的进行阈值分割得到节子的阈值分割图，根据概率图像与阈值分割图像所确定的节子的交集，得到节子的位置。本发明通过节子周围的木纹纹理变化来辅助节子的检测，结果更加准确。

技术领域

本发明涉及大数据测定材料领域，尤其涉及一种基于计算机视觉的木板缺陷检测方法。

背景技术

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用，往往可以通过图像识别借助于测定木板材料的化学或物理性质来测试或分析木板，但是目前对木板缺陷检测往往是利用人工进行检测的。对获取到的木板图像进行阈值分割，通过木板颜色与节子颜色的差异特征对节子进行检测。通过颜色特征检测节子缺陷对颜色差异要求较高，木板中存在颜色与节子颜色相近的其他因素时，无法完成相应的检测任务。节子颜色较深，趋近于黑色，虫洞与部分脏污颜色与节子颜色相近，通过颜色特征很难区分虫洞与脏污的影响，从而导致误检。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于计算机视觉的木板缺陷检测方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于计算机视觉的木板缺陷检测方法，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进行灰度化得到灰度图图，对所述灰度图边缘检测，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；结合描述数据得到对应的瓦片内节子区域的概率，进而得到概率图像；其中，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； 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。

进一步，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；所使用的loss函数为交叉熵损失函数。

进一步，将所述灰度图分割为多块瓦片：先对灰度图，利用canny算子得到边缘图像，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；语义分割后得到木板的连通域，该连通域作为遮罩抠取初始图像，灰度化处理后得到木板的灰度图像，根据纹理的大走向对图片进行转正，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；获取瓦片尺寸的具体过程为：建立平面直角坐标系，统计第一行两纹理像素1间的距离,统计5行两像素点间的距离，其中n为间距个数，求五行所有的平均值;公式为：

;

取平均值的2倍作为瓦片的长宽，以坐标轴的原点为起点将图片分割成若干个边长为2大小的瓦片，以边长为2倍的最大间距为瓦片的边长，将图像进行分割，得到多块方瓦片,以坐标原点为起始点，边长为2进行分割，记录每块瓦片的位置坐标。