[发明专利]一种基于计算机视觉的竹条表面缺陷检测方法

说明书

技术领域

本发明涉及图像处理技术领域，具体为一种基于计算机视觉的竹条表面缺陷检测方法。

背景技术

我国竹类资源丰富而且竹类有很强的再生能力。竹材质感爽滑、纹理清晰,被广泛用于制造竹挂毯、竹地毯、竹地板等建筑、装饰产品。但竹子生长过程中不免有部分生虫或患病或腐变。制成的中间产品竹条，由于各种环境气候、湿度等原因，加工存贮过程中有的竹条会开裂，也有的竹条会发霉。因此竹条表面常会出现虫蛀洞孔、裂缝、霉斑等缺陷。在进行下一步的竹产品加工前，必须先对竹条表面缺陷进行检测，否则无法保证竹产品的质量，造成合格率低。

目前主要依靠人工肉眼识别的方法对竹条进行筛选,劳动强度大,筛选效率低,特别是人眼长期进行单调的扫视检查，极易产生视觉疲劳，更易增加误判和漏检。人工筛选后竹条的质量仍难以得到保障,造成竹产品质量无法稳定提高，极大地制约了竹制品产业的快速发展。

基于计算机视觉的缺陷检测技术已经广泛的用于薄膜、织物、玻璃、钢材等工业缺陷检测上。申请号为CN200810150244.2，2008年07月13日公开的中国发明专利申请，名称为“一种基于计算机视觉的竹条缺陷在线检测方法”。该方法通过对竹条灰度图像预处理后，用图像分割中的最大类间方差(OTSU)法，先把图像分为两类判断是否有大缺陷，再划分为有限个小区域，判断是否存在小缺陷。此方法检测前对每根竹条均要沿长度对四个表面进行拍摄，且要对每帧图像进行处理、计算、比较和判断。工业生产中需检测大量竹条，此法实施难度大，效率低。另外此法稳定性不够，抗噪声能力弱，在噪声梯度大且灰度值低时此法会将一个像素点的噪声也误判为缺陷竹条。故此方法在竹产品生产中难以推广应用。

发明内容

本发明的目的是提出了一种基于计算机视觉的竹条表面缺陷检测方法，摄取竹条表面灰度图像后，先对图像进行归一化和滤波处理，再用小波变换去除细节，之后最大类间方差法进行阈值分割，得到霉斑和/或虫洞缺陷图像，再用canny算子进行边缘检测，得到裂缝缺陷图像，缺陷图像经过面积(长度)和灰度差与阈值的比较，判断是否为缺陷竹条。

本发明一种基于计算机视觉的竹条表面缺陷检测方法,包括以下步骤：

Ⅰ、摄取竹条图像

摄取竹条表面灰度图像f；采用无反光的黑色背景，避免反光以及竹条阴影的干扰，以降低拍摄要求；另一方面竹条缺陷在灰度图像中颜色接近黑色，最大类间方差法OTSU分割的时候竹条虫洞霉斑缺陷被当成背景，当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时OTSU分割效果不好。黑色背景可避免出现OTSU分割效果不佳的情况。

Ⅱ、归一化

采用伽玛校正法(Gamma Correction)对图像f进行颜色空间的标准化，即归一化，得到图像fg；目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰；

Ⅲ、滤波

对图像fg进行中值滤波以及高斯滤波获得图像f₁；由于在生产车间灰尘较多，很容易产生椒盐噪声，滤波以避免噪声影响；

Ⅳ、小波变换处理

小波变换处理得到图像f₂；用以去除会影响判断结果的竹条的竹节以及纹理等图像细节；

采用sym4小波对图像f₁进行四级小波变换，再对图像f₁基于小波去除竖直方向和对角方向的第四级细节系数，并去除水平方向第一级细节系数；

Ⅴ、最大类间方差法的阈值分割

用最大类间方差法(OTSU)对图像f₂进行阈值分割，获得图像f₃；

以竹条图像为前景，前景点面积占图像总面积比例为w₀，前景点灰度均值为u₀；背景点面积占图像总面积比例为w₁，背景点灰度均值为u₁。整个图像的灰度均值为u＝w₀×u₀+w₁×u₁。