[发明专利]一种基于深度学习的木料优选锯智能检测方法

权利要求书

1.一种基于深度学习的木料优选锯智能检测方法，包括动力传输机构，优选锯视觉检测系统，动作执行机构以及信息处理系统，其特征在于，所述检测方法包括以下步骤：

步骤1：将需检测木料置于动力传输机构上，并确保木料能够在传送带上沿正常测量方向传送；

步骤2：木料通过优选锯视觉检测系统，并确保木材能够在视觉检测系统中成清晰的像，当木料通过视觉检测系统后，会得到一系列木料图像；

步骤3：由充足的图像样本预先训练得到的用于区分缺陷木材图像和无缺陷木材图像的分类网络，对获取得到的木料图像进行目标检测，确定木料缺陷在图像中的位置；

步骤4：由充足的图像样本预先训练得到的木料等级分类网络对除步骤3外的无缺陷木料图像进行检测，确定木料图像中等级分类临界线在图像中的位置；

步骤5：由图像坐标与物理坐标之间进行映射转换，即可由步骤3和步骤4中的图像位置，确定需截断位置的物理坐标，进而确定整个木料截断位置的清单；

步骤6：将木料截断位置的清单传送到动力执行机构，由动力执行结构在木料相应的位置进行截断，实现对木料缺陷的剔除和等级的分类。

2.根据权利要求1所述的基于深度学习的木料优选锯智能检测方法，其特征在于：所述步骤2还包括对捕捉到的木材图像进行感兴趣区域分割。

3.根据权利要求2所述的基于深度学习的木料优选锯智能检测方法，其特征在于：所述步骤2中还包括图像预处理，图像预处理算法采用形态学算法。

4.根据权利要求3所述的基于深度学习的木料优选锯智能检测方法，其特征在于：所述步骤2还包括对捕捉到的木材图像进行卷积操作。

5.根据权利要求1所述的基于深度学习的木料优选锯智能检测方法，其特征在于：所述步骤5中图像点坐标与物理点坐标之间的转换关系为单应矩阵。

6.根据权利要求1所述的基于深度学习的木料优选锯智能检测方法，其特征在于：所述步骤3和步骤4中包括应用充足的木料样本图像对木料缺陷检测网络以及木料等级分类网络进行训练。

7.根据权利要求6所述的基于深度学习的木料优选锯智能检测方法，其特征在于：用于对木料缺陷检测网络以及木料等级分类网络进行训练和检测的方法采用Faster RCNN深度学习方法。